一种改进的心电信号预处理方法研究

心电信号是典型的强噪声下的非平稳微弱信号,减小噪声的干扰对心电信号的分析有着十分重要的意义,因此,有效的滤波方法一直是该领域学者关注的热点问题。本文在基于小波变换心电信号分析研究基础上,针对小波去噪时分解只作用于低频部分,从而忽略了高频区域中一部分有用信号的问题,提出了一种采用改进小波包理论实现心电信号去噪的方法,利用小波包在消除信号噪声方面具有更为精确的局部分析能力的特点,采用了‘db4’小波和＂最优基＂选择的方法,对心电信号进行消噪。以MIT-BIH心电数据库中心律失常数据仿真实验,得到了较理想的去噪效果。对比该方法与小波滤波去噪,发现基于小波包的心电信号去噪具有更优良的去噪性能。     

融合加速度信息的动态心电EMD滤波算法

在远程医疗和家庭健康诊断中,医护手环在进行心电信号采集时,因被测试者呼吸和抖动的影响,心电信号中会夹杂运动伪迹噪声。为了有效滤除心电信号中的运动伪迹,将加速度信息加入到EMD心电滤波算法当中,通过对被测者运动状态的判断和分类,选用合适的阈值和滤波算法分解项对心电信号进行处理。通过自制手环进行心电采集,使用该算法进行处理,达到较好的滤波效果。     

心电信号去噪的数学形态学滤波器

为探索验证一种基于数学形态滤波器的去除心电基线漂移和工频干扰的高性能滤波器设计方法,借鉴数学形态学一维信号滤波原理,提出自适应阈值ECG去噪算法的思路,讨论了3σ统计准则在ECG自适应阈值滤波中的作用,利用改进的算法对心电图中常见的工频干扰和基线漂移进行校正。通过对MIT-BIH心率变异数据库中多组数据的仿真验证研究,验证了该算法能有效实现心电信号的噪声预处理;数学形态学理论在心电信号处理中具有良好性能,是实时处理一维生物医学信号有潜力的工具。     

心电信号去噪效果的评估与分析

心电信号是人体的主要生理信号之一,通过对心电信号的分析可了解心脏的健康状态,由于心电信号属于微弱低频信号,所以在采集过程中极易受到来自人体内部和外部的噪声干扰,影响心脏疾病诊断的效果。基线漂移、工频干扰和肌电干扰是心电信号采集过程中不能忽略的噪声干扰。对心电信号的相关去噪算法的效果进行对比分析。首先将模拟理想状态下的心电信号作为原始数据,同时模拟出心电信号中存在的基线漂移、工频干扰和肌电干扰。每种噪声干扰分别选择三种常用的去噪算法,采用信噪比、均方差和心电信号的频域特征的评估指标进行去噪效果的比较。在此基础上,提出了一种多噪声心电信号的去噪方法并给出去噪流程和效果。研究结果表明：（1）对于基线漂移、工频干扰和肌电干扰分别采用小波变换法、陷波滤波法和小波阈值法的去噪效果最好;（2）当心电信号含两种及两种以上噪声时,按照滤除基线漂移、工频干扰和肌电干扰的去噪顺序滤波效果最好。     

胎儿心电信号中加性噪声的抑制研究

目前采用腹部导联采集的胎儿心电信号中一般混有传感器加性噪声,传统的提取胎儿心电信号的算法—FastICA算法,提取的胎儿心电信号中一般都存在该类干扰。为了滤除该干扰,对传统的FastICA算法进行改进,在对信号进行标准化和白化处理中结合形态学滤波的处理方式,对其中的加性噪声进行处理,有效克服了传统算法对加性噪声不敏感的缺点。对合成的模拟母婴信号的仿真结果表明,该算法在滤除母体心电干扰的同时有效抑制了传感器加性噪声,且信号重构均方根误差值较传统算法小。对实际信号的处理取得了满意的分离效果。     

具有运动伪迹消除功能的移动心电检测系统设计

设计并实现了一种可在人体移动状态下进行检测、采集及分析人体心电信号的系统,硬件设计上,采用高集成度专用心电信号前端处理集成电路进行心电信号的滤波及放大;软件设计上,采用小波阈值降噪对心电信号进行初级滤波,然后采用人体移动加速度传感器获取人体运动信息对心电信号进行自适应滤波,消除运动伪迹.在系统设计上,终端检测设备与手机终端采用蓝牙通信,便于用户测量.实验结果表明:本设计方案能根据人体运动状况,有效消除运动伪迹,保留心电信号的波形,可满足常规的移动心电检测应用.     

基于数学形态滤波和提升小波变换的R波检测

利用数学形态学与提升小波变换相结合的方法对心电信号进行分析处理。先用数学形态方法对心电信号进行滤波预处理,可以有效地去除高频白噪声与低频的基线飘移,再利用提升小波变换对处理后的心电信号进行多分辨分析,得出各层逼近信号与细节信号,并在此基础上结合不应期、自适应阈值和回溯检漏等方法,提出了一种动态的R波检测算法,使得QRS波群的检出率达到99.89%。     

基于AD8232的心电实时监测及分析系统设计

为了方便对患者心电信号进行实时监测,实现对心脏疾病的及时预防及诊断,利用一款基于ATmega328p微控制器的Arduino开发板、一块心电监测前端模块AD8232及上位机软件LabVIEW开发出一套心电实时监测系统,并利用LabVIEW设计出多种软件滤波方法来抑制心电信号中的噪声。由于心电信号的时频特性能提供反映患者心脏活动动态行为的信息,该系统还包括基于LabVIEW设计出的多种用于心电信号实时分析的程序,使被试心电信号所包含的生理特性能够及时地被分析出来。利用所开发的心电实时监测分析系统对被试的心电信号进行采集和分析,发现系统能够非常灵敏、准确地检测心电信号,并对信号噪声有着很好的抑制能力。此外系统能够对信号进行各式的实时分析,且分析结果可靠,能够运用于临床诊断。利用该系统对心电信号进行实时采集和分析,其测量结果准确、去噪效果良好、分析结果可靠,为今后心电实时监测分析系统的设计提供了借鉴。     

一种改进的心电信号基线漂移矫正方法

传统滑动平均滤波法有实现容易、计算简单的优点,但在矫正心电信号的基线漂移时容易造成有用心电信号的丢失,从而使滤波后的心电信号产生失真.文中在传统滑动滤波器的基础上,考虑心电数据的采样率并进行跳跃采样对算法进行改进,给出了改进算法的数学模型,并利用MIT-BIH心电数据库中的实测数据对两种算法进行了比较验证.实验表明改进算法处理后得到的结果,在矫正心电信号的基线漂移时与原算法相比,减少了有用心电信号的损失,滤波后的心电信号失真更小,与原始数据的吻合度更高,效果更理想.     

心电信号采集记录系统的设计

为了更好地解决心电信号的采集和处理问题,设计了以高性能DSP芯片TMS320C32x为核心心电信号的采集记录系统,对心电信号的放大、滤波部分的硬件设计进行了重点研究并针对实际应用设计了检测电路,以C语言为基础设计了系统软件和针对于心电信号处理的自适应滤波器,实践证明该系统能很好地完成对心电信号的采集、滤波和记录。     

自适应阈值小波滤波及其在ECG消噪中的应用

采集的心电信号,各类噪声往往覆盖了其有用信号的全频段范围,通常的方法难以有效消噪。讨论了将非线性阈值函数h引入小波消噪中,通过训练信号来确定各尺度下的h函数参数,然后采用阈值自适应的小波滤波进行心电信号消噪的方法。通过和Donoho的小波阈值消噪法对实测心电信号消噪比较,说明了该方法在心电消噪方面的有效性,且在消噪后波形不失真方面具有更好的优越性。     

WebECG: A novel ECG simulator based on MATLAB Web Figure

Electrocardiogram is a signal containing information about the condition and operation of heart. Nowadays, many heart diseases can be efficiently diagnosed using these signals. However, a proper recognition and classification of the heart signals are essential requirement for the diagnosis of heart diseases. In this study, emphasizing on this requirement, a new ECG simulator based on MATLAB Web Figure called WebECG is designed and implemented to facilitate the education on ECG signals. Advanced flexibility and good visualization capabilities including 3-dimension view, zoom and move on ECG graphics are provided by WebECG. The users are able to plot ECG signals with different parameters, to plot the ECGs of nine arrhythmia types. Furthermore, WebECG is capable to add three different noises to ECG and to plot/analyze long-term ECGs. These properties of the WebECG support efficient web-based education of ECG signals.     

基于改进小波阈值-CEEMDAN算法的ECG信号去噪研究

Electrocardiogram (ECG) signal denoising has always been a hot research issue. In order to eliminate the noises in ECG signal, a denoising method based on adaptive complete set empirical mode decomposition (CEEMDAN) and wavelet improved threshold function is proposed. Firstly, this method firstly decomposes the ECG signal by CEEMDAN to obtain a set of intrinsic modal functions (IMFs) from high frequency to low frequency. CEEMDAN decomposition is performed on ECG signal to yield several modal components (IMF). Secondly, the correlation coefficient method is used to perform wavelet denoising with improved threshold on the high frequency IMFs. For the low frequency IMFs, by setting a fixed threshold, the IMFs below the threshold is considered to be the baseline drift signal and removed. Finally, the denoised IMFs and the retained IMFs are reconstructed. The experimental results show that the proposed method is more effective than the empirical mode decomposition (EMD) wavelet denoising, and the global average empirical mode decomposition (EEMD) wavelet denoising method.     

一种冗余小波变换的心电信号噪声消除方法

平稳小波变换去除心电信号噪声较好抑制了小波空间适应法消噪产生的伪Gibbs现象,但其重建过程相对复杂。提出对受噪声污染的心电信号移位一次,将移位信号及原信号分别进行正交小波变换阈值去噪,以它们的平均作为去噪结果。实验表明可以获得与平稳小波变换相同的去噪效果,但算法实现更简单快速。     

基于形态学和小波变换的心电信号去噪算法

在处理心电信号采集过程中混入的基线漂移、工频干扰及肌电干扰等噪声的过程中,小波变换取得了广泛的应用。针对小波算法的缺陷及不足,提出了一种基于数学形态学和小波阈值的混合算法。该算法利用非线性形态学滤波器滤除基线漂移,将获得的含高频噪声心电信号通过小波阈值算法进行处理,最后获得无噪声的ECG（心电）信号。采用MIT/BIH Arrhythmia Database中的数据对算法进行了验证,实现了三种主要干扰的滤除,本算法效果良好,为后续特征点的识别奠定了基础。     

扫描心电图图象的鲁棒性识别算法

为了实现心电图与重建心电向量图的联合诊断，提出了一种由标准同步12异联心电图扫描图象，通过识别、判决、分类，直接恢复心电信息，以便重建出心电向量的解决方案。由于心电信号复杂多变易受噪声干扰，且12导联心电信号特征较为接近，分类特征不明显，因而使得心电图图象的识别工作较为困难。该方法是通过基于最小距离准则的鲁棒识别算法来对扫描心电图进行有效的分类线形识别，并对识别后的信号进行滤波处理，以消除粗大误差的干扰。实验结果证明，即使当心电信号本身存在各类疾病信息，或者被噪声干扰的情况下，仍可以取得良好的分类效果，且能基本保持信号原貌，表明该算法具有较强的鲁棒性。     

心电地图仪中工频干扰的一种滤除方法

在心电地图仪中记录到的体表心电信号往往由于电磁的影响而引进工频干扰．基于体表心电信号中工频干扰的特点，作者提出了一种滤除工频干扰的方法，即就单独—胸导联信号通过提高频谱的分辨率来估计工频干扰的频率；基于最小均方误差准则来估计各导联信号中工频干扰的幅度和相位。文中还给出了该算法的流程图和滤波性能分析。模拟结果表明了该算法的有效性。应用该算法对心电地图仪中的工频干扰进行对消，取得了满意的结果。     

Kernel-based nonlinear dimensionality reduction for electrocardiogram recognition

The human heart is a complex system that reveals many clues about its condition in its electrocardiogram (ECG) signal, and ECG supervising is the most important and efficient way of preventing heart attacks. ECG analysis and recognition are both important and tempting topics in modern medical research. The purpose of this paper is to develop an algorithm which investigates kernel method, locally linear embedding (LLE), principal component analysis (PCA), and support vector machine(SVM) algorithms for dimensionality reduction, features extraction, and classification for recognizing and classifying the given ECG signals. In order to do so, a nonlinear dimensionality reduction kernel method based LLE is proposed to reduce the high dimensions of the variational ECG signals, and the principal characteristics of the signals are extracted from the original database by means of the PCA, each signal representing a single and complete heart beat. SVM method is applied to classify the ECG data into several categories of heart diseases. Experimental results obtained demonstrated that the performance of the proposed method was similar and sometimes better when compared to other ECG recognition techniques, thus indicating a viable and accurate technique.     

基于卷积自编码神经网络的心电信号降噪

心电信号由于在采集过程中会受到外界环境的干扰导致其形态特征被严重淹没,从而对医生的诊断和远程智能分析造成干扰。基于此,提出了一种基于卷积自编码神经网络的心电信号降噪算法。该方法利用自编码器的编码、解码特性,通过卷积的方法构建深层神经网络来学习从含噪心电信号到干净心电信号的端对端映射。卷积层捕获心电信号的细节特征,同时消除噪声;解码部分能够对特征图进行上采样并恢复心电信号细节,从而得到干净的心电信号。实验中采用信噪比和均方根误差为指标,将该方法与小波阈值法、S变换法、BP神经网络法和指导滤波法进行比较。实验结果表明,该降噪方法整体降噪精度更优,同时信号的低频成分也得到了很好的保持。该方法可做到在消除心电信号中复杂噪声的同时完整保留心电信号的形态,为心血管疾病的智能诊断和心电图的特征检测奠定了基础。