[发明专利]基于极值域均值模式分解和改进Hilbert包络的R波检测算法

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检测。

背景技术

心脏病是当今医学上发病率和死亡率最高的疾病之一，心脏病的防治和诊断是当今医学界面临的首要问题。用于诊断心脏病的主要技术之一是心电图(electrocardiogram，ECG)，由于心电图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ECG信号的R波位置检测方法有很多，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。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，但是小波基的选择是一个重要而复杂的问题，到目前为止还没有一个小波基函数选择的标准。经验模式分解法与小波变换方法一样具有时频局域特性，1998年Huang提出的经典经验模式分解法计算一次均值需要两次的三次样条拟合运算，比较费时，该分解方法所得数据端点处摆动较大，在波形不对称的情况下得不到正确的均值，在信号分解过程中易产生模式混叠。为克服经典的经验模式分解方法的这些缺点，本发明采用极值域均值模式分解法，在求极值点的均值时利用中值定理使用局部信号中的所有数据，因此能够得到正确的局部均值；在处理两端点数据时，通过波形匹配的方法，能有效避免边界效应，提高数据分解的精度和时频分辨率同时提高了分解的速度。

本发明首先采用巴特沃斯低通滤波器去除心电信号中的高频噪声干扰，再通过极值域均值分解的方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Hilbert包络在增强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相对较快，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

本发明的目的在于克服上述现有技术的缺点与不足，提供一种基于极值域均值分解与改进Hilbert包络的心电信号预处理算法和基于斜率阈值的心电信号的R波位置检测算法。本发明的心电特征检测算法既能达到很高的检测精度，同时提高了模式分解的速度，有效的抑制了模式混叠和边界效应。

本发明通过以下技术方案实现：

基于极值域均值模式分解和改进Hilbert包络的R波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)，确定确定巴特沃斯低通滤波器的截止频率，对心电信号进行低通滤波；

(2)通过极值域均值模式分解的方法对滤波后的心电信号进行分解；

(3)确定重构心电信号IMFs分量，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Th，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。

在上述步骤(1)中，根据心电信号的频率分布特性，确定巴特沃斯低通滤波的截止频率为35Hz。

在上述步骤(3)中，重构心电信号时，舍掉高尺度低频干扰信号，选择前4个IMFs分量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。