专利名称：基于提升小波变换和改进近似包络的心电特征检测算法的制作方法
技术领域：
本发明属于微弱生物电信号处理技术领域，特别是受严重噪声干扰的微弱心电信号的去噪及其特征点的实时检测 算法。
背景技术：
由于心电图(electrocardiogram, ECG)诊断心脏病和心血管疾病的方法具有无创性，方便易行使心电图诊断在临床上的到了广泛的应用。无创的体表电极采集到的心电信号比较微弱，仅为毫伏级，所以ECG信号极易受到外界环境干扰。这些干扰包括工频干扰、基线漂移、肌电干扰、电极接触噪声、电极极化噪声、运动干扰和放大电路内部噪声。为了抑制各种干扰，增强心电信号中的有效成分，提高心电特征点检测的准确率，除了对心电记录仪的硬件抗干扰能力有较高的要求外，对采集到的ECG信号经模数转换后的数字滤波处理也是非常重要的。目前对ECG信号的检测方法有很多，大致可以分为三大类，即经典的数字滤波器技术、自适应滤波器技术和以小波变换、数学形态学、神经网络及基于经验模式分解(Empirical Mode Decomposition, EMD)的方法等为代表的现代信号处理技术。这些算法在有其处理优越性的同时也存在着不足，如滤波法，设计思想简单，处理速度快，大多可实现实时检测，但检测精度不够高。神经网络法虽然检测速度比较快，精度也比较高，但需要依靠人工网络的学习训练，不仅对训练样本的广泛性和代表性有较高的要求，而且训练学习要花费较多的时间，实际应用困难。数学形态学算法对信号前期的预处理要求高，并且计算量较大。EMD算法与小波变换法类似，虽然能够达到较好的检测精度，但算法的计算量非常大，且目前还没有相应的快速算法。小波变换法以其优越的时频局域特性在心电信号处理方面得到广泛的研究与应用，基于小波变换的检测算法虽然能够达到很高的检测率，但实时性差，即使使用Mallet快速分解算法，计算量仍比较大，实现实时检测比较困难。1996年Sweldens成功建立了一种新的实现小波变换的结构-提升框架，这种提升格式构造出来的小波称之为第二代小波。它既保留了第一代小波的时频局域特性，同时也克服了其平移和伸缩的不变性。此外，这种基于提升格式的小波变换的所有运算均在时域进行，无需Fourier分析，运算速度相比第一代小波变换大大提高，适合并行处理，占用内存空间少，便于DSP芯片实现。本发明采用提升小波改进半软阈值法对心电信号进行去噪处理，为了提高R波检测准确率，本发明通过一种改进的近似包络法在增强R波能量的同时能够很好的抑制噪声和大P/T波的干扰，该算法在确保准确率的同时运算速度快，占用内存少，可用于临床上心电图仪采集的心电信号处理与检测。
发明内容
本发明的目的在于解决目前存在的心电特征检测算法不能同时兼顾检测精度与实时性的问题，提供一种检测精度高，实时性强的基于提升小波改进半软阈值与改进近似包络的心电信号预处理算法和基于斜率阈值的检测算法。本发明通过以下技术方案实现基于提升小波改进半软阈值和改进包络预处理算法以及基于斜率阈值心电信号特征检测算法的实现步骤如下(I)从MIT-BIH数据库中提取心电信号x(t)，确定小波基函数以及提升小波分解层数N，对信号X (t)进行N层分解；(2)设定提升小波高频系数的阈值Thl，对提取的高频提升小波系数进行改进半软阈值去噪处理；(3)确定重构心电信号的尺度信号，对心电信号进行重构得重构信号y(t)；(4)对重构心电信号y(t)进行Hilbert变换并取改进的近似包络，完成心电信号的预处理得信号z (t)；(5)设定R波检测的斜率阈值Th2，依照斜率阈值检测策略，对信号z⑴进行R波位置的检测；(6)采用误检策略以及漏检回溯策略进行误检与漏检的查询；(7)根据临床心电信号波形特征点的时域分布特性，以检测到的R波位置为基准，检测QRS波群起止点、P波及T波的位置。在上述步骤(I)中，根据小波基函数特性以及心电图信号的时频分布确定小波基函数和分解层数N。在上述步骤⑵中，设定提升小波系数系数阈值m = Ioge(IengtKdj)),对提取的提升小波高频系数进行改进半软阈值去噪处理。在上述步骤(3)中，重构心电信号时，舍掉高尺度与低尺度信号，选择中间尺度对心电信号进行重构。在上述步骤(4)中，本发明提出一种改进的近似包络，能够在增强R波能量的同时很好的抑制各种噪声以及大P/T的干扰，比传统包络更容易实现R波的检测。在上述步骤(5)中，由于预处理后心电信号中R波斜率明显增大，所以本发明提出基于斜率阈值的特征检测算法。在上述步骤(7)中，在对其它特征点进行检测时，由于取改进近似包络后其它特征波形受到抑制，所以在检测其它特征波时，以检测到的R波位置为基准，在重构的信号进行其它特征点的检测。本发明的心电信号特征点检测算法的效果和益处是本发明基于提升小波变换和改进近似包络，提高了心电信号的去噪处理的速度。经过改进近似包络处理，提高了 R波的检测精度，也使得其它特征点的检测精度有所提高。该处理算法适合并行处理，速度快，精度高，占用内存空间少，便于DSP芯片实现。
图I是本发明算法总体流程图；图2是心电信号预处理及R波检测流程图3是向心电信号中加入噪声后，用本发明的预处理算法去噪的效果图；图4是特征点检测结果图；图5是本发明算法成功判定室性期前收缩位置图；图6是本发明算法成功去除伪迹干扰图；图7是本发明算法成功去除强噪声干扰图；图8是本发明算法在存在基线漂移的情况下成功检测为弱R波图；图9是本发明算法在大T波干扰下成功检测R波位置图。
具体实施例方式以下结合技术方案和附图详细叙述本发明的具体实施例。本发明基于提升小波变换、改进近似包络和斜率阈值的心电图信号中R波、QRS波群起止点、P波以及T波位置的检测算法，图2是心电信号预处理及R波检测的具体流程图，具体实施步骤为I.提升小波改进半软阈值去噪根据心电信号特征波形以及噪声的频域分布特性，利用提升小波小波变换的时频局域特性，选用sym8小波作为小波基函数对心电信号进行三层提升分解，提取高频小波系数并进行改进半软阈值处理，选择三尺度信号对心电信号进行重构。2.改进近似包络处理，首先对重构的心电信号y(t)依据下式进行Hilbert变换，H\y{t)\ = yh ( ) = y(t)*h(t) = —(I)
Tt由传统包络定义可得包络信号E1 (t)为El(t) = ^y{tf+yh(t)2⑵为了增强QRS能量并减弱噪声和不需要的P/T波。本发明提出一种改进的近似包络，定义如下E2 (t) = y(t) |3+|yh(t) I4⑶图3是向提取的心电信号中加入噪声后，用以上步骤预处理算法处理的效果图。3. R波波峰位置检测策略由于心电信号随机性强，同一被检者的R波的幅值和间隔可能在短时间内发生剧烈的变化，所以本发明提出了依据斜率为阈值的特征检测方法，并设定平均R-R间隔值根据当前检测R波位置自适应变化。此外本发明还采用自适应阈值、回溯检漏和跳检的检测策略，更好的防止了漏检、误检的发生，R波的具体检测步骤如下(I)设定预处理后信号的起始点i，求该点斜率，并取绝对值dif (i)；(2)判断dif (i)与设定阈值(本文在检测R波时取阈值Th2 = 0. I)的大小，若dif(i) > Thr且其后连续四点的斜率值递增并满足阈值条件，则在i点前后各10内搜索幅值最大点，作为R点，否则继续检测下一个点是否满足阈值条件；(3)当检测到的R点为第一个R点且i > 460 ;或检测到的R点为第二个且R⑵-R(I) > 460;或检测到的R点为第k(k> 2)个且R(k)-R(k-1) > 460，则降低阈值重新检测；(4)为防止误检，据绝对不应期概念，检测当前确定的R点后200ms内是否有更大峰值，若存在，则用更大峰值点代替原检测到的R点；(5)从当前检测到的R点处跳过360ms，继续检测。仿真实验结果表明，该跳检策略既能提高检测效率也不会导致漏检。4. QRS起点和终点的检测算法由于ECG信号中QRS波群的持续时间为0. 06s-0. ls，所以R波波峰位置R_peak确定后，在[R_peak-100ms, R_peak]区间内，基于斜率阈值算法检测该区间进行检测,若存在连续四点斜率渐增，且间隔一点的两点斜率的绝对值增值大于4倍阈值，则认为这四点中的起点为QRS波群起点；同理在[R_peak，R_peak+100]区间内检测确定QRS波群的终点。5. P波和T波的检测ECG信号经提升阈值去噪，Hilbert变换及改进近似包络后虽然使得QRS波群的能量有很大程度的增加，但也极大的削弱了 P波和T波能量，使得P波和T波能量接近于零，所以本文选择在重构后信号中运用斜率阈值检测算法检测P波和T波。依据ECG信号中QRS复合波所占时间为0.06s-0.1s，P-R段时间间隔正常值为
0.12s-0. 2s, S-T段间隔为0. 05s-0. 25s，T波宽度约为0. 2s，所以同样依据斜率阈值检测算法选择在[R_peak_250ms, R_peak_150ms]区间内检测 P 波，在[R_peak+170ms, R_peak+400ms]区间内检测T波，在检测P/T波时设定阈值为0. 01。若检测到的波峰前三点中有两点斜率为负，则说明P/T波倒置。图4即为以上检测算法的心电特征检测结果图。6.室性期前收缩收缩的判定心室收缩是一种常见的心脏疾病，本文通过设定时间阈值实现对其自动诊断。检测出当前R波位置后，若其与前一个R波间隔小于500ms，而与后一个R波间隔大于800ms，则判定为室性期前收缩。此外，对其它心率失常疾病的自动诊断也可通过同样方法设定判定规则。图5为本发明算法成功检测出MIT-BIH数据库中标注室性期前收缩V点位置(红色边框标出位置)。7.实验测试结果本发明采用MIT-BIH数据库中包含严重噪声干扰，最难实现准确检测的105号数据作为实施例。MIT-BIH数据库中标注“I”点处为极似R波的伪迹，“U”点处为有极严重的噪声干扰或信号缺失。实验过程中对105号数据的650000个点进行了 R波检测，检测结果与数据库中记录对比，假阳性为4，假阴性为3，R波误检率为0. 27%，检测效果优于目前多数算法。此外还选取了 105号数据中包含伪迹干扰、强噪声干扰和R波微弱并存在基线漂 移的信号进行R波检测，图6、图7和图8分别为本发明算法对数据库中标注的特殊点(图中用红色边框标出)的检测结果图。图9显示本发明算法能够有效去除大P/T波干扰。
权利要求
1.一种基于提升小波变换和改进近似包络的心电信号特征检测算法，其特征在于包括如下步骤(1)从MIT-BIH数据库中提取心电信号x(t)，确定小波基函数以及提升小波分解层数 N，对信号x(t)进行N层分解；(2)设定提升小波高频系数的阈值Thl，对提取的高频提升小波系数进行改进半软阈值去噪处理；(3)确定重构心电信号的尺度信号，对心电信号进行重构得重构信号y(t)；(4)对重构心电信号y(t)进行Hilbert变换并取改进的近似包络，完成心电信号的预处理得信号z (t)；(5)设定R波检测的斜率阈值Th2，依照斜率阈值检测策略，对信号z(t)进行R波位置的检测；(6)采用误检策略以及漏检回溯策略进行误检与漏检的查询；(7)根据临床心电信号波形特征点的时域分布特性，以检测到的R波位置为基准，检测 QRS波群起止点、P波及T波的位置。
2.根据权利要求I所述的心电信号特征检测算法，其特征在于步骤(I)中选择合适的小波基并确定提升小波分解层数，根据小波基函数特性以及心电图信号的时频分布确定小波基函数类型和分解层数N。
3.根据权利要求I所述的心电信号特征检测算法，其特征在于步骤(2)设定提升小波系数阈值
4.根据权利要求I所述的心电信号特征检测算法，其特征在于步骤(3)重构心电信号时，舍掉高尺度与低尺度信号，选择中间尺度对心电信号进行重构。
5.根据权利要求I所述的心电信号特征检测算法，其特征在于步骤(4)的改进近似包络，本发明提出一种改进的近似包络，能够在增强R波能量的同时很好的抑制各种噪声以及大P/T的干扰，比传统包络更容易实现R波的检测。
6.根据权利要求I所述的心电信号特征检测算法，其特征在于步骤(5)中斜率阈值检测策略，由于预处理后心电信号中R波斜率明显增大，所以本发明提出基于斜率阈值的特征检测算法。
7.根据权利要求I所述的心电信号特征检测算法，其特征在于步骤(7)中其它特征点的检测，由于取改进近似包络后其它特征波形受到抑制，所以在检测其它特征波时，以检测到的R波位置为基准，在重构的信号上进行其它特征点的检测。
全文摘要
本发明公开了一种基于提升小波变换和改进近似包络的心电信号特征检测算法，属于微弱生物电信号处理技术领域。目前临床应用的心电信号检测技术多数不能兼顾检测精度与实时性要求，本发明提出了一种基于提升小波改进半软阈值去噪和改进近似包络的心电信号进行预处理算法以及基于斜率阈值的心电特征检测算法，根据心电信号的波形特点及时域分布特性设定检测准则，对心电信号分别进行R波、QRS波群起止点、P波及T波位置的检测。本发明检测算法简单，速度快，适合并行处理，占用内存空间少，便于DSP芯片实现。该算法即使在强噪声和大P/T波干扰的情况下也能准确检测出R点位置，与MIT-BIH数据库标注比较，对包含严重噪声干扰的105号数据的R波误检率仅为0.27％。
文档编号A61B5/0472GK102626310SQ201210118910
公开日2012年8月8日 申请日期2012年4月23日 优先权日2012年4月23日
发明者李鸿强, 王小飞 申请人:天津工业大学