一种心电信号特征检测算法
【专利摘要】本发明公开了一种心电信号特征检测算法，提出将改进的提升小波阈值和改进近似包络算法相结合的心电信号预处理算法。与小波去噪相比，改进的提升小波阈值去噪缩短了信号处理时间，提高了信噪比，改进包络函数的设计能够在提高R波能量的同时，抑制除R波以外的其它特征波及噪声的能量。本发明设计了基于斜率阈值的特征检测算法，分别进行R波、P波和T波位置的检测。该检测算法简单，速度快，适合并行处理，占用内存空间少，R波检测率可达到99.8％。
【专利说明】一种心电信号特征检测算法
【技术领域】
[0001]本发明属于医学信号处理【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】
[0002]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成为当今医学界面临的亟待解决的最重要问题之一。用于诊断心脏病的主要技术之一是心电图，一百多年来，心电图这种无创检查技术，由于诊断方法简便、对病人无损害等优点，在心脏疾病的诊断中发挥了重要作用。目前医院普遍使用的常规心电图监护仪或心电工作站存在体积较大、价格昂贵和不便随时监测等缺点。尽管Holter即“动态心电图”可以被佩戴在病人身上进行心电的动态监测，但它主要是完成连续记录24小时心电活动的全过程，为医生提供以往一次心电图难以捕捉到的有效的诊断依据，后期仍需由人工离线进行心电信号分析，因此医生常常需要阅读大量的心电数据，容易造成医生的疲惫，加之肉眼观测的精度有限，容易造成误诊或漏诊。由于病态心电图种类繁多、变异极大，同种病理不同患者的心电图甚至同一患者不同时刻的心电图都存在着较大的差异，并且心电信号的信号源不可触及性，从而使得心电信号的随机性较强，无法用确定的函数来描述，具有强烈的非平稳性，随时都处于变化中。另外噪声背景强，属于低幅、低频的微弱信号，有用信号往往淹没在许多噪声干扰信号中，不易检测，所以研究心电特征检测算法对于预防威胁人类健康“第一杀手”的心脏病具有非常重要的意义。
[0003]目前心电信号的检测 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。由于小波变换具有优良的时频局域化分析能力和多分辨分析特性，在非平稳微弱信号处理方面具有重要的理论和应用价值。基于小波变换的检测算法虽然能够达到很高的检测率，但实时性差，尽管对称小波基可使用Mallet快速分解算法，但计算量仍比较大，实现实时检测仍比较困难。
[0004]1996年Sweldens成功建立了一种新的实现小波变换的结构-提升框架,这种提升格式构造出来的小波称之为第二代小波。它既保留了第一代小波的时频局域特性，同时也克服了其平移和伸缩的不变性。此外，这种基于提升格式的小波变换所有运算均在时域进行，无需Fourier分析，运算速度相比第一代小波变换大大提高，适合并行处理，占用内存空间少。
[0005]本发明通过一种改进的近似包络法在增强R波能量的同时能够很好的抑制噪声和大P/T波的干扰，将改进的提升小波阈值去噪与改进的近似包络相结合对心电信号进行预处理，该算法在确保准确率的同时运算速度快，占用内存少。
【发明内容】
[0006]本发明的目的在于解决目前心电特征检测算法不能同时兼顾检测精度与实时性的问题，提出一种检测精度高、实时性强的心电信号特征检测算法。
[0007]本发明通过以下技术方案实现:
[0008]心电信号特征检测算法的实现步骤如下:
[0009](I)从MIT-BIH数据库中提取心电信号x(t)，利用sym8小波进行五层提升小波分解，将提升小波低频系数置零，对提升小波高频系数进行改进软阈值处理后，重构心电信号y(t)，再对y(t)进行Hilbert变换改进近似包络处理，获得预处理后的心电信号z (t)；
[0010](2)设定R波检测的斜率阈值Th，设计斜率阈值检测流程，依照R波检测流程对信号z(t)进行R波位置的检测；
[0011](3)检测到R点位置后，设定检测策略，在提升小波变换尺度4上检测T波和P波。
[0012]在上述步骤(1)中，设计了一种改进的近似包络函数:E(t) = |y(t) |3+|yh(t) |4，该改进的包络能够在增强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。
[0013]在上述步骤⑵中，设定斜率阈值，以斜率为阈值的检测方法进行R波检测，采取初始长时间检测不到R波时降低阈值重新检测的策略；将初始R-R的波峰间隔作为以后检测的阈值，并采用自适应阈值、回溯检漏和跳检的检测策略，更好的防止了漏检、误检的发生。
[0014]在上述步骤(3)中，检测到R点位置R.peak后，在提升小波变换尺度4上进行P波和T波的检测，在[R.peak_250ms, R.p`eak_150ms]范围内检测P波，而在[R.peak+170ms,R.peak+400ms]内检测T波，选择区间内斜`率绝对值大于0.01，且其后四点连续递增的点，然后在其后30点中选极大值作为P/T波顶点，当没有斜率的绝对值大于0.1时，说明P/T波不存在；当检测到的顶点前面三点中有两点斜率为负时，说明P/T波倒置。
[0015]本发明的心电信号特征点检测算法的效果和益处是:设计了一种改进近似包络函数，并将该改进的包络与改进的提升小波阈值去噪相结合，提高了心电信号的去噪处理速度和R波检测精度，也使得其它特征点的检测精度有所提高。该处理算法适合并行处理，占用内存空间少，处理速度快，检测精度高。
【专利附图】
【附图说明】
[0016]图1是本发明算法总体流程图；
[0017]图2是心电信号预处理及R波检测流程图；
[0018]图3是心电信号中加入噪声后，用本发明的预处理算法去噪的效果图；
[0019]图4是特征点检测结果图；
[0020]图5是本发明算法成功去除伪迹干扰图；
[0021]图6是本发明算法成功去除强噪声干扰图；
[0022]图7是本发明算法在基线漂移的情况下成功检测微弱R波位置图；
[0023]图8是本发明算法在大T波干扰下成功检测R波位置图。
【具体实施方式】
[0024]以下结合技术方案和附图详细叙述本发明的具体实施例。
[0025]本发明提出了基于提升小波变换结合改进近似包络的心电信号预处理方法，设计了基于斜率阈值的心电信号R波、QRS波群起止点、P波以及T波位置的检测算法，图2是心电信号预处理及R波检测的具体流程图，具体实施步骤为:
[0026]1.心电信号的预处理
[0027]根据心电信号特征波形以及噪声的频域分布特性，利用提升小波变换的时频局域特性，选用sym8小波作为小波基函数对心电信号进行五层提升分解，提取高频小波系数并进行改进的软阈值处理，选择三、四尺度信号对心电信号进行重构。
[0028]改进近似包络处理，首先对重构的心电信号y(t)依据下式进行Hilbert变换，
[0029]
【权利要求】
1.一种心电信号特征检测算法，其特征在于包括如下步骤: (1)从MIT-BIH数据库中提取心电信号x(t)，利用sym8小波进行五层提升小波分解，将提升小波低频系数置零，对提升小波高频系数进行改进阈值处理，重构心电信号y (t)，再对y(t)进行Hilbert变换改进近似包络处理，获得预处理后的心电信号z (t)； (2)设定R波检测的斜率阈值Th，设计斜率阈值检测流程，依照R波检测流程对信号z(t)进行R波位置的检测； (3)检测到R点位置后，在提升小波变换尺度4上检测T波和P波。
2.根据权利要求1所述的心电信号特征检测算法，其特征在于步骤(1)中的改进近似包络函数的设计，本发明设计的改进近似包络函数为:
E(t) = y(t) 3+|yh(t) I4 其中y(t)为重构后心电信号，yh(t)为Hilbert变换后信号，E(t)为改进近似包络函数。
3.根据权利要求1所述的心电信号特征检测算法，其特征在于步骤(2)中以斜率为阈值进行特征点检测，R-R间隔阈值进行自适应变化，若初始长时间检测不到R波，则降低阈值重新检测；把初始R-R的波峰间隔作为以后检测的阈值，R-R间隔根据实时检测的R波位置自适应调整大小。
4.根据权利要求1所述的心电信号特征检测算法，其特征在于步骤(3)中令R点的位置为 R.peak,则在[R.peak_250ms, R.peak-150ms]范围内检测 P 波，而在[R.peak+170ms,R.peak+400ms]内检测T波，选择区间内斜率绝对值大于0.01，且其后四点连续递增的点，然后在其后30点中选极大值作为P/`T波顶点，当没有斜率的绝对值大于0.1时，说明P/T波不存在；当检测到的顶点前面三点中有两点斜率为负时，说明P/T波倒置。
【文档编号】A61B5/0452GK103750835SQ201310573144
【公开日】2014年4月30日 申请日期:2013年11月12日 优先权日:2013年11月12日
【发明者】李鸿强, 陈磊, 冯秀丽, 王小飞, 梁欢, 陈雪龙 申请人:天津工业大学