一种心电信号的基线漂移校正方法
【技术领域】
[0001] 本发明涉及信号处理领域，尤其是一种心电信号的基线漂移校正方法。
【背景技术】
[0002] 心电图是心脏活动的数据记录，对临床医学的心脏健康状况诊断有非常重要的作 用。然而在人体心电信号的采集过程中，由于受医疗设备及人体自身的因素影响，无法避免 受到各种噪声的干扰，如基线漂移、肌电干扰和工频干扰等。其中，基线漂移主要由人体的 呼吸运动及采集电极的滑动等因素造成，属于缓慢变化的超低频干扰信号。这种干扰会抬 高心电图的ST波段，造成心电轨迹的严重失真，从而影响了正常的医学诊断。因此，对心电 数据进行预处理，消除基线漂移，意义重大。
[0003] 目前，常见的心电信号基线漂移校正方法主要包括中值滤波法、小波变换法及最 近几年发展起来的经验模态分解法。应用中值滤波来除去基线漂移的方式虽然具有计算量 小和速度较快的优点，但其会产生"阶梯状"的失真，精度较低。应用小波变换来除去基线漂 移时需采用高尺度的逼近分量近似估计基线漂移信号，此时需要选择适合的小波函数和分 解的层数，并且小波函数和分解层数对处理结果影响较大，操作复杂，不够简便。而应用经 验模态分解方法来除去基线漂移时常受到模态混叠的困扰，使得分解结果失去物理意义， 且其缺乏有效的基线漂移分量选取手段，难以在经验模态分解结束后选取需要除去的基线 漂移分量。
[0004] 综上所述，目前已有的心电信号基线漂移校正方法都存在不足。
【发明内容】
[0005] 为了解决上述技术问题，本发明的目的是：提供一种无模态混叠现象和能自适应 选取基线漂移分量的，心电信号的基线漂移校正方法。
[0006] 本发明解决其技术问题所采用的技术方案是：
[0007] -种心电信号的基线漂移校正方法，包括：
[0008]A、对原始心电信号进行改进的自适应噪声集合经验模态分解处理，得到固有模态 函数和剩余分量；
[0009] B、统计所有的固有模态函数和剩余分量的过零率；
[0010] C、将过零率小于设定阈值的固有模态函数和剩余分量从原始心电信号中去除掉， 得到去除基线漂移后的心电信号。
[0011] 进一步，所述步骤A，其包括：
[0012] A1、对原始信号ecg(t)添加正的白噪声nVt)和负的白噪声-nVt)，得到待分解 的信号S(t)，所述待分解的信号S(t)的表达式为：
[0013]S(t)=ecg(t)+(-l)qa0n1(t),
[0014] 其中，i=1，2，…，M/2,M为集合平均的次数，a。为所加噪声的幅值，n1Ct)为所 添加的第i个噪声，q取1时代表添加的第i个负白噪声-a。!!1 (t)，q取2时代表添加的第 i个正白噪声a。]!1 (t);
[0015]A2、对待分解的信号S(t)进行经验模态分解和集合平均，得到平均后的第一阶固 有模态函数以及相应的剩余分量；
[0016]A3、对剩余分量继续添加正负的自适应噪声，然后对添加正负自适应噪声后的分 量继续进行经验模态分解和集合平均，直到得到平均后的所有阶固有模态函数以及最终的 剩余分量。
[0017] 进一步，所述步骤A2,其包括：
[0018]A21、对待分解的信号S(t)进行经验模态分解，得到第一阶固有模态函数；
[0019]A22、对第一阶固有模态函数进行集合平均，得到平均后的第一阶固有模态函数；
[0020] A23、从原始信号ecg(t)中剔除平均后的第一阶固有模态函数，从而得到第一阶 剩余分量；
[0021] A24、继续为第一阶剩余分量添加正负自适应噪声其中，k= 1， 2，…，M/2,ak为第k阶剩余分量所加噪声的幅值，然后以添加正负自适应噪声后的信号作 为新的待分解的信号S(t)返回步骤A21，直至得到所有阶的固有模态函数和剩余分量。
[0022] 进一步，所述步骤A21，其包括：
[0023]A211、采用样条插值法得到待分解的信号S(t)的上包络e_(t)和下包络e_(t);
[0024]A212、求出上包络e_(t)和下包络e_(t)的均值M(t)，然后从信号S(t)中剔除 均值M(t)后得到剩余分量C(t)，所述均值M(t)和剩余分量C(t)的表达式分别为：M(t)= [emax(t)+emin(t)]/2，C(t) =S(t)_M(t);
[0025]A213、以剩余分量C(t)作为新的S(t)信号返回步骤B11，直到剩余分量C(t)满足 设定的停止条件才停止迭代过程，得到第一阶固有模态函数Imf1 (t)。
[0026] 进一步，所述步骤A211,其具体为：
[0027] 提取待分解的信号S(t)的极值点，然后通过三次样条曲线拟合得到信号S(t)的 上包络e_(t)和下包络6_(〇,其中，信号S(t)的上包络6_(〇由信号S(t)的极大值拟 合得到，信号S(t)的下包络由信号S(t)的极小值拟合得到。
[0028] 进一步，所述剩余分量C(t)满足设定的停止条件是指新的S(t)信号的估计函数 P⑴在任意时刻t满足p⑴〈0 2，且p⑴〈0啲时刻占总时刻的比例大于等于I-A，所述 估计函数P(t)的计算公式为：
[0030] 其中，0p92和A均为预设的门限阈值，a(t)为模态幅值。
[0031] 进一步，所述步骤C，其具体为：
[0032] 将心电信号分解后的所有固有模态函数和剩余分量中过零率小于1. 5的固有模 态函数和剩余分量从原始心电信号中去除掉，得到去除基线漂移后的心电信号。
[0033] 本发明的有益效果是：基于自适应噪声集合经验模态分解和过零率自适应基线漂 移量选取方法，对原始心电信号进行改进的自适应噪声集合经验模态分解处理，消除了现 有集合经验模态分解过程的模态混叠现象，减小了残留噪声；增加了根据过零率进行自适 应基线漂移量选取的步骤，以过零率小于设定阈值的固有模态函数和剩余分量作为基线漂 移信号，直接从原心电信号中除去，最终实现心电信号的基线漂移校正，解决了现有技术缺 乏有效的基线漂移分量选取手段的问题。进一步，对原始信号添加了成对出现的正负自适 应噪声，消除了现有集合经验模态分解过程的模态混叠现象，减小了残留噪声。
【附图说明】
[0034] 下面结合附图和实施例对本发明作进一步说明。
[0035] 图1为本发明一种心电信号的基线漂移校正方法的整体流程图；
[0036] 图2为本发明步骤A的流程图；
[0037] 图3为本发明步骤A2的流程图；
[0038] 图4是本发明步骤A21的流程图；
[0039] 图5是本发明实施实例二中含基线漂移的心电信号时域波形图；
[0040] 图6是本发明实施例二中含基线漂移的心电信号经自适应噪声集合经验模态分 解之后得到的10个固有模态函数和一个剩余分量图；
[0041] 图7是本发明实施例二提取的基线漂移信号和原始心电信号时域波形对比图；
[0042] 图8是本发明实施例二基线漂移校正后的心电信号时域波形图。
【具体实施方式】
[0043] 参照图1，一种心电信号的基线漂移校正方法，包括：
[0044] A、对原始心电信号进行改进的自适应噪声集合经验模态分解处理，得到固有模态 函数和剩余分量；
[0045] B、统计所有的固有模态函数和剩余分量的过零率；
[0046] C、将过零率小于设定阈值的固有模态函数和剩余分量从原始心电信号中去除掉， 得到去除基线漂移后的心电信号。
[0047] 其中，过零率是指单位时间内信号幅值通过零点的次数。
[0048] 参照图2,进一步作为优选的实施方式，所述步骤A，其包括：
[0049] A1、对原始信号ecg(t)添加正的白噪声n1!；!:)和负的白噪声-nVt)，得到待分解 的信号S(t)，所述待分解的信号S(t)的表达式为：
[0050] S(t) =ecg⑴ + (_1)qB0Ii1 ⑴，
[0051] 其中，i= 1，2，…，M/2,M为集合平均的次数，a。为所加噪声的幅值，n1Ct)为所 添加的第i个噪声，q取1时代表添加的第i个负白噪声-a。!!1 (t)，q取2时代表添加的第 i个正白噪声a。]!1⑴；
[0052] A2、对待分解的信号S(t)进行经验模态分解和集合平均，得到平均后的第一阶固 有模态函数以及相应的剩余分量；
[0053] A3、对剩余分量继续添加正负的自适应噪声，然后对添加正负自适应噪声后的分 量继续进行经验模态分解和集合平均，直到得到平均后的所有阶固有模态函数以及最终的 剩余分量。
[0054] 参照图3,进一步作为优选的实施方式，所述步骤A2,其包括：
[0055] A21、对待分解的信号S(t)进行经验模态分解，得到第一阶固有模态函数；
[0056] A22、对第一阶固有模态函数进行集合平均，得到平均后的第一阶固有模态函数；
[0057] A23、从原始信号ecg(t)中剔除平均后的第一阶固有模态函数，从而得到第一阶 剩余分量；
[0058] A24、继续为第一阶剩余分量添加正负自适应噪声（-1)?!!%),其中，k= 1， 2，…，M/2,ak为第k阶剩余分量所加噪声的幅值，然后以添加正负自适应噪声后的信号作 为新的待分解的信号S(t)返回步骤A21，直至得到所有阶的固有模态函数和剩余分量。
[0059] 参照图4,进一步作为优选的实施方式，所述步骤A21，其包括：
[0060] A211、采用样条插值法得到待分解的信号S(t)的上包络e_(t)和下包络e_(t);
[0061] A212、求出上包络e_(t)和下包络e_(t)的均值M(t)，然后从信号S(t)中剔除 均值M(t)后得到剩余分量C(t)，所述均值M(t)和剩余分量C(t)的表达式分别为：M(t)= [emax(t)+emin(t)]/2，C(t) =S(t)_M(t);
[0062] A213、以剩余分量C(t)作为新的S(t)信号返回步骤B11，直到剩余分量C(t)满足 设定的停止条件才停止迭代过程，得到第一阶固有模态函数Imf1 (t)。
[0063] 进一步作为优选的实施方式，所述步骤A211，其具体为：
[0064] 提取待分解的信号S(t)的极值点，然后通过三次样条曲线拟合得到信号S(t)的 上包络e_(t)和下包络6_(〇,其中，信号S(t)的上包络6_(〇由信号S(t)的极大值拟 合得到，信号S(t)的下包络由信号S(t)的极小值拟合得到。
[0065] 进一步作为优选的实施方式，所述剩余分量C(t)满足设定的停止条件是指新的 S(t)信号的估计函数p(t)在任意时刻t满足p(t)〈 0 2，且p(t)〈 0i的时刻占总时刻的比 例大于等于I-X，所述估计函数P(t)的计算公式为：
[0067] 其中，0p0 2和A均为预设的门限阈值，a(t)为模态幅值。0 1-般取0? 05, 0 2 一般取〇. 5,A-般取〇. 05。当p(t)的值满足由这