一种去除心电信号运动伪迹的方法与流程

本发明涉及心电信号滤波技术领域，具体涉及一种去除心电信号运动伪迹的方法。

背景技术：

心电信号中运动伪迹的去除一直是心电图数据的预处理中难点，这是由于运动伪迹信号的频段与心电有用信号有很大的重叠，使得传统的滤波器方法对其无能为力。目前,心电图运动伪迹处理技术的研究热点主要还是集中在如何有效地将运动伪差消除。为此,国内外的学者们进行了大量的研究,并提出了许多非线性处理方法,主要包括叠加平均法、自适应滤波器法以及独立分量分析法等。

叠加平均法充分利用了心电信号的准周期性、心拍之间形态的相似性以及运动干扰信号的随机性来达到滤除运动伪迹的目的。但实验表明,叠加平均法需要大量的心动周期信号参与叠加平均才能取得比较好的效果,而且该方法无法反应心动周期波形形态的突然变化。

自适应滤波器具有自动调整其自身参数的能力,在非线性滤波领域得到了广泛的应用。自适应滤波器法的缺点在于,患者的日常活动非常多样化,由其产生并引入动态心电图的运动干扰信号和传感器输出信号之间的相关性是比较低的,无法达到预期的滤波效果。

独立分量分析法，即ica，在盲信号分离领域具有独特的优势。独立分量分析法的优点是它不需要任何关于信号的先验知识就能够完成信号与噪声的分离,但这同时也是它的不足之处,如何结合心电信号的准周期性等先验信息来提高ica对强干扰噪声的滤除效果仍然是今后研究一个难点。另外,在所有导联都遇到运动干扰的情况下,ica很难取得比较理想的结果。

有些研究这利用小波的多尺度分解并结合阈值系数判定算法实现了对运动伪差的自动识别。选用haar小波基作为小波变换的基函数,对动态心电信号进行6尺度分解,然后在尺度5与尺度6上通过设定固定阈值来判定是否受到了运动干扰。但是该识别方法存在如下缺点：一方面,阈值系数的取值需要根据实际采集数据的具体情况而进行人工设定,如果临床医生的先验知识不足,选择了不恰当的阈值,算法可能会将大量的室性早搏等心律失常事件误判为运动伪差,这将严重影响分析结果的准确度；另一方面,人体心电信号是非常多样化的,一些运动伪差也会“伪装”成真实心拍的形态,因此对于任何单一参数几乎都不存在确定的阈值能够将它们很好地区分开。

因此，上述方法存在滤波效果不佳、滤波效果需要建立在大量的心动周期信号或人工经验的基础之上的缺点。

技术实现要素：

本发明的目的在于克服上述技术不足，提供一种去除心电信号运动伪迹的方法，解决现有技术中心电信号运动伪迹滤波效果不佳、滤波效果需要建立在大量的心动周期信号或人工经验的基础之上的的技术问题。

为达到上述技术目的，本发明的技术方案提供一种去除心电信号运动伪迹的方法，包括以下步骤：

步骤s1、采集原始心电信号，并对所述原始心电信号进行预处理，找出心电特征波形；

步骤s2、对所述原始心电信号中的心电特征波形进行曲线拟合，得到运动伪迹信号；

步骤s3、利用原始心电信号减去所述运动伪迹信号，得到去除运动伪迹信号后的心电信号。

与现有技术相比，本发明的有益效果包括：本发明直接从心电信号时域波形出发，找出心电特征波形，通过心电特征波形进行曲线拟合，拟合出运动伪迹信号，通过原始心电信号减去运动伪迹信号，得到去伪迹后心电信号。本发明提供的去除运动伪迹的方法可以用于较少的心动周期信号的运动伪迹去除，不需要建立在大量心动周期信号基础之上，而且自动完成运动伪迹的去除，不需要借助人工经验进行参数设定，且滤波效果好。

附图说明

图1是本发明提供的去除心电信号运动伪迹的方法的流程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

实施例1：

如图1所示，本发明的实施例1提供了一种去除心电信号运动伪迹的方法，包括以下步骤：

步骤s1、采集原始心电信号，并对所述原始心电信号进行预处理，找出心电特征波形；

步骤s2、对所述原始心电信号中的心电特征波形进行曲线拟合，得到运动伪迹信号；

步骤s3、利用原始心电信号减去所述运动伪迹信号，得到去除运动伪迹信号后的心电信号。

本发明提供的去除心电信号运动伪迹的方法，流程如下：首先采集原始心电信号，原始心电信号中含有大量的心电伪迹。将采集的原始心电信号进行信号预处理，预处理过程是为了更好的找出心电特征波形。预处理后找出心电特征波形，对原始心电信号中的心电特征波形进行曲线拟合，得到运动伪迹信号。利用原始心电信号减去运动伪迹信号，即得到去伪迹后的心电信号。

本发明将信号分为两路，一路用于寻找各导联的心电特征波形，与另一路未经任何处理原始心电信号互相配合，拟合出运动伪迹信号，最后通过原始心电信号减去拟合的运动伪迹信号得到去伪迹后的心电信号。本发明提供的去除心电信号运动伪迹的方法不受限于心电信号的周期量多少，可以用于较少周期的心电信号的运动伪迹去除，同时不需要进行参数的人工设定，不依赖于人的经验，提高心电信号滤波质量，提高心电信号分析结果的客观性和准确度。

优选的，所述步骤s1具体为：

步骤s11、对所述原始心电信号进行强滤波以及五点差分滤波，得到滤波信号；

步骤s12、寻找所述滤波信号中的r波峰值位置，得到r波峰值位置序列；

步骤s13、在所述r波峰值位置前后找出心电特征波形。

对采集到原始心电信号进行预处理，具体为：首先，对原始心电信号sig_ori进行强滤波处理，本实施例中强滤波处理通过带通滤波器实现，带通滤波器的带宽为1.2-10hz,强滤波后得到信号sig_focus；对信号sig_focus进行五点差分滤波，得到信号sig_focus_5；然后，对经过强滤波以及五点差分滤波后的滤波信号，寻找其r波峰值位置，得到r波峰值位置序列r_position_seq。然后，在r波峰值位置前后在找出心电特征波形feature_position。本发明为了找出r波，对原始心电信号进行预处理，预处理包括了强滤波和五点差分滤波，这样处理的优势是，能够更加突出的找出r波波峰值位置，而排出其他波形的干扰。具体的，可以先进行强滤波再进行五点差分滤波，也可以先进行五点差分滤波再进行强滤波。

优选的，所述步骤s12还包括，对所述r波峰值位置进行漏检校正和多检校正。

在寻找r波峰值位置过程中，会出现r波峰漏检与多检现象，故发明对已得到的r波峰值位置序列r_position_seq，进行漏检和多检的校正，精确找出所有r波峰值位置。

优选的，对所述r波峰值位置进行漏检校正和多检校正具体包括：

步骤s121、计算所述r波峰值位置序列中相邻的两个r波峰值的距离，得到rr间期序列；

步骤s122、对所述rr间期序列进行聚类，计算每一类的距离平均值，选取距离平均值最大的类作为候选rr间期；

步骤s123、相邻的两个r波峰值位置之间的距离大于所述候选rr间期的距离平均值的第一设定倍数时，可判定发生漏检情况；相邻的两个r波峰值位置之间的距离小于所述候选rr间期的距离平均值的第二设定倍数时，可判定发生多检情况；

步骤s124、对所述漏检情况和多检情况进行校正。

对r波峰值位置序列r_position_seq中数据两两相邻相减，得到该导联的中的rr间期序列，通过对rr间期序列中数据进行聚类，聚类后得到每个类的均值，选取均值大的类作为该导联的候选rr间期rr_thres。通过求得的每导联的候选rr间期，对每导联中r波峰值位置漏检或多检情况进行校正，当相邻两r波峰之间的距离大于第一设定倍数，例如1.5倍rr_thres时，说明出现漏检情况；当相邻两r波峰之间的距离小于第二设定倍数，例如0.5倍rr_thres时，说明出现多检情况；通过该方法找出每导联各r波峰值位置，避免多检或多检的情况发生，精确找出r波峰值位置，便于后续心电特征波形的找出以及拟合。

优选的，所述聚类为kmeans聚类，默认聚类为2类。

聚类方法本实施例采用的kmeans聚类，默认聚为2类，也可以通过其他方法聚类，聚为其他类的数量。

优选的，所述步骤s2具体为：

对所述原始心电信号中的心电特征波形进行余弦函数拟合，得到运动伪迹信号。

获取到心电特征波形feature_position后，对原始心电信号中每周期特征点对应的心电特征波形feature_position进行余弦函数拟合，余弦函数拟合出的波形与心电的伪迹波形最接近，得到运动伪迹信号。本实施例对伪迹进行拟合是采取的基函数为余弦函数，也可用其他函数拟合。

优选的，所述心电特征波形包括q波、s波、p波以及t波。

心电特征波形feature_position＝[q_begin,s_end,p_begin,t_end]。其中，q_begin,s_end,p_begin,t_end分别表示：q波起点、s波终点、p波起点、t波终点，通过将这些特征点表示心电特征波形。

实施例2：

本发明的实施例2提供了一种计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现以上任一实施例所述的去除心电信号运动伪迹的方法。

本发明提供的计算机存储介质，用于实现上述去除心电信号运动伪迹的方法，因此，上述去除心电信号运动伪迹的方法所具备的技术效果，计算机存储介质同样具备，在此不再赘述。

以上所述本发明的具体实施方式，并不构成对本发明保护范围的限定。任何根据本发明的技术构思所做出的各种其他相应的改变与变形，均应包含在本发明权利要求的保护范围内。