[发明专利]一种心电信号自动降噪方法

说明书

本发明公开了一种心电信号的自动降噪算法，其处理过程是：A）建立回声状态网络并初始化；B）获取人体心电信号并在此基础上构建训练集；C）利用基于递归最小二乘法的在线训练算法训练回声状态网络，获得训练好的回声状态网络；D）构建测试集，将测试集输入训练好的回声状态网络，得到干净的心电信号。经本发明方法的处理，去噪后的干净心电信号不但有效滤除噪声，且恢复了心电信号低频特征波，保留了心电信号的有效信息。

技术领域

本发明涉及心电信号自动检测与分析方法，具体的说是一种心电信号自动降噪方法。

背景技术

心血管疾病已成为人们健康的头号杀手，具有着高发病率、高致残率、高死亡率。其中，心电信号的低频成分对心血管疾病的智能诊断十分很重要，如其低频成分之一的ST段，代表着心室除极结束后、心室复极开始的一段时间内的电位变化情况，是诊断心肌缺血的重要指标。但与此同时，心电信号本身具有生物电信号的共性：幅值微弱、低频、阻抗大、随机性等，这些特点使得心电信号在采集过程中极易受到各种噪声的干扰。尤其在如今远程医疗背景下，心电信号采集时的噪声呈现了更为复杂特征，从而极易导致心电信号的低频部分被复杂噪声淹没，有效信息丢失的现象发生。

目前常用的方法有三种：第一种，经验模态分解(EMD)是提取固有模态函数(IMF)从而对含噪ECG信号进行了降噪，结果可以去除95％的高斯白噪声。然而，EMD并不能分离出与ECG信号频率相似的信号。因此，这种降噪方法有可能从信号将P波和T波滤除，从而导致误诊。第二种，主成分分析(PCA)和独立成分分析(ICA)都是用于从非高斯噪声信号中寻找独立的源信号的盲源分离技术，对于带内滤波有着明显的优势。但其模型对于含噪ECG信号的细微变化十分敏感，并不太适用ECG信号中含有较为复杂的噪声的情况。第三种,小波去噪方法在去除高频噪声方面取得了不错的结果，但其小波基的选择及阈值的设定是需要通过大量的实验来确定，且对最终滤波效果有直接的影响。由此可见，已有算法在降噪过程中容易丢失心电信号的有效低频信息，影响医生的判断。

发明内容

本发明的目的是提供一种电信号自动降噪算法，以在实现心电信号降噪的同时保留低频特征波，克服已有算法在降噪过程中容易丢失心电信号的有效低频信息的问题。

本发明的目的是这样实现的：

一种心电信号的自动降噪算法，包括以下几个步骤：

A)建立回声状态网络并初始化；

B)获取人体心电信号并在此基础上构建训练集；

C)利用基于递归最小二乘法的在线训练算法训练回声状态网络，获得并保存训练好的回声状态网络；

D)以训练集之后紧邻的心电信号构建测试集，将测试集输入训练好的回声状态网络，得到干净的心电信号。

所述的心电信号的自动降噪算法，步骤A)包括初始化权值矩阵和网络参数初始化设定，其中：

①初始化权值矩阵过程是：

将输入单元与储备池内部连接的权值矩阵W_in和储备池内部神经元连接权值矩阵W随机初始化，使之都服从均匀分布；

将输出单元与储备池的连接权值矩阵W_back、储备池与输出单元连接权值矩阵W_out初始化为零矩阵；

②网络参数初始化设定过程是：

输入神经元个数设定为4，输出神经元个数设定为1，储备池中神经元个数设定为N＝1000±300；

储备池稀疏程度SD＝m/N，其中，m是储备池中相互连接的神经元个数，SD取值范围为1～5％；