[发明专利]基于提升小波变换和改进近似包络的心电特征检测算法

说明书

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：

(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Th1，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。

在上述步骤(1)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。