[发明专利]基于稳健估计和固态模函数的心电基线漂移校正方法

说明书

技术领域

本发明涉及一种心电信号的基线漂移校正方法，尤其是一种基于固态模函数的基线漂移校正方法，属于心电信号处理技术领域。 

背景技术

心电信号图(ECG)被广泛的应用于心脏疾病的诊断。高质量的ECG可以帮助医生们诊断分析生理和病理现象。然而在现实情况中，ECG的记录总是会受到各种外源噪声的干扰。常见的噪声可以归纳为以下两个因素：(1)由肌电诱导噪声、电源线干扰、作用于电极上的机械力等造成的高频噪声；(2)由病人的呼吸运动或者医疗器械造成的基线漂移(BW)。这些人为因素严重限制了从ECG中获得有价值信息，因此精确稳定的噪声滤除方法成为临床诊断的前提保证。其中基线漂移是一种出现在心电信号中的低频干扰。滤除这种干扰在心电信号分析、后续处理和诊断中是至关重要。针对基线漂移现象，不同的技术手段已经被用于修正这一现象。 

作为ECG分析的第一步，基线漂移滤除对于后续的波形识别和疾病诊断等一系列过程都起着基础性的作用，能否有效修正基线漂移直接影响到多种生理，病理现象的区分和识别精度。明确的临床需求使得ECG的基线漂移滤除算法在过去几十年得到了蓬勃发展。大致可以分为两大类：(1)基于傅里叶变换体系和传统线性滤波器算法；(2)基于非线性滤波结构或变换的滤波算法。 

基于傅里叶变换体系和传统滤波器的线性滤波算法主要采用的信号变换的手段，其有如下三个特点。第一，信号分解空间都带有固定基底，一般基底为某些特定的函数形式，如Fourier分析中的三角函数，小波分析中的小波函数系，以及在EOF中的给予时空分解，将信号分解为时间和空间两部分，把空间部分视为展开的基底。第二，每个分量的频带是固定的，不随时间而变。第三，变换直接针对原始信号全体，使用信号的全局信息或局部信息。这三个特点带来的问题是变换之后的新的信号空间分量缺乏明确物理意义。另一方面，鉴于生物学信号自身的非线性和非平稳特性，用固定频率的基底去逼近缺乏有力的理论支撑。传统线性滤波器诸如FIR或者IIR滤波器(组)设计，需要固定截止频 率，这种主观经验决定的频带选择方式难以平衡基线漂移有效滤除与避免有用波形信息损毁的双重目标。这个问题在生理信号中表现地尤为明显。 

基于非线性滤波结构或变换的算法主要包括了中值滤波，自适应滤波，多项式拟合，数学形态学滤波等。这类滤波器不仅克服了线性滤波器选定固定截止频率的缺陷，而且都取得了良好的滤波效果。非线性滤波具有良好的鲁棒性，但同时也具有自身的不足。具体而言，中值滤波器和数学形态学滤波器都会造成信号不同程度的波形失真。自适应滤波器一般需要确定一个合适的参考信号，而这个参考信号对于时变随机的生理信号是很难得到的。多项式拟合方法对于信号的长度和参考拟合点的离散程度敏感，在处理非正常节点时会出现较大的误差。 

近年来，研究者们将不同种类的滤波器和变换手段结合起来进行基线漂移的滤除。这样的组合滤波效果比及原有的方法都取得了显著提高。例如在中值滤波器的基础上加以小波变换进行修正。希尔伯特黄变换是本世纪初提出的新的自适应信号分析方法，一经提出，就吸引了不同领域的研究者的广泛兴趣。在基线漂移修正方面，研究人员将这种变换与不同的现有滤波器组合在一起，取得了令人满意的滤波效果。比如有将希尔伯特黄变换同FIR滤波器结合，也有将希尔伯特黄变换同数学形态学滤波器结合等。尽管结合希尔伯特黄变换的滤波方法取得很不错的滤波效果，但是传统滤波器的自身的缺陷却并没有被很好的解决。这是因为很多方法都只基于实验数据的不断测试和经验选择参数，简单的滤波器和信号变换方法组合无法从理论上给予基线漂移滤除指导和参数选择方案。这样也很难保证滤除基线漂移的同时最大限度的保存有用信号。