基于平滑分解的肌电干扰消除方法、装置、介质及设备制造方法及图纸

本发明专利技术公开了一种基于平滑分解的肌电干扰消除方法、装置、介质及设备，属于心电学技术领域。包括接收心电信号；将心电信号重采样至固定频率，并利用第一频率的陷波滤波器滤除工频干扰；使用多个窗口宽度的平滑函数对心电信号进行固定层数的平滑分解，将心电信号分解为重采样后的信号频率下对应层级的分量信号；使用多窗口宽度的时移阈值方法对各分量信号进行阈值估计；选择阈值函数并配合阈值对分量信号进行处理；对经过处理后的分量信号进行信号重构，并将重构后的信号重采样至输入频率的心电信号。采用多种窗口宽度的固定层数的平滑分解和多级时移阈值估计相结合，简单且高效，在保持极小失真度的同时有效地去除心电信号中的肌电干扰。的肌电干扰。的肌电干扰。

【技术实现步骤摘要】
基于平滑分解的肌电干扰消除方法、装置、介质及设备


[0001]本专利技术属于心电学
，具体涉及一种基于平滑分解的肌电干扰消除方法、装置、介质及设备。

技术介绍

[0002]心电图(ECG)被广泛应用在临床心脏病诊断上，其主要能量集中在0.5
‑
50Hz之间，幅值范围一般为0.1至2.5mV，因此，其极易受到采集环境及受试者自身的特点的影响，从而对临床诊断结果产生严重的影响。其中，最常见的一种干扰就是肌电干扰。肌电信号主要是由人体肌肉的电活动引起的，典型的肌肉运动来源于头部附近，如颈部活动、吞咽等，其主要能量集中在20
‑
120Hz之间，幅值会随肌肉运动的强度而变化。
[0003]因为二者在20
‑
50Hz之间的能量耦合，所以肌电信号会导致心电信号的局部失真，因此，为了提升心电信号的质量，防止心电信号的临床信息被破坏，必须对肌电噪声做滤波处理。
[0004]目前心电信号的数字滤波算法主要是有经验模态分解(EMD)、小波变换等方法。小波分析和经验模态分解为非线性非平稳信号的分析和心电信号去噪提供了有力工具，并成为了目前心电去噪领域的热点。
[0005]然而，小波函数的选择对小波分析去噪效果有很大影响，目前还没有针对心电信号的小波函数。相对而言，经验模态分解的自适应性，更有利于心电信号的去噪。但是，EMD在分解心电信号时存在模态混叠现象，影响信号分析的成功率。集合经验模态分解(EEMD)虽然解决了EMD的模态混叠问题，但是总体数量的增加使得重复分解的计算量成倍增长，而辅助噪声的引入，又产生了噪声残留和信号重构误差的问题。
[0006]为了实现一种简单且高效的肌电干扰滤波，现有技术中将心电信号进行平滑分解，再对每个分量进行时变阈值滤波。但是该种方法还是存在一些缺陷：一是其使用固定窗口宽度的平滑函数对心电信号进行分解，使得最后分量的层数过多，进而导致阈值评估的算法复杂度提高；二是其将所有分量大致分为3组，其中界定低频噪声分量组时，使用到了关于R波检测算法，且对每个分量都需要进行R波检测，在增加算法复杂度的同时又引入了关于R波检测算法可靠性的问题；三是其对于阈值评估也仅使用了单个固定窗口宽度的时移阈值方式进行评估，无法兼顾长时间范围内的信号波动及短时间范围内的信号波动问题。

技术实现思路

[0007]技术问题：针对上述现有技术中存在的问题，本专利技术提供一种基于平滑分解的肌电干扰消除方法、装置、介质及设备。采用多种窗口宽度的固定层数的平滑分解和多级时移阈值估计相结合的方式，简单且高效的去除肌电干扰，在保持极小失真度的同时有效地去除心电信号中的肌电干扰。
[0008]技术方案：第一方面，本专利技术提供一种基于平滑分解的肌电干扰消除方法，包括：
[0009]接收心电信号；
[0010]将心电信号重采样至固定频率，并利用第一频率的陷波滤波器滤除工频干扰；
[0011]使用多个窗口宽度的平滑函数对心电信号进行固定层数的平滑分解，将心电信号分解为重采样后的信号频率下对应层级的分量信号；
[0012]使用多窗口宽度的时移阈值方法对各分量信号进行阈值估计；
[0013]选择阈值函数并配合阈值对分量信号进行处理；
[0014]对经过处理后的分量信号进行信号重构，并将重构后的信号重采样至输入频率的心电信号。
[0015]进一步地，所述第一频率为50Hz。
[0016]进一步地，所述平滑函数为：
[0017][0018]其中，x(n)表示输入的待分解信号，r表示窗口半径，y(n)表示分解后的分量数据。
[0019]进一步地，所述平滑分解方式为：
[0020][0021]S
k
＝S
k
‑1‑
sdc
k
[0022]其中sdc
k
表示第k阶分量，S
k
表示经过第k次分解后的信号余量。
[0023]进一步地，所述使用多窗口宽度的时移阈值方法对各分量信号进行阈值估计的公式为：
[0024][0025]其中，μ表示时移阈值窗口半径；c表示惩罚系数；S表示待估计信号数据；S[n
‑
μ∶n+μ]表示取以信号S的第n个点为中心、μ为半径内的信号数据片段；Th(n)表示第n个点对应的阈值。
[0026]进一步地，所述使用多窗口宽度的时移阈值方法对各分量信号进行阈值估计之前，对分量信号进行增强。
[0027]进一步地，所述选择阈值函数并配合阈值对分量信号进行处理的公式为：
[0028][0029]其中，sdc
k,th
表示第k阶分量阈值处理后的数据；Th
k
表示第k阶分量对应的阈值序列；Enhance
k
表示第k阶分量信号增强后的信号数据；sdc
k
表第k阶分量。
[0030]进一步地，所述对经过处理后的分量信号进行信号重构的方式为：
[0031][0032]其中，m表示平滑分解阶数；S
th
表示重构后的信号。
[0033]第二方面，本专利技术提供一种基于平滑分解的肌电干扰消除装置，根据本专利技术任一所述的基于平滑分解的肌电干扰消除方法来消除肌电干扰，包括：
[0034]信号接收单元，其配置为接收心电信号；
[0035]预处理单元，其配置为将心电信号重采样至固定频率，并利用第一频率的陷波滤波器滤除工频干扰；
[0036]平滑分解单元，其配置为使用多个窗口宽度的平滑函数对心电信号进行固定层数的平滑分解，将心电信号分解为重采样后的信号频率下对应层级的分量信号；
[0037]时移阈值估计单元，其配置为使用多窗口宽度的时移阈值方法对各分量信号进行阈值估计；
[0038]阈值处理单元，其配置为选择阈值函数并配合阈值对分量信号进行处理；
[0039]信号重构及重采样单元，其配置为对经过处理后的分量信号进行信号重构，并将重构后的信号重采样至输入频率的心电信号。
[0040]第三方面，本专利技术提供一种存储介质，所述存储介质中存储有指令，当所述指令由处理器执行时，能够执行本专利技术提出的任一所述的基于平滑分解的肌电干扰消除方法。
[0041]第四方面，本专利技术提供一种电子设备，包括：
[0042]本专利技术所提出的存储介质；以及处理器，其配置成执行所述存储介质中存储的计算机指令。
[0043]本专利技术与现有技术相比，首先对心电信号进行预处理，其中包括将心电信号重采样至固定频率，工频干扰消除等步骤；再使用多窗口宽度的平滑分解，将心电信号分解为重采样后的信号频率下对应层级的分量信号；然后对各分量分别使用多级时变阈值方法进行阈值估计时最后使用经过阈值处理后的分量信号进行信号重构并将重构后的信号重采样至输入频率的心电信号，由此，完成对肌电干扰的去除。本专利技术采用多种窗口宽度的固定层数的平滑分解和多级时移阈值估计相结合本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于平滑分解的肌电干扰消除方法，其特征在于，包括：接收心电信号；将心电信号重采样至固定频率，并利用第一频率的陷波滤波器滤除工频干扰；使用多个窗口宽度的平滑函数对心电信号进行固定层数的平滑分解，将心电信号分解为重采样后的信号频率下对应层级的分量信号；使用多窗口宽度的时移阈值方法对各分量信号进行阈值估计；选择阈值函数并配合阈值对分量信号进行处理；对经过处理后的分量信号进行信号重构，并将重构后的信号重采样至输入频率的心电信号。2.根据权利要求1所述的方法，其特征在于，所述平滑函数为：其中，x(n)表示输入的待分解信号，r表示窗口半径，y(n)表示分解后的分量数据。3.根据权利要求2所述的方法，其特征在于，所述平滑分解方式为：S
k
＝S
k
‑1‑
sdc
k
其中sdc
k
表示第k阶分量，S
k
表示经过第k次分解后的信号余量。4.根据权利要求3所述的方法，其特征在于，所述使用多窗口宽度的时移阈值方法对各分量信号进行阈值估计的公式为：其中，μ表示时移阈值窗口半径；c表示惩罚系数；S表示待估计信号数据；S[n
‑
μ∶n+μ]表示取以信号S的第n个点为中心、μ为半径内的信号数据片段；Th(n)表示第n个点对应的阈值。5.根据权利要求1
‑
4任一项所述的方法，其特征在于，所述使用多窗口宽度的时移阈值方法对各分量信号进行阈值估计之前，对分量信号进行增强。6.根据权利要求5所述的方法，其特征在于，所述选择阈值函数并配合阈值对分量信号进行处理的公式为...

【专利技术属性】
技术研发人员：王凯，洪申达，耿世佳，魏国栋，章德云，俞杰，傅兆吉，
申请(专利权)人：安徽心之声医疗科技有限公司，
类型：发明
国别省市：