本发明专利技术将小波提升法和差分法结合，提出了一种可集成的心电信号去噪和QRS波识别的快速算法。发明专利技术中提出了一种加权阈值去噪的方法，解决了使用全局阈值去噪后信号畸变的问题；提出了在DB4小波提升变换过程中结合差分法，达到了使用DB4小波一阶导数对心电信号提升变换的效果，避免了对去噪后信号进行小波提升再次分解的过程，提高了对QRS波进行识别的速度；同时采用一种改进的自适应阈值更新方法，提高了QRS波的检测精度。本发明专利技术选用的小波提升法和差分法都具有运算速度快，占用内存低，能够实现整数运算的特点，因此对于本发明专利技术算法的集成应用，不但易于在现有硬件平台上实现，也易于在计算机、大型处理器的应用软件中实现。
【技术实现步骤摘要】
本专利技术属于信息处理以及医学信号处理领域，特别是一种可集成的心电信号去噪和QRS波识别的快速算法。
技术介绍
常规心电信号是mV级信号。在心电信号的采集过程中，由于外界和人体自身因素的干扰，采集到的心电信号中混有大量的噪声信号。噪声改变了 ECG信号的自身特征，影响了 ECG的分析和诊断精度。因为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。文献 A Wavelet-Based ECG Delineator Evaluation on Standard Databases、A New Wavelet Based Method for Denoising of Biological Signals、ECG De-Noising using improved thresholding based on Wavelet transforms 均提出了相应的新阈值函数用于对ECG信号进行小波去噪，且新阈值函数能够得到硬阈值和软阈值折衷的去噪效果。文献 《心电信号去噪中的小波方法》分析总结了小波在心电信号去噪中的特点及其应用范围。文献 Detection of QRS Wave Base on Difference-slope Method 提出了一种新型小波，即 “仿生小波”。利用此小波基可有效地去除ECG信号中的基线漂移。以往的去噪算法中，差分阈值法算法简单，处理速度快，易于工程实现；模板匹配法原理简单，但对高频噪声和基线漂移很敏感；小波变换法具有良好的时频局域化特性，检测准确度高，但计算量较大，不适于实时处理；神经网络法能够实现很好的判别效果，但训练时间较长，实际上很难应用。其他算法也都存在运算复杂、耗时较长等问题，需要高性能的处理器和较大的内存，因此目前这些算法在检测仪器上很难实现。20世纪90年代中期，Sweldens提出了小波提升方案(lifting scheme)及第二代小波的概念，并给出了经典小波中双正交小波的的提升方案(又称为提升格式)。小波提升方案与第一代小波构造方法的主要区别于，前者不依赖于傅里叶变换，它是在时域或空域中直接实现小波构造，是一种改善快速小波变换的方法。并且Daubechies和Sweldens等已经证明，凡是用Mallat算法实现的小波变换都可以转用提升格式来实现。因此，本算法采用小波提升的方法对心电信号进行分解去噪，提高了算法运行的速度，节省运算所需内存，实现整数运算，易于硬件电路实现。目前QRS波检测方法主要有差分法(Derivative)、带通滤波法(Bandpass filter)、小波变换(Wavelet Transform)、形态学运算(Mathem Morphology)、长度和能量变换(Length and Energy Transforms)等；另外还有一些新兴的研究方法，如人工神经网络(Artificial Neural Networks，ANN)、遗传算法(Genetic Algorithm, GA)、句式分析(Syntactic Methods)、隐 Markov 模型(Hidden Markov Models, HMM)、匹配滤波 (Matched Filter)、Hilbert 变换(Hilbert Transform)、心电模板(Tem-plate)、过零检测 (Zero-Crossing detection)等，多禾中技术交叉融合(Algorithms based on the fusion of several technologies)的趋势也日趋明显。其中，差分法简单、快速，其缺点是容易受到噪声和信号突变的影响。其他方法运算复杂，占用内存空间大，不易于实现整数运算。本专利技术将小波提升方法与差分法相结合，在小波提升分解、去噪、重构的相关尺度上，利用差分法和自适应阈值对心电信号进行QRS识别；避免了噪声对差分法识别精度的影响，降低了在原信号上进行检测的数据量，同时由于小波提升方法和差分法的运算速度快，占用内存少，能实现整数运算。避免了利用小波、人工神经网络等复杂算法进行识别，而在现有硬件平台上难以实现的问题。在两部分主要算法设计的过程中遇到的问题1.对信号利用小波提升进行分解和阈值去噪的过程中，要根据信号频谱特征，在不同的分解层次上设定不同的去噪阈值。阈值的选择原则和权系数直接影响去噪重构后信号的失真度。调整各层阈值的权重系数是难点。2. 在利用差分法识别的过程中，对于检测到的QRS波群；利用了回溯法来判断漏检和误检，其中自适应阈值函数的选取尤其关键，设计回溯策略、自适应阈值公式和权重系数是难点。
技术实现思路
针对上述问题，本专利技术提供了一种易于在硬件平台实现、去噪和检测精度高、可集成的心电信号去噪和QRS波识别的快速算法。本专利技术为解决其技术问题所采用的技术方案是一种可集成的心电信号去噪和QRS波识别的快速算法，其特征在于包括以下步骤(1) 根据确定的分解层数N，对心电采样信号X利用DB4小波进行N层小波提升分解；(2)求取对各层高频系数进行处理的阈值ArA ； (3)将第N层低频系数置零；(4)对各层高频系数进行阈值去噪处理；(5)由第N层开始逐层重构得到去噪后信号Y，其中将重构得到的第A层低频系数CA保存；(6)利用差分方法，求取△差分结果β ;(7)在差分结果β中求取识别模极大值对的正负阈值，所述模极大值对包括一模极大值和一模极小值；(8)基于正负阈值在差分结果G中识别模极值对，并记录极值位置；(9)在模极值序列中采用漏检回溯策略进行漏检查询；(10)采用误检策略进行误检查询；(11)根据模极值对的位置，找出重构信号Y中的相对模极值位置，进行QRS波定位。优选的是，步骤(1)中确定小波提升分解层数N，其中N为满足条件Nabg2 i？的最小正整数，F为心电信号采样频率。优选的是，步骤(2)中各层高频系数处理的阈值Ari = akx、l2\og(n) χσ,其中为需要进行阈值处理信号长度，％为各层阈值加权系数，α=腳―其中对灼为小波0,6745各尺度系数j为当前的层数。优选的是，阈值加权系数％的取值，对于第k层高频系数，考察其频域范围，当其最低频率大于等于90Hz时，O ；当其最高频率小于等于45Hz时，^ = 0.25 ;其他情况， ^ = 0.5。优选的是，步骤(5)中重构得到的第A层低频系数CA保存；A为频域包含(Γ45Ηζ 的低频信号的最高层数。优选的是，步骤(6)中CA差分结果Q的求取方法为ρ(0 = CXi + l)- CA(i),其中Q(f)为CA序列中第》点差分结果，为CA序列中第胃点小波系数值。优选的是，步骤(8)正负阈值基于当前找到的模极大值/模极小值进行更新。优选的是，正负阈值的更新公式为m_tlm = 0.3xm_th + 0.7x0.6xm_C,其中m—ttm为更新后的正负阈值，m—Λ为更新前的正负阈值，m—C为当前找到的模极大值/ 模极小值。本专利技术的有益效果是本专利技术提高了去噪算法的执行速度，解决了使用全局阈值去噪后信号畸变的问题；同时提高了 QRS波检测精度，加快了检测算法的识别速度。算法中选用的小波提升法和差分法，本文档来自技高网...
【技术保护点】
１．一种可集成的心电信号去噪和ＱＲＳ波识别的快速算法，其特征在于包括以下步骤：（１）根据确定的分解层数Ｎ，对心电采样信号Ｘ利用ＤＢ４小波进行Ｎ层小波提升分解；（２）求取对各层高频系数进行处理的阈值；（３）将第Ｎ层低频系数置零；（４）对各层高频系数进行阈值去噪处理；（５）由第Ｎ层开始逐层重构得到去噪后信号Ｙ，其中将重构得到的第Ａ层低频系数保存；（６）利用差分方法，求取差分结果；（７）在差分结果中求取识别模极大值对的正负阈值，所述模极大值对包括一模极大值和一模极小值；（８）基于正负阈值在差分结果中识别模极值对，并记录极值位置；（９）在模极值序列中采用漏检回溯策略进行漏检查询；（１０）采用误检策略进行误检查询；（１１）根据模极值对的位置，找出重构信号中的相对模极值位置，进行ＱＲＳ波定位。
【技术特征摘要】
1.一种可集成的心电信号去噪和QRS波识别的快速算法，其特征在于包括以下步骤(1)根据确定的分解层数N，对心电采样信号X利用DB4小波进行N层小波提升分解；(2)求取对各层高频系数进行处理的阈值/Ari；(3)将第N层低频系数置零；(4)对各层高频系数进行阈值去噪处理；(5)由第N层开始逐层重构得到去噪后信号Y，其中将重构得到的第A层低频系数CA 保存；(6)利用差分方法，求取CA差分结果β；(7)在差分结果k中求取识别模极大值对的正负阈值，所述模极大值对包括一模极大值和一模极小值；(8)基于正负阈值在差分结果β中识别模极值对，并记录极值位置；(9)在模极值序列中采用漏检回溯策略进行漏检查询；(10)采用误检策略进行误检查询；(11)根据模极值对的位置，找出重构信号中的相对模极值位置，进行QRS波定位。2.根据权利要求1所述的一种可集成的心电信号去噪和QRS波识别的快速算法，其特征在于步骤(1)中确定小波提升分解层数N，其中N为满足条件:的最小正整数，F为心电信号采样频率。3.根据权利要求1所述的一种可集成的心电信号去噪和QRS波识别的快速算法，其特征在于步骤(2)中各层高频系数处理的阈值Ari =碍x^/21og( ) χσ,其中为需要进行阈值处理信号长度，α,为各层阈值加权系数，σ= ^^(MWl)其中为小波各...
【专利技术属性】
技术研发人员：司玉娟，姚成，郎六琪，施蕾，韩松洋，
申请(专利权)人：吉林大学珠海学院，
类型：发明
国别省市：44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。