本发明专利技术公开了一种基于极值域均值模式分解和改进Hilbert包络的R波检测算法，属于微弱生物电信号处理技术领域。本发明专利技术提出了一种极值域均值模式分解和改进Hilbert包络的心电信号进行预处理算法以及基于斜率阈值的心电R波检测算法，根据心电信号的波形特点及时域分布特性设定检测准则，对心电信号中特征最明显并且信息量最高的R波位置进行检测。本发明专利技术中极值域均值模式分解算法既提高了经验模式分解的速度，又能有效地抑制了模式混叠和边界效应；本发明专利技术提出的改进Hilbert包络既能有效地抑制噪声和其它特征波的干扰，又能增强R波的能量。该算法即使在强噪声和大P/T波干扰的情况下也能准确检测出R点位置，利用MIT-BIH数据库对本发明专利技术算法进行检验，本发明专利技术算法的灵敏度为99.94％，阳性预测率为99.87％。
【技术实现步骤摘要】
本专利技术属于微弱生物电信号处理
，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。
技术介绍
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是当今医学界面临的首要问题。用于诊断心脏病的主要技术之一是心电图(electrocardiogram, ECG),由于心电图诊断心脏病和心血管疾病的方法具有无创性,方便易行使心电图诊断在临床上的到了广泛的应用。无创的体表电极采集到的心电信号比较微弱，仅为毫伏级，所以ECG信号极易受到外界环境干扰。这些干扰包括工频干扰、基线漂移、肌电干扰、电极接触噪声、电极极化噪声、运动干扰和放大电路内部噪声。为了抑制各种干扰，增强心电信号中的有效成分，提高心电特征点检测的准确率，除了对心电记录仪的硬件抗干扰能力有较高的要求外，对采集到的ECG信号经模数转换后的数字滤波处理也是非常重要的。目前ECG信号的R波位置检测方法有很多，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。这些算法在有其处理优越性的同时也存在着不足，如滤波法，设计思想简单，处理速度快，大多可实现实时检测，但检测精度不够高。神经网络法虽然检测速度比较快，精度也比较高，但需要依靠人工网络的学习训练，不仅对训练样本的广泛性和代表性有较高的要求，而且训练学习要花费较多的时间，实际应用困难。数学形态学算法对信号前期的预处理要求高，并且计算量较大。小波变换法以其优越的时频局域特性在心电信号处理方面得到广泛的研究与应用，但是小波基的选择是一个重要而复杂的问题，到目前为止还没有一个小波基函数选择的标准。经验模式分解法与小波变换方法一样具有时频局域特性，1998年Huang提出的经典经验模式分解法计算一次均值需要两次的三次样条拟合运算，比较费时，该分解方法所得数据端点处摆动较大，在波形不对称的情况下得不到正确的均值，在信号分解过程中易产生模式混叠。为克服经典的经验模式分解方法的这些缺点，本专利技术采用极值域均值模式分解法，在求极值点的均值时利用中值定理使用局部信号中的所有数据，因此能够得到正确的局部均值；在处理两端点数据时，通过波形匹配的方法，能有效避免边界效应，提高数据分解的精度和时频分辨率同时提高了分解的速度。本专利技术首先采用巴特沃斯低通滤波器去除心电信号中的高频噪声干扰，再通过极值域均值分解的方法对心电信号进行去噪处理，为了提高R波检测准确率，本专利技术通过一种改进Hilbert包络在增强R波能量的同时能够很好的抑制噪声和大P/Τ波的干扰，该算法在确保准确率的同时运算速度相对较快，可用于临床上心电图仪采集的心电信号处理与检测。
技术实现思路
本专利技术的目的在于克服上述现有技术的缺点与不足，提供一种基于极值域均值分解与改进Hilbert包络的心电信号预处理算法和基于斜率阈值的心电信号的R波位置检测算法。本专利技术的心电特征检测算法既能达到很高的检测精度，同时提高了模式分解的速度，有效的抑制了模式混叠和边界效应。本专利技术通过以下技术方案实现:基于极值域均值模式分解和改进Hilbert包络的R波检测算法的实现步骤如下:(I)从MIT-BIH数据库中提取心电信号x(t)，确定确定巴特沃斯低通滤波器的截止频率，对心电信号进行低通滤波；(2)通过极值域均值模式分解的方法对滤波后的心电信号进行分解；(3)确定重构心电信号MFs分量，对心电信号进行重构得重构信号y(t)；(4)对重构心电信号y(t)进行Hilbert变换并取改进的近似包络，完成心电信号的预处理得信号z (t)；(5)设定R波检测的斜率阈值Th，依照斜率阈值检测策略，对信号z(t)进行R波位置的检测；(6)采用误检策略以及漏检回溯策略进行误检与漏检的查询。在上述步骤(I)中，根据心电信号的频率分布特性，确定巴特沃斯低通滤波的截止频率为35Hz。 在上述步骤(3)中，重构心电信号时，舍掉高尺度低频干扰信号，选择前4个MFs分量对心电信号进行重构。在上述步骤(4)中，本专利技术提出一种改进的近似包络，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/τ的干扰，比传统包络更容易实现R波的检测。在上述步骤(5)中，由于预处理后心电信号中R波斜率明显增大，所以本专利技术提出基于斜率阈值的特征检测算法。在上述步骤￠)中，在对R波进行检测时，设置一定的误检策略、漏检回溯策略以及跳检策略。为防止漏检，当检测到的R点为第一个R点，且i > 460，则降低阈值重新检测；如果当前检测到的R点为第二个，且R(2)-R(l) > 460，则降低阈值重新检测；若当前检测到的R点为第k(k>2)个，且R(k)-R(k-l)>1.66@，则降低阈值重新检测。为防止误检，据绝对不应期概念，检测当前确定的R点后200ms内是否有更大峰值，若存在，则用更大峰值点代替原检测到的R点。从当前检测到的R点处跳过360ms，继续检测。仿真实验结果表明，该跳检策略既能提高检测效率也不会导致漏检。本专利技术的心电信号特征点检测算法的效果和益处是:本专利技术首先对心电信号进行低通滤波滤除高频噪声的干扰，降低极值域均值分解的分解层数，降低计算量；去噪所采用的极值域均值模式分解的方法提高了分解速度，有效地抑制了模态混叠。经过改进近似包络处理，提高了 R波的检测精度，也使得其它特征点的检测精度有所提高。该处理算法检测精度高，运算速度较快，占用内存空间少，便于软件和硬件的实现。附图说明图1是本专利技术算法总体流程图；图2是心电信号预处理及R波检测流程图；图3是本专利技术中巴特沃斯低通滤波器的频率特性曲线；图4是心电信号中加入高斯噪声、工频干扰和基线漂移噪声后，用本专利技术的预处理算法去噪的效果图；图5是本专利技术检测算法的心电特征检测结果图；图6是本专利技术算法成功去除伪迹干扰图；图7是本专利技术算法在存在基线漂移的情况下成功检测为弱R波图；图8是本专利技术算法在大T波干扰下成功检测R波位置图。具体实施例方式以下结合技术方案和附图详细叙述本专利技术的具体实施例。本专利技术基于滤波、极值域均值模式分解、改进Hilbert包络和斜率阈值的心电图信号中R波的检测算法，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:1.巴特沃斯低通滤波根据心电信号特征波形以及噪声的频域分布特性，首先利用巴特沃斯低通滤波器滤除心电信号中的高频噪声，本专利技术设置巴特沃斯低通滤波器的截止频率为35Hz，能够保留90%以上的QRS波能量和绝大部分的P波和T波能量，图3为本专利技术中的巴特沃斯低通滤波器的频率特性曲线。经低通滤波后降低了心电信号的频率分布，减少了下一步的极值域均值模式分解的层数，缩短处理时间。2.极值域均值模式分解首先求出信号s⑴的局部极值点，组成极值点序列e Ui)，根据积分中值定理求出任意两极值点e(ti)和e(ti+1)间的局部中值为:权利要求1.一种基于极值域均值模式分解和改进Hilbert包络的R波检测算法，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)，对心电信号进行巴特沃斯低通滤波； (2)对滤波后的心电信号进行极值域均值模式分解； (3)确定重构心电信号的IMFs分量，对心电信号进行重构得重构信号本文档来自技高网...
【技术保护点】
一种基于极值域均值模式分解和改进Hilbert包络的R波检测算法，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)，对心电信号进行巴特沃斯低通滤波；(2)对滤波后的心电信号进行极值域均值模式分解；(3)确定重构心电信号的IMFs分量，对心电信号进行重构得重构信号y(t)；(4)对重构心电信号y(t)进行Hilbert变换并取改进的近似包络，完成心电信号的预处理得信号z(t)；(5)制定基于斜率阈值的R波检测策略，设置R波检测的斜率阈值Th，依照斜率阈值检测策略，对信号z(t)进行R波位置的检测；(6)采用误检策略以及漏检回溯策略进行误检与漏检的查询。
【技术特征摘要】
【专利技术属性】
技术研发人员：李鸿强，王小飞，陈磊，
申请(专利权)人：天津工业大学，
类型：发明
国别省市：
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。