心电信号

摘要 心电信号处理是国内外近年来迅速发展的一个研究热点，是现代生命科学研究的重要组成部分，其目的是为了从获得的信号中提取有用信息。心电图（ECG）反应人体心脏工作状况，ECG各个波形的不同形式往往体现了某些病变。在ECG的各个波中，R波最为明显，一般以它为基准来定位其它波的位置，所以R波检测室ECG信号分析诊断的前提和基础，只有标定R波后，才有可能计算心率。ECG在经采集、数模转换过程中，会不可避免的引入各种噪声，包括工频干扰：主要是电磁场作用于心电图和人体之间的环路电路所致，一般是50/60Hz;肌电干扰：这主要是病人身体自身因素所致如肌肉紧张等，表现为不规则的快速变化波形；基线漂移：这主要是人呼吸运动或电极——皮肤界面阻抗所致，属于低频干扰。在去噪过程中，由于心电信号具有非平稳特性且污染噪声分布范围大，限制了传统线性滤波器的使用，所以在过去的几年中小波分析被广泛地应用于心电信号的去噪中。它在时域和频域同时具有良好的局部化性质，尤其适用于非平稳信号分析，并且适用于生物医学领域。首先对心电信号进行滤波，滤除心电中的主要噪声（基漂、工频电、肌电等），对R波进行加强；然后再用db8小波，对ECG进行小波变换，取一定阈值，检出所需信息。

关键字：ECG 小波分析 R波检测 2

目录 摘要 ··············································3 第一章 课程设计题目介绍······························5 1.1 研究背景与意义···························5 1.2 心电信号特征·····························5 第二章 处理流程······································7 2.1 载入信号·································7 2.2 小波分析 ································8 2.3 R波检测·································13 2.4 心率计算·································14 第三章 GUI界面的介绍································14 第四章 待解决的问题································· 18 心得体会·············································19 参考文献 附录 评审意见表 3

第一章 课程设计题目介绍 1.1 心电信号研究背景与研究意义 心电信号是人类最早研究并应用于医学临床的生物信号之一，它比其它生物电信号更易于检测，并且具有较直观的规律性，因而心电图分析技术促进了医学的发展。心电图检查是临床上诊断心血管疾病的重要方法。心电图的准确自动分析与诊断对于心血管疾病起着关键的作用，也是国内外学者所热衷的课题。以前的心电图大多采用临床医生手动分析的方法，这一过程无疑是费时费力且可靠性不高。在计算机技术迅速发展的情况下，心电图自动分析得以迅速发展，将医生从繁重的手工劳动中解脱出来，大大提高了工作效率。七十年代后，心电图自动分析技术已有很大发展，并进入实用化和商业化阶段。 然而，心电图自动诊断还未广泛应用于临床，从国内外的心电图机检测分析来看，自动分析精度还达不到可以替代医生的水平，仅可以为临床医生提供辅助信息。其主要原因是心电波形的识别不准，并且心电图诊断标准不统一。因此，探索新的方法以提高波形识别的准确率，寻找适合计算机实现又具诊断价值的诊断标准，是改进心电图自动诊断效果，扩大其应用范围的根本途径。如何把心电信号的特征更加精确的提取出来进行自动分析，判断出其异常的类型成了急待解决的焦点问题。 1.2 心电信号特征 心电信号的检查意义在于：用于对各种心率失常、心室心房肥大、心肌 梗死、心律失常、心肌缺血等病症检查。心电图是反映心脏兴奋的电活动过程，它对心脏基本功能及其病理研究方面，具有重要的参考价值。心电图的检查必须结合多种指标和临床资料，进行全面综合分析，才能对心脏的功能结构做出正确的判断。 1、心电信号基本构成 心电信号由P、QRS、T波和静息期组成，如图1，各波具有 4

不同的频率特性，是一种典型的具有明显时频特称与时间—尺度特征的生物医学信号。

图1：典型心电信号波形 P、QRS、T波以及PR，ST,QT间期都不同程度地反应了心脏的功能的变化，因此通过算法实现对心脏功能的自动分析判别已日益成为一个比较热门的研究方向。 心率的计算主要是通过标注QRS波群中的R波来实现的，在这里主要介绍一下QRS波群。典型的QRS波群包括三个紧密相连的波，第一个向下的波成为Q波，继Q波后的一个高尖的直立波成为R波，R波后向下的波成为S波。因其紧密相连，且反应了心室电激动过程，故成为QRS波群，这个波群也反映了左、右两心室的除极过程。QRS波群时间：正常成人为0.06~0.10s，儿童为0.04~0.08s。V1、V2导联的室壁激动时间小于0.03s，V5、V6的室壁激动时间小于0.05s。QRS波群时间或室壁激动时间延长常见于心室肥大或心室内传导阻滞等。QRS波群振幅：加压单极肢 5

体导联aVL导联R波不超过1.2mv，aVF导联R波不超过2.0mv。如超过此值，可能为左室肥大。aVR导联R波不超过0.5mv，如超过此值，可能为右室肥大。如果六个肢体导联每个QRS波群电压均小于0.5mv或每个心前导联QRS电压的算术和均不超过0.8mv成为低电压，见于肺气肿、心包积液、全身浮肿、黏液水肿、心肌损害，但亦见于极少数的正常人等。个别导联QRS波群振幅很小，无意义。 2、心电波形检测 波形检测技术是后续波形分类及诊断的重要依据，主要包括p波、QRS波、T波和ST段等的检测。其中QRS波的检测是心电自动分析中的关键环节，正确检出QRS波后，将心电数据划分为各个心拍，才能进行正确的参数测量和波形分类等后续的处理和分析，如RR间期和心率的计算等。 QRS波检测算法的研究至今已有几十年，此间的文献数以千计，方法层出不穷。计算机技术、数字信号处理技术以及人工智能理论的发展，使得QRS波检测技术从七、八十年代基于经典的信号处理的方法和句法方法，发展到了九十年代基于小波变换和神经网络的方法以及目前各种方法的结合应用等。QRS的算法各有千秋，但发展的方向是集多种方法在一起的综合算法的研究与改进。另外，八十年代以来，标准心电数据库的逐渐形成使得QRS波检测算法有了检验和评估的标准，也促进了各类方法的不断改进和完善。其检测方法包括斜率阂值法、句法模板识别方法、基于经验模式分解的R波算法等。 第二章 处理流程

（1）读取心电信号——加入噪声——小波去噪 （2）阈值提取——R波特征点标注——心率计算 2.1 载入信号 对心率信号处理前，先要用硬件设备对心率信号进行采集， 6

将采集的信号通过模数转换再用load语句载入，之后才能进行MATLAB软件处理编程。本次课程设计是根据已有的数据进行处理分析的。 程序： load('F:\henduodongxi\U盘\DSP课设\ECG_A.mat') ECG=ECG_A(:,1); input=ECG(1:1000); rate=ECG(100); sig=input; lensig=length(sig);%信号长度 figure(1); plot(sig); title('原信号')

01002003004005006007008009001000-1000010002000300040005000原信号

2.2小波分析 已有的数据是经过处理几乎没有噪声的，为了使我们小组编写的程序有广泛适用性，我们在进行小波分析之前人为地加入一段噪声程序。

小波变换有很多种方法，如：小波分解重构法、非线性阈值去噪法、极大模值去噪法、平稳小波去噪法等。我们应用的是非线性阈值去噪法。 7

利用阈值法去噪一般分为3个步骤：① 对信号进行分解，得到尺度系数和小波系数；② 由噪声能量及分布对每个的尺度选择合适的阈值，对小波系数进行阈值操作得到新的小波系数；③ 由新的小波系数和尺度系数进行重构得到去噪后的信号。

阈值函数一般有软阈值和硬阈值两种，设W是小波系数，Wλ 是施加阈值后的小波系数大小。

① 硬阈值函数 当小波系数的绝对值小于给定阈值时，令其为0，而大于时，保持不变，即：

Wλ=W, |W|≥λ 0, |W| ② 软阈值函数 当小波系数的绝对值小于给定阈值时，令其为0，大于阈值时，令其都减去阈值，即：

Wλ=sgn(W)( |W|-λ),|W|≥λ 0, |W| 上面两式中λ是预先给定的阈值，其选取方法有多种，在心电信号的去噪处理中一般采用固定阈值进行处理［2、8、11-12］，即取λ=σ2lg N, N 为ECG信号采样点个数，σ=medican|dj,k|)/ 0.6745, dj,k为第j层小波变换系数。

P.M Agante［2］最先将阈值去噪法引入到心电信号去噪中，利用软阈值法去除心电信号中的工频干扰（50HZ）和肌电干扰（白噪声），通过原信号和滤波后信号的QRS波形态的相似性来分析去噪结果，得到较好效果；文献［11］综合考虑阈值法和分解重构法，由于工频干扰由50HZ及其谐波构成的一种干扰，采用阈值法将50HZ对应的小波系数进行抑制从而消除噪声；然后利用分解重构法和阈值法相结合滤除肌电干扰，由于肌电干扰频率分布范围大，所以先利用分解重构法去除小尺度上的小波系数，通过阈