基于转换压缩的R波识别方法、装置、终端及存储介质制造方法及图纸

本发明专利技术提供一种基于转换压缩的R波识别方法、装置、终端及存储介质。该方法包括：对待识别的心电信号进行预处理，得到预处理后的心电信号，其中，预处理后的心电信号包括高频心电信号分量和去噪心电信号分量；获取高频心电信号分量的待检测高频数据序列的极大值序列和极小值序列；根据极大值序列计算极大值序列阈值，根据极小值序列计算极小值序列阈值，并根据极大值序列阈值和极大值序列的峰值，获得真极大值序列，根据极小值序列阈值和极小值序列的峰值，获得真极小值序列；对真极大值序列和真极小值序列进行极值对匹配，定位R波峰值范围；根据R波峰值范围，在去噪心电信号分量上定位R波峰值位置。本发明专利技术能够提高R波峰值的定位速度。速度。速度。

【技术实现步骤摘要】
基于转换压缩的R波识别方法、装置、终端及存储介质


[0001]本专利技术涉及心电信号R波识别
，尤其涉及一种基于转换压缩的R波识别方法、装置、终端及存储介质。

技术介绍

[0002]心电图是利用心电图机从体表记录心脏每一心动周期所产生的电活动变化图形的技术。正常健康的人体心电波形图由P波、QRS波群以及T波组成，其中，P波是心电信号的准周期出现的第一个波，QRS波群由向下的Q波、尖高向上的R波以及与R波相连并向下的S波组成，T波的幅度不应低于同导连R波的1/10。在心电信号中，R波是最明显的特征，确定R波的位置之后，可以以此为基准，寻找其他波形的位置，因此，R波是心电信号检测的关键。
[0003]目前进行R波识别的方法有：模板匹配法、神经网络法、差分阈值法和小波变换法，其中，采用小波变换法进行R波定位方法相比其他方法具有更高的R波识别准确率，主要是在分解后得到的高频分量上通过找到小波变换模极大值对，通过该极值对来定位R波的位置。
[0004]但是采用小波变换法时，通常该高频分量会经过数据扩展，其数据长度跟原始数据长度相等，这样就会增加检测时间，在R波识别过程中可能对识别速度和识别准确度带来困难。

技术实现思路

[0005]本专利技术提供了一种基于转换压缩的R波识别方法、装置、终端及存储介质，以解决现有技术中对心电信号R波峰值识别速度慢的问题。
[0006]第一方面，本专利技术提供了一种基于转换压缩的R波识别方法，包括：
[0007]对待识别的心电信号进行预处理，得到预处理后的心电信号，其中，所述预处理后的心电信号包括高频心电信号分量和去噪心电信号分量；
[0008]获取所述高频心电信号分量的待检测高频数据序列的极大值序列和极小值序列，其中，所述极大值序列包括多个极大值，所述极小值序列包括多个极小值，所述极大值和所述极小值均包括位置和峰值；
[0009]根据所述极大值序列计算极大值序列阈值，根据所述极小值序列计算极小值序列阈值，并根据所述极大值序列阈值和所述极大值序列的峰值，获得真极大值序列，根据所述极小值序列阈值和所述极小值序列的峰值，获得真极小值序列；
[0010]对所述真极大值序列和所述真极小值序列进行极值对匹配，定位R波峰值范围；
[0011]根据所述R波峰值范围，在所述去噪心电信号分量上定位R波峰值位置。
[0012]第二方面，本专利技术提供了一种基于转换压缩的R波识别装置，包括：
[0013]预处理模块，用于对待识别的心电信号进行预处理，得到预处理后的心电信号，其中，所述预处理后的心电信号包括高频心电信号分量和去噪心电信号分量；
[0014]第一极值模块，用于获取所述高频心电信号分量的待检测高频数据序列的极大值
序列和极小值序列，其中，所述极大值序列包括多个极大值，所述极小值序列包括多个极小值，所述极大值和所述极小值均包括位置和峰值；
[0015]第二极值模块，用于根据所述极大值序列计算极大值序列阈值，根据所述极小值序列计算极小值序列阈值，并根据所述极大值序列阈值和所述极大值序列的峰值，获得真极大值序列，根据所述极小值序列阈值和所述极小值序列的峰值，获得真极小值序列；
[0016]第一定位模块，用于对所述真极大值序列和所述真极小值序列进行极值对匹配，定位R波峰值范围；
[0017]第二定位模块，用于根据所述R波峰值范围，在所述去噪心电信号分量上定位R波峰值位置。
[0018]第三方面，本专利技术提供了一种终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上第一方面任一种可能的实现方式所述方法的步骤。
[0019]第四方面，本专利技术提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上第一方面任一种可能的实现方式所述方法的步骤。
[0020]本专利技术提供一种基于转换压缩的R波识别方法、装置、终端及存储介质，与现有技术相比，本专利技术所采用的高频心电信号分量不需要进行数据扩展，可以降低数据计算量，降低检测时间，降低数据存储空间，并且通过获得真极大值序列和真极小值序列，并进行极值对匹配，粗定位R波峰值位置，再通过计算过零点，映射到心电信号上，精准定位R波峰值位置，进一步提高R波峰值定位的正确度。
附图说明
[0021]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0022]图1是本专利技术实施例提供的基于转换压缩的R波识别方法的实现流程图；
[0023]图2是本专利技术实施例提供的基于转换压缩的R波识别方法的极值序列图；
[0024]图3是本专利技术实施例提供的基于转换压缩的R波识别方法的极值序列图；
[0025]图4是本专利技术实施例提供的基于转换压缩的R波识别方法的极值序列图；
[0026]图5是本专利技术实施例提供的基于转换压缩的R波识别方法的极值序列图；
[0027]图6是本专利技术实施例提供的基于转换压缩的R波识别装置的结构示意图；
[0028]图7是本专利技术实施例提供的终端的示意图。
具体实施方式
[0029]以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本专利技术实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本专利技术。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本专利技术的描述。
[0030]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图通过具体实施例来进行说明。
[0031]图1为本专利技术实施例提供的基于转换压缩的R波识别方法的实现流程图，详述如下：
[0032]在S101中，对待识别的心电信号进行预处理，得到预处理后的心电信号，其中，预处理后的心电信号包括高频心电信号分量和去噪心电信号分量。
[0033]在本专利技术实施例中，对待识别的心电信号进行预处理，是为了得到预处理后的心电信号中的高频心电信号分量和去噪心电信号分量。
[0034]在一种可能的实现方式中，S101的具体实现流程包括：
[0035]根据预设基线漂移频率和心电信号的采样频率，确定心电信号的分解级数；
[0036]将心电信号分为N个心电信号分组，获取每个心电信号分组的预设噪声值，其中，N为大于等于2的正整数；
[0037]根据分解级数和每个心电信号分组的预设噪声值，对各个心电信号分组的心电信号进行分解，得到低频心电信号分量和高频心电信号分量；
[0038]对低频心电信号分量进行扩展，得到基线漂移分量；
[0039]重构低频心电信号分量和高频心电信号分量本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于转换压缩的R波识别方法，其特征在于，包括：对待识别的心电信号进行预处理，得到预处理后的心电信号，其中，所述预处理后的心电信号包括高频心电信号分量和去噪心电信号分量；获取所述高频心电信号分量的待检测高频数据序列的极大值序列和极小值序列，其中，所述极大值序列包括多个极大值，所述极小值序列包括多个极小值，所述极大值和所述极小值均包括位置和峰值；根据所述极大值序列计算极大值序列阈值，根据所述极小值序列计算极小值序列阈值，并根据所述极大值序列阈值和所述极大值序列的峰值，获得真极大值序列，根据所述极小值序列阈值和所述极小值序列的峰值，获得真极小值序列；对所述真极大值序列和所述真极小值序列进行极值对匹配，定位R波峰值范围；根据所述R波峰值范围，在所述去噪心电信号分量上定位R波峰值位置。2.根据权利要求1所述的基于转换压缩的R波识别方法，其特征在于，所述对待识别的心电信号进行预处理，得到预处理后的心电信号，包括：根据预设基线漂移频率和所述心电信号的采样频率，确定所述心电信号的分解级数；将所述心电信号分为N个心电信号分组，获取每个心电信号分组的预设噪声值，其中，N为大于等于2的正整数；根据所述分解级数和每个心电信号分组的预设噪声值，对各个心电信号分组的心电信号进行分解，得到低频心电信号分量和高频心电信号分量；对所述低频心电信号分量进行扩展，得到基线漂移分量；重构所述低频心电信号分量和所述高频心电信号分量，得到去除高频噪声的重组心电信号分量，并去除所述重组心电信号分量中的所述基线漂移分量，得到所述去噪心电信号分量。3.根据权利要求1所述的基于转换压缩的R波识别方法，其特征在于，获取所述高频心电信号分量的待检测高频数据序列，包括：根据所述高频心电信号分量，获取所述高频心电信号分量中的预设级高频心电信号分量，并将所述预设级高频心电信号分量作为所述待检测高频数据序列。4.根据权利要求3所述的基于转换压缩的R波识别方法，其特征在于，获取所述高频心电信号分量的待检测高频数据序列的极大值序列，包括：获取所述待检测高频数据序列的极大值；从所述待检测高频数据序列中筛选相邻两个极大值的位置间隔大于预设间隔的极大值构成极大值序列。5.根据权利要求1所述的基于转换压缩的R波识别方法，其特征在于，所述根据所述极大值序列计算得到极大值序列阈值，包括：去除所述极大值序列中峰值小于等于零的极大值，并对处理后的极大值序列按照峰值从小到大的顺序进行排序，得到第一极大值序列，去掉所述第一极大值序列中后n个的极大值，得到第二极大值序列；对所述第二极大值序列中后n个极大值求平均，得到第一信号值，对所述第二极大值序列中前m个极大值求平均，得到第二信号值；根据所述第一信号值和所述第二信号值，计算得到极大值序列阈值。
6.根据权利要求5所述的基于转换压缩的R波识别方法，其特征在于，所述根据所述极大值序列阈值和所述极大值序列的峰值，获得真极大值序列，包括：针对所述极大值序列中的任一个极大值，若该极大值的峰值大于第一阈值，则将该极大值作为初始真极大值，并将该初始真极大值存入初始真极大值序列；当所述初始真极大值序列包括至少三个初始真极大值时，将所述初始真极大值序列中前两位初始真极大值作为真极大值存入真极大值序列中；依次针对所述初始真极大值序列中第二位初始真极大值后的每个初始真极大值，计算该初始真极大值与第一真极大值之间的位置距离，并采用所述位置距离更新当前平均值，其中，所述初始真极大值序列中的初始真极大值按照进入所述初始真极大值序列的时间先后顺序排序，所述真极大值序列中的真极大值按照进入所述真极大值序列的时间先后顺序排序，所述第一真极大值为...

【专利技术属性】
技术研发人员：李晓云，赵环宇，冯春雨，史玉盼，庞超逸，
申请(专利权)人：河北省科学院应用数学研究所，
类型：发明
国别省市：