[发明专利]一种心电信号的基线漂移校正方法

说明书

技术领域

本发明涉及信号处理领域，尤其是一种心电信号的基线漂移校正方法。

背景技术

心电图是心脏活动的数据记录，对临床医学的心脏健康状况诊断有非常重要的作用。然而在人体心电信号的采集过程中，由于受医疗设备及人体自身的因素影响，无法避免受到各种噪声的干扰，如基线漂移、肌电干扰和工频干扰等。其中，基线漂移主要由人体的呼吸运动及采集电极的滑动等因素造成，属于缓慢变化的超低频干扰信号。这种干扰会抬高心电图的ST波段，造成心电轨迹的严重失真，从而影响了正常的医学诊断。因此，对心电数据进行预处理，消除基线漂移，意义重大。

目前，常见的心电信号基线漂移校正方法主要包括中值滤波法、小波变换法及最近几年发展起来的经验模态分解法。应用中值滤波来除去基线漂移的方式虽然具有计算量小和速度较快的优点，但其会产生“阶梯状”的失真，精度较低。应用小波变换来除去基线漂移时需采用高尺度的逼近分量近似估计基线漂移信号，此时需要选择适合的小波函数和分解的层数，并且小波函数和分解层数对处理结果影响较大，操作复杂，不够简便。而应用经验模态分解方法来除去基线漂移时常受到模态混叠的困扰，使得分解结果失去物理意义，且其缺乏有效的基线漂移分量选取手段，难以在经验模态分解结束后选取需要除去的基线漂移分量。

综上所述，目前已有的心电信号基线漂移校正方法都存在不足。

发明内容

为了解决上述技术问题，本发明的目的是：提供一种无模态混叠现象和能自适应选取基线漂移分量的，心电信号的基线漂移校正方法。

本发明解决其技术问题所采用的技术方案是：

一种心电信号的基线漂移校正方法，包括：

A、对原始心电信号进行改进的自适应噪声集合经验模态分解处理，得到固有模态函数和剩余分量；

B、统计所有的固有模态函数和剩余分量的过零率；

C、将过零率小于设定阈值的固有模态函数和剩余分量从原始心电信号中去除掉，得到去除基线漂移后的心电信号。

进一步，所述步骤A，其包括：

A1、对原始信号ecg(t)添加正的白噪声nⁱ(t)和负的白噪声-nⁱ(t)，得到待分解的信号S(t)，所述待分解的信号S(t)的表达式为：

S(t)＝ecg(t)+(-1)^qa₀nⁱ(t)，

其中，i＝1，2，…，M/2，M为集合平均的次数,a₀为所加噪声的幅值，nⁱ(t)为所添加的第i个噪声,q取1时代表添加的第i个负白噪声-a₀nⁱ(t)，q取2时代表添加的第i个正白噪声a₀nⁱ(t)；

A2、对待分解的信号S(t)进行经验模态分解和集合平均，得到平均后的第一阶固有模态函数以及相应的剩余分量；

A3、对剩余分量继续添加正负的自适应噪声，然后对添加正负自适应噪声后的分量继续进行经验模态分解和集合平均，直到得到平均后的所有阶固有模态函数以及最终的剩余分量。

进一步，所述步骤A2，其包括：

A21、对待分解的信号S(t)进行经验模态分解，得到第一阶固有模态函数；

A22、对第一阶固有模态函数进行集合平均，得到平均后的第一阶固有模态函数；

A23、从原始信号ecg(t)中剔除平均后的第一阶固有模态函数，从而得到第一阶剩余分量；

A24、继续为第一阶剩余分量添加正负自适应噪声(-1)^qa_knⁱ(t)，其中，k＝1，2，…，M/2，a_k为第k阶剩余分量所加噪声的幅值，然后以添加正负自适应噪声后的信号作为新的待分解的信号S(t)返回步骤A21，直至得到所有阶的固有模态函数和剩余分量。

进一步，所述步骤A21，其包括：

A211、采用样条插值法得到待分解的信号S(t)的上包络e_max(t)和下包络e_min(t)；