一种心电信号自适应降噪及基线漂移修正方法

本发明涉及生物医学、信号处理，具体涉及一种心电信号自适应降噪及基线漂移修正方法。

背景技术：

1、心电图(electrocardiogram，ecg)被广泛应用于临床医疗诊断的研究中，但心电信号容易被高频噪声和低频噪声所干扰，比如电源线、肌电噪声，亦或是因为呼吸和运动导致的基线漂移。被噪声污染的ecg信号会造成p、qrs以及t特征波的失真，从而影响诊断的正确性。采用经验模态分解(empirical mode decomposition，emd)虽然被广泛运用到心电信号处理上，具有很强的适用性。但是，在进行分解的过程中有可能会出现模态混叠的情况，这会导致心电信号在滤波后的波峰位置出现过于平滑的失真情况。一个减少失真且快速的对心电信号的降噪算法必不可少。

2、现有针对心电信号降噪问题提出的去噪算法已经实现了较好的降噪效果，比如基于小波变换的方法，基于深度学习的方法以及基于经验分解的方法等。但是小波变换法在处理基线漂移的噪声中容易滤除掉带有部分心电信号的低频信息，因此导致后续的滤波效果出现失真的情况，且小波变换法针对不同的心电信号选择不同的小波基的降噪效果也不同，因此固定一个小波基会缺乏对各种情况的心电噪声去噪的灵活性。基于深度学习的方法近年来也有运用在心电信号的降噪处理上，虽然其有很好的泛化能力，但是相较于传统方法，深度学习需要大量的数据模型去训练，且面对一些混合噪声的复杂的情况下降噪效果未必优于传统方法。采用经验模态分解虽然被广泛运用到心电信号处理上，具有很强的适用性，但是，在进行分解的过程中有可能会出现模态混叠的情况，这会导致心电信号在滤波后的波峰位置出现过于平滑的失真情况。因此有必要设计一种新的基于集合经验模态分解的心电信号自适应降噪及基线漂移修正方法来解决上述问题。

技术实现思路

1、本发明的目的提出的一种心电信号自适应降噪及基线漂移修正方法，以解决上述现有技术中存在的至少一个技术问题。

2、为了实现上述目的，本发明采用了如下技术方案：

3、一种心电信号自适应降噪及基线漂移修正方法，包括如下步骤：

4、步骤1：采用集合经验模态分解，在原始心信号中分别添加若干次服从正态分布的高斯白噪声，然后对每次添加完噪声的信号用经验模态进行分解，再计算出几次分解后的imf分量求取它们的平均值以消除白噪声带来的干扰；

5、步骤2：定位r波峰值以及确认qrs波群位置，首先要找到需要降噪的心电信号的r波峰值，然后基于希尔伯特变换的双阈值方法确定每段心电信号的中的r波峰值；通过心电信号的采样率以及其持续时间来确认一段qrs波的宽度；

6、步骤3：窗口函数设计，在降噪过程中保护qrs波群的幅值不受降噪过程的影响，应用于高频噪声所在阶的imf分量，为保证信号在降噪过程中的变化是连续的，使用tukey窗口函数,该函数公式如下：

7、

8、其中，τ1是平坦区域宽度，τ2是过渡区域宽度，tukey窗口平坦区域的2倍宽度等于qrs波的宽度；因为随着imf阶数的增加，qrs波群的位置对应的该阶的宽度会变宽；所以，动态调整τ2的大小可以避免在降噪的过程中导致qrs波的失真，τ1与τ2的关系如：

9、

10、其中，β是自由参数，对于第j个imf分量，β设定为j×30％；

11、步骤4：采用巴特沃斯滤波器去滤除工频噪声；

12、步骤5:肌电噪声去除；

13、步骤6：基线漂移的噪声是低频噪声，在带噪信号经eemd分解后集中于最后几个高阶imf分量中，通过筛选imf分量周期的方法去筛选出带有基线漂移噪声的imf分量，再重构其余imf分量达到去基线漂移的目的。

14、优选地，步骤1中所述采用集合经验模态分解，集合经验模态分解心电信号的步骤如下：

15、(1)向原始心电信号x(t)中分别添加i次辅助白噪声信号mi(t)得到xi(t)，如下公式所示：

16、xi(t)＝x(t)+mi(t)

17、(2)使用emd分解含噪信号xi(t)，得到的重构信号xi(t)如下公式所示：

18、

19、其中，n为分解出的imf的阶数，ci,n(t)为添加第i次高斯白噪声第n阶imf分量，ri(t)为添加第i次高斯白噪声最后一阶imf分量；

20、(3)计算emd分解后的相同阶的imf的平均值，如下公式所示：

21、

22、

23、(4)最后的分解结果x(t)为如下公式所示：

24、

25、优选地，步骤2中所述定位r波峰值以及确认qrs波群位置，求出ecg信号的r峰峰值后，r峰之间的平均距离来作为r-r峰之间的平均周期，平均周期tavg_dist的计算方法如下公式所示：

26、

27、其中，n表示的是r峰的总个数，ri表示第i个r峰所在的采样点序号；

28、qrs波群的正常持续时间在0.05～0.10s，在某些特殊情况下最大达0.12s，因此通过心电信号的采样率以及其持续时间来确认一段qrs波的宽度，qrs波的宽度即公式：

29、qrswidth＝sample×qrst

30、其中，qrswidth表示qrs波群的宽度，sample表示心电信号的采样率，qrst表示一段qrs波的持续时间。

31、优选地，步骤4中所述采用巴特沃斯滤波器去滤除工频噪声，选择2阶的巴特沃斯滤波器将47～53hz的噪声去滤除。

32、优选地，步骤5中所述肌电噪声去除，采用manuel blanco-velasco统计检验来确认带有肌电噪声的imf阶，设定一个接近于0的阈值γ，再通过t检验来判断某一阶imf分量是否为带肌电噪声的imf分量，判断公式如下所示：

33、

34、

35、其中，m表示当前计算为第m(m＝1,2...)阶imf，c(t)表示某一阶的imf分量；采用试错法对mit-bih数据库中带噪信号进行eemd分解，通过各信号的均值去估计阈值γ；从m＝1开始计算噪声阶，只有当imf分量的加和平均大于该阈值的时候假设h0被拒绝而选择接受假设h1，当计算到m＝n时接受假设h1时，认定噪声阶为1到n-1阶；

36、通过tukey窗口函数去保留qrs波群，将其运用在有噪声的低阶imf分量中，使用abdollahpoor r的方法，通过对低阶的imf分量进行局部重构，tukey窗口函数则运用在所求的低阶分量之中，tukey窗口函数以qrs波群的r峰值为中心保存qrs波群，得到的每一阶imf窗口函数表示为如下公式所示：

37、

38、其中，nr表示在第i阶imf分量中qrs波的个数，即所需窗口函数的个数，ωij(t)表示在第i阶中第j个qrs波的窗口函数；为了减少在抑制噪声的过程中的失真问题，采用互补窗口函数用于降噪，公式如下所示：

39、

40、通过窗口函数和互补窗口函数的处理，降噪后的表示为由p个降噪处理过的imf分量、剩余n-p个未处理过的imf分量以及残余分量组成，获得降噪后信号公式如下所示：

41、

42、其中，αi是降噪衰减系数，该衰减系数决定后续的降噪效果，取值范围在0.1到0.3之间。

43、优选地，步骤6中所述基线漂移的噪声是低频噪声，在带噪信号经eemd分解后集中于最后几个高阶imf分量中；通过筛选imf分量周期的方法去筛选出带有基线漂移噪声的imf分量，将一段imf分量的局部最大值定义为uimf_i,j，其中，imf_i表示第i阶imf分量，j表示这个imf分量中第j个局部最大值点；将相邻两个局部最大值之间的平均采样点数量作为这段imf的周期，定义为timf_i，计算公式如下所示：

44、

45、其中，n表示有这一阶imf分量局部最大值点的个数；

46、去除基线漂移，假设去除的高阶imf分量的数量为k，则通过肌电噪声降噪与基线漂移降噪取得的降噪信号的公式如下所示：

47、

48、与现有技术相比，本发明提供的一种心电信号自适应降噪及基线漂移修正方法，具备以下有益效果：

49、1、采用该方法降噪后与基于emd的算法进行了对比，结果显示在信噪比(snr)，均方误差(mse)以及基线矫正率(bw)上均优于其他对比算法，表现出良好的去噪效果。

50、2、提出的基于改进的eemd的降噪方法不同于小波变换法需要选取合适的小波基进行计算，在复杂的混合噪声场景下的有效性强于基于深度学习的方法，这些方法在复杂场景下的实用性较弱，同时改进的eemd的降噪方法能避免基于emd的降噪方法带来的模态混叠问题。