CN101843480A - 处理生物电信号的方法及装置 - Google Patents
处理生物电信号的方法及装置 Download PDFInfo
- Publication number
- CN101843480A CN101843480A CN 200910129139 CN200910129139A CN101843480A CN 101843480 A CN101843480 A CN 101843480A CN 200910129139 CN200910129139 CN 200910129139 CN 200910129139 A CN200910129139 A CN 200910129139A CN 101843480 A CN101843480 A CN 101843480A
- Authority
- CN
- China
- Prior art keywords
- chamber
- yardstick
- detail coefficients
- fragment
- extreme point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
本发明实施例公开一种处理生物电信号的方法及装置。该方法包括:将采样的心电信号进行小波分解;在第五尺度的细节系数中确定符合第一设定条件的第一极值点;根据各符合第一设定条件的第一极值点出现的频率关系及其对应波形的振幅关系确定室扑和室颤片段;将确定的室扑和室颤片段对应在第一尺度和第二尺度的第一片段的细节系数置零。相应的,本发明实施例还提供一种处理生物电信号的装置。本发明实施例的技术方案能够更有效地对心电信号噪声进行抑制和消除处理。
Description
技术领域
本发明涉及信号处理技术领域,具体涉及一种处理生物电信号的方法及装置。
背景技术
心电信号的检测和分析是心脏疾病临床诊断中的重要环节,其分析结果将会直接影响对患者病情的判断及后续的治疗。心电信号可以通过心电图(ECG,Electrocardiogram)反映。心电信号通常是由一些特殊的波,例如P波、QRS波、T波等组成,其中P波代表了心房兴奋的传播过程,QRS波代表了心室兴奋的传播过程,T波则反映了心室兴奋后的复极的过程。在心电信号自动分析领域,心电信号的噪声抑制和消除是比较关键的问题。心电信号噪声主要包括工频干扰噪声、肌电干扰噪声、基线漂移噪声等,其中工频干扰噪声主要来源于工作电源的干扰,干扰频率比较稳定,为50Hz及其谐波,其幅值变动较小;肌电干扰噪声是由于肌肉紧张引起,具有很大的随机性,属于高频部分,其频谱特性接近白噪声;基线漂移噪声由人体呼吸引起,表现为ECG基线随呼吸产生周期性漂移,一般其频率低于1Hz。
为了抑制和消除心电信号噪声,现有技术中存在一种基于小波变换的ECG去噪方法。该方法主要采用Coif4小波对采样的心电信号进行尺度的分解,将第9尺度的近似系数设置为零,以滤除基线漂移噪声;对第一尺度的细节系数按照给定阈值进行适当的衰减,从而抑制肌电干扰噪声;对第二和第三尺度的细节系数按照给定阈值进行适当衰减,以滤除工频干扰噪声;最后重构以上处理后的系数,实现滤波,从而通过滤波抑制和消除心电信号噪声。
在对现有技术的研究和实践过程中,发明人发现现有技术存在以下问题:
现有技术对于室扑和室颤片段不能较好识别,也没有对室扑和室颤片段的细节系数进行处理,使得抑制和消除心电信号噪声的效果受到影响。
发明内容
本发明实施例要解决的技术问题是提供一种处理生物电信号的方法及装置,能够更有效地对心电信号噪声进行抑制和消除处理。
为解决上述技术问题,本发明所提供的实施例是通过以下技术方案实现的:
一种处理生物电信号的方法,包括:
将采样的心电信号进行小波分解;
在第五尺度的细节系数中确定符合第一设定条件的第一极值点;
根据各符合第一设定条件的第一极值点出现的频率关系及其对应波形的振幅关系确定室扑和室颤片段;
将确定的室扑和室颤片段对应在第一尺度和第二尺度的第一片段的细节系数置零。
一种处理生物电信号的装置,包括:
信号分解单元,用于将采样的心电信号进行小波分解;
室扑和室颤处理单元,用于在第五尺度的细节系数中确定符合第一设定条件的第一极值点;根据各符合第一设定条件的第一极值点出现的频率关系及其对应波形的振幅关系确定室扑和室颤片段;将确定的室扑和室颤片段对应在第一尺度和第二尺度的第一片段的细节系数置零。
上述技术方案可以看出,本发明实施例技术方案是在将采样的心电信号进行小波分解后,考虑室扑和室颤的能量主要体现在第五尺度,因此在第五尺度的细节系数中确定符合设定条件的极值点,并根据各极值点出现的频率关系及其对应波形的振幅关系确定室扑和室颤片段,从而识别出室扑和室颤片段,之后再将确定的室扑和室颤片段对应在第一尺度和第二尺度的片段的细节系数进行置零处理,从而就可以将这些细节系数对应的噪声消除,提高对心电信号噪声进行抑制和消除处理的效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,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发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例处理生物电信号的方法流程图;
图2是本发明另一实施例处理生物电信号的方法流程图;
图3是本发明实施例小波分解的尺度系数示意图;
图4是本发明实施例细节系数D5中满足条件的极值点示意图;
图5是本发明实施例图4中系数对应的原始的心电信号示意图;
图6是本发明实施例细节系数D4中满足条件的极值点示意图;
图7是本发明实施例图6中系数对应的原始的心电信号示意图;
图8是本发明实施例尺度3进行系数处理后的示意图;
图9是本发明实施例处理生物电信号的装置结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例提供一种处理生物电信号的方法,能够更有效地对心电信号噪声进行抑制和消除处理。
本发明实施例技术方案是使用了小波变换方法,在小波变换中涉及三个重要概念,近似系数An、细节系数Dn和尺度。近似系数An和细节系数Dn的下标n就表示各自的第n尺度,也就是对信号做第n次的分解。n越高表示越高尺度,反之表示越低尺度。
图1是本发明实施例处理生物电信号的方法流程图,包括步骤:
步骤101、将采样的心电信号进行小波分解;
步骤102、在第五尺度的细节系数中确定符合第一设定条件的第一极值点;
步骤103、根据各符合第一设定条件的第一极值点出现的频率关系及其对应波形的振幅关系确定室扑和室颤片段;
步骤104、将确定的室扑和室颤片段对应在第一尺度和第二尺度的第一片段的细节系数置零。
其中,所述在第五尺度的细节系数中确定符合第一设定条件的第一极值点具体为:
设定参考上限正值和参考下限负值,在第五尺度的细节系数中查找出大于所述参考上限正值或小于所述参考下限负值的第一极值点。
其中,所述根据各符合第一设定条件的第一极值点出现的频率关系及其对应波形的振幅关系确定室扑和室颤片段具体为:
在查找出的大于所述参考上限正值或小于所述参考下限负值的第一极值点中,查找设定时间内出现的极值点数目大于或等于设定极值点数目,或者极值点数目为零的第二片段;确定查找出的第二片段对应的进行尺度分解前的原始片段,确定原始片段中斜率最大的第三极值点,将第三极值点与相邻的极值点确定一个波形,若该波形与相邻波形的振幅满足预设关系,则将所述查找出的第二片段确定为室扑和室颤片段。
从以上实施例的内容可以看出,本发明实施例技术方案是在将采样的心电信号进行小波分解后,考虑室扑和室颤的能量主要体现在第五尺度,因此在第五尺度的细节系数中确定符合设定条件的极值点,并根据各极值点出现的频率关系及其对应波形的振幅关系确定室扑和室颤片段,从而识别出室扑和室颤片段,之后再将确定的室扑和室颤片段对应在第一尺度和第二尺度的片段的细节系数置零,从而就可以将这些细节系数对应噪声消除,提高对心电信号噪声进行抑制和消除处理的效果。
以下进一步详细介绍本发明实施例二技术方案。实施例二相比于实施例一,更具体描述了本发明实施例技术方案。
图2是本发明另一实施例处理生物电信号的方法流程图。该实施例采用一种处理生物电信号的装置(例如是心电信号处理器或滤波器等),对心电信号噪声进行抑制和消除处理。如图2所示,该装置执行以下步骤:
步骤201、将采样的心电信号进行小波分解。
该步骤中是将采样的心电信号按现有方法进行小波分解。
这里所说的采样的心电信号,可以是直接按设定频率进行采样的心电信号,例如是按360Hz进行采样的心电信号,另外也可以是按非设定频率采样后再按设定频率进行重采样的心电信号,例如将按非360Hz进行采样的心电信号再按360Hz进行重采样,从而得到所需心电信号。
如果是进行重采样,本发明实施例中为保证重采样过程较高的采样拟合精度,进行重采样时是采用三次样条插值算法进行重采样。采样的样条曲线实际上是由分段的三段曲线并接而成,在连接点即采样点上要求二阶导数连续。其中,各段曲线要确定4个待定系数,因此三次样条插值算法的核心问题就是求解这些系数。本发明实施例对三次样条插值算法进行改进,具体如下:
假设所有需要求解的系数构成列向量X=[x1x2...xn]T,则X应满足下式:
An×nX=Bn×1 (3)
其中:
B=[b1b2...bn] (5)
其中,式(3)是一个线性方程,A是一个稀疏矩阵。现有技术中这类矩阵的每个元素是按照“[行号,列号,元素取值]”的格式进行存储,X的求解采用高斯约当法对增广矩阵[A B]作初等行变换,当A变换为单位阵时,增广矩阵的右侧向量即为X。当现有技术这种运算过程使得内存消耗较大,并且比较费时。
本发明实施例技术方案中,三次样条插值算法使用的稀疏矩阵中的元素按一维数组进行存储,所述元素在所述稀疏矩阵中的行号和列号根据所述元素在一维数组中的位置确定。
具体而言,三次样条插值算法可以用C语言实现,在稀疏矩阵A仅存储元素的取值,而元素所在的行号及列号是据地址的偏离量确定。即将稀疏矩阵A按照一维数组进行存储,而且仅存储其中的非0元素。这样,稀疏矩阵A的首地址存储变量就是a11,根据相对首地址的偏移量就可获得其他的变量值。例如数组第4个元素为a22,第5个元素为a23,第6个元素为a31,依此类推。
另外,本发明实施例技术方案在按高斯约当算法进行初等行变换时,仅作必须的运算,即只对行号和列号相同的元素进行运算。根据高斯约当算法,每做一次行变换,所涉及的两行元素都应该参与操作,如第一次行变换对稀疏矩阵的运算为:a21=a21-a11a21/a11=0;a22=a22-a12a21/a11;相应对向量B的运算为b2=b2-b1a21/a11。根据稀疏矩阵A的特点,其实除了需要进行a22=a22-a12a21/a11的运算,其他的运算都不必要。因为运算结果要么为0,要么不会对后续向量B的运算产生影响。例如第一次变换所必须的运算为a22=a22-a12a21/a11,不再作与a21、a23相关的减运算;依此类推,首先消除所有{an,n-1:n=2,3,...,N}元素,然后逆序消除{an-1,n:n=1,2,...,N-1}元素,最后将右侧列向量各元素分别除以对应在左侧矩阵对角线上的元素,即可得到X。
需要说明的是,在稀疏矩阵A和向量B运算过程中,所有中间变量仍存储在同一地址,例如第一次变换得到的a22仍存储在其原所在地址。
经过试验,发现通过上述在存储方式及运算方式方面的改进,使得本发明实施例的算法相对于现有算法减少了内存消耗和运算时间。在同等计算机硬件环境和操作系统下,使得本发明实施例算法,内存消耗为现有消耗的1/3,运算时间为现有的1/10。
步骤201按现有方法进行小波分解,选用的是消失矩为8的小波基Sym8,分解层数为9层。当然,也可以采用其他小波基。
该步骤利用现有的小波分解原理,在计算上可以采用多分辨分析Mallat算法。Mallat算法的过程是:先将原信号分解成其逼近信号1和细节信号1,即小波分量1;再将逼近信号1分解成其逼近信号2和细节信号2,即小波分量2;再将逼近信号2分解。以此类推,即可得到原信号的所有小波分量。逼近信号1的尺度系数为近似系数A1,细节信号1的尺度系数为细节系数D1;逼近信号2的尺度系数为近似系数A2,细节信号1的尺度系数为细节系数D2;以此类推。具体可以参阅图3,图3是本发明实施例小波分解的尺度系数示意图。
需要说明的是,步骤201将采样的心电信号进行小波分解之前,还可以先采用陷波滤除心电信号的工频干扰噪声。采用陷波滤除工频干扰噪声,可以直接采用现有公知的传统滤波方法,例如采用有限长冲激响应(FIR)滤波器或无限频率响应(IIR)滤波器滤除工频干扰噪声。滤波时的传递函数为:
步骤202、进行基线漂移抑制。
该步骤中将小波分解后的第九尺度的近似系数A9置零,相当于消除了基线漂移噪声,从而达到对心电信号的基线漂移噪声进行抑制。
步骤203、对室扑和室颤片段进行识别,并将室扑和室颤片段对应的片段的细节系数进行处理。
心电信号中的室扑和室颤所处的频带相对于QRS波是处在低频部分,采样的心电信号经小波变换分解后,其中室扑和室颤的能量大小主要反映在尺度5的小波空间中,在尺度6中也有少部分存在。本发明实施例主要在尺度5上进行室扑和室颤片段的识别,根据识别结果确定在其他尺度中的对应片段,将这些对应片段对应的细节系数进行处理,从而消除室扑和室颤段的高频噪声。
该步骤中包括:
1)在设定时间内(例如前10秒(s),当然也可以是别的时间段)的采样信号对应的细节系数D5中,获取每秒对应的细节系数幅度最大值的绝对值。计算这些幅度最大值的绝对值的平均值,将平均值的设定比例值例如平均值的1/3和1/10分别作为参考上限正值和参考下限负值,找出D5系数中所有大于参考上限正值或小于参考下限负值的极值点。也即在大于零的极值点中,查找幅度值的绝对值大于参考上限正值的绝对值的极值点,在小于零的极值点中,查找幅度值的绝对值大于参考下限负值的绝对值的极值点。具体请参见图4,图4是本发明实施例细节系数D5中满足条件的极值点示意图。图4中,波形反映了细节系数,波形的幅度就是细节系数的系数值,Y轴表示幅度,X轴表示时间。其中所有满足条件的极值点采用字母h表示(图中只对一个极值点标注h进行示例,其他极值点省略标注h)。图5是本发明实施例图4中系数对应的原始的心电信号示意图,Y轴表示幅度,X轴表示时间。
需要说明的是,上述所说的1/3和1/10为经验值,也可以取该两值的相近值。
2)查找出D5中连续设定时间(例如3秒时间)内包含的极值点数目大于或等于设定数目(例如为12个)或者数目为0个的系数片段。数目为0,一般可能是发生了室颤,数目大于或等于设定数目(例如为12个),一般可能是发生室扑。需要说明的是,所说的设定数目为12是经验值,也可以取相近值例如11或13等。
3)将查找出符合条件的系数片段记为定位其对应的原始的心电信号片段记为Segi,其中i值表示处于的片段值,例如i为1表示处于第一个片段。在Segi片段中查找斜率最大的极值点,记为Poini。该极值点可能是最大极值点,也可能是最小极值点。斜率可以反映出波形上升或下降的陡峭程度,斜率最大,表明最陡峭。如其为最大极值点,该极值点为波峰点,则查找出其紧邻的波谷点;如其为最小极值点,该极值点为波谷点,则查找出其紧邻的波峰点。查找出的波峰点和波谷点将确定一个波Wavei,这种波Wavei的波峰点或波谷点一般是QRS波群主波的所在位置。然后在Segi范围内查找出波Wavei紧邻设定时间(例如350ms)内的另一个波Wavei′。如果波Wavei′的振幅介于波Wavei振幅的0.6~1.5倍之间,则确定查找出的系数片段为室扑和室颤片段。
需要说明的是,上述所说的0.6~1.5倍为经验值,也可以取该两值的相近值。
步骤204、对QRS波片段进行识别,并对非QRS波片段对应的细节系数进行处理。
心电信号中的QRS波的频带一般处在相对高频部分,中心频率大约为17Hz左右,能量大小主要反映在尺度3和尺度4的小波空间中,而对于一些高频成分多的QRS波群,如起搏心拍,其能量在尺度1和尺度2的小波空间中也有显著有效分量。另外,相邻QRS波群之间的P波和T波所处频带较QRS波要低,分别处在0~8Hz和0~11Hz。
对QRS波片段进行识别和处理的过程中,需要识别出各系数层的QRS波片段,QRS波片段的细节系数在处理过程中将予以保留,而对应P波和T波的高频部分的细节系数将予以置零,以滤波其中的肌电噪声。
步骤204包括:
(一)在尺度4中对QRS波片段进行识别,并进行细节系数处理。
1)根据步骤203的室扑和室颤片段的识别结果,分离出尺度4中非室扑和室颤部分;
根据步骤203在尺度5识别出的室扑和室颤片段,则可以确定该室扑和室颤片段在尺度4中对应的室扑和室颤片段,从而可以分离出尺度4中非室扑和室颤片段部分。
2)针对分离出的尺度4中非室扑和室颤片段部分,在设定时间内(例如前10秒(s))的采样信号对应的细节系数D4中,获取每秒对应的细节系数幅度最大值的绝对值。计算这些幅度最大值的绝对值的平均值,将平均值的的设定比例值例如平均值的2/5分别作为参考上限正值和参考下限负值,找出D4系数中所有大于参考上限正值或小于参考下限负值的极值点,也即在大于零的极值点中,查找幅度值的绝对值大于参考上限正值的绝对值的极值点,在小于零的极值点中,查找幅度值的绝对值大于参考下限负值的绝对值的极值点。具体请参见图6,图6是本发明实施例细节系数D4中满足条件的极值点示意图。图6中,波形反映了细节系数,波形的幅度就是细节系数的系数值,Y轴表示幅度,X轴表示时间。其中所有满足条件的极值点采用字母m表示(图中只对一个极值点标注m进行示例,其他极值点省略标注m)。图7是本发明实施例图6中系数对应的原始的心电信号示意图,Y轴表示幅度,X轴表示时间。
需要说明的是,如果设定时间例如200ms内出现两个极值点,则仅取幅度更大的极值点,因为200ms内不可能出现两个QRS波群。其中,200ms为经验值。另外,当两个相邻QRS波群间隔过大时,可以降低阈值进行二次搜索,以避免QRS波群的漏检。这里所说的间隔过大,是指例如超过已检出的QRS波群的平均间隔的1.5倍,其中1.5为经验值。
3)将上述确定的极值点组成的片段确定为QRS波片段。
如图6所示,线段L1对应的波形范围就是确定的QRS波片段。
4)将确定的QRS波片段的细节系数保留,将非QRS波片段的细节系数进行置零处理。
(二)在尺度3中对QRS波片段进行识别,并进行细节系数处理
1)根据步骤203的室扑和室颤片段的识别结果,分离出尺度3中非室扑和室颤部分;
根据步骤203在尺度5识别出的室扑和室颤片段,则可以确定该室扑和室颤片段在尺度3中对应的室扑和室颤片段,从而可以分离出尺度3中非室扑和室颤片段部分。
2)针对分离出的尺度3中非室扑和室颤片段部分,根据尺度4定位的QRS波群位置,确定尺度3中对应的片段为QRS波群位置;
各尺度的细节系数之间是存在线性的对应关系,假设在尺度4定位的一个QRS波群位置在第10个点,其前一个QRS波群位置为第5个点,后一个波群位置为第15个点,则尺度4第10个点位置的QRS波群对应到第3尺度的QRS波群位置,处于从第10(5*2=10)个点,到第30(15*2=30)个点之间,即这一段中系数幅值最大的点。需要说明的是,上述所说的处于第几个点只是举例说明,也可以处于其他点,例如在尺度4定位的一个QRS波群位置在第9个点等。
3)将确定的QRS波群中各波群峰点两侧至少3个极值点所覆盖范围内的细节系数予以保留,其余的作置零处理。具体参见图8,图8是本发明实施例尺度3进行系数处理后的示意图。
需要说明的是,上述所说的至少3个极值点为经验值,也可以取该其他相近值。
(三)在尺度2中对QRS波片段进行识别,并进行细节系数处理
1)根据步骤203的室扑和室颤片段的识别结果,分离出尺度2中非室扑和室颤部分;
根据步骤203在尺度5识别出的室扑和室颤片段,则可以确定该室扑和室颤片段在尺度2中对应的室扑和室颤片段,从而可以分离出尺度2中非室扑和室颤片段部分。
2)针对分离出的尺度3中非室扑和室颤片段部分,对尺度2细节系数进行评估,当判断出尺度2的细节系数像尺度3的细节系数一样周期性地出现幅度较大的系数时,则认为尺度2存在有用的QRS波。根据尺度3定位的QRS波群位置,确定尺度2中对应的片段为QRS波群位置;将确定的QRS波群中各波群峰点两侧至少3个极值点所覆盖范围内的细节系数予以保留,其余的作置零处理,从而消除噪声。当判断出尺度2的细节系数没有像尺度3的细节系数一样周期性地出现幅度较大的系数时,则将尺度2的细节系数作置零处理,尺度1的细节系数也作置零处理。
所说的周期性地出现幅度较大的系数,例如取尺度3中,所保留下来的系数片段对应到尺度2的系数片段为如果片段的系数功率,超过与中间等长片段的系数功率的设定倍数例如1.5倍(为经验值)以上,并且在10s的信号中,超过5个(为经验值)片段均出现上述情况,则认为周期性地出现了幅度较大系数。
(四)在尺度1中对QRS波片段进行识别,并进行细节系数处理
1)根据步骤203的室扑和室颤片段的识别结果,分离出尺度1中非室扑和室颤部分;
2)对尺度1细节系数进行评估,当判断出尺度1的细节系数像尺度2的细节系数一样周期性地出现幅度较大的系数时,则认为尺度1存在有用的QRS波,则根据尺度2定位的QRS波群位置,确定尺度1中对应的片段为QRS波群位置;将确定的QRS波群中各波群峰点两侧至少3个极值点所覆盖范围内的细节系数予以保留,其余的作置零处理。当判断出尺度1的细节系数没有像尺度2的细节系数一样周期性地出现幅度较大的系数时,则将尺度1的细节系数作置零处理。
所说的周期性地出现幅度较大的系数,例如取尺度3中,所保留下来的系数片段对应到尺度2的系数片段为如果片段的系数功率,超过与中间等长片段的系数功率的设定倍数例如1.5倍以上,并且在10s的信号中,超过5个片段均出现上述情况,则认为周期性地出现了幅度较大系数。
步骤205、进行小波重构。
上述对各尺度进行系数处理后,则可以根据处理的系数进行小波重构,得到重构后的心电信号。因为上述进行系数处理,可以消除一些对应的噪声,因此重构的心电信号是抑制和消除噪声后的心电信号。
另外,如果上述过程中是进行重采样的心电信号,则按相反的过程进行重采样,将其恢复为原采样频率。
从以上实施例内容可以看出,本发明实施例技术方案在将采样的心电信号进行小波分解后,通过对室扑和室颤片段进行识别,根据识别结果将室扑和室颤片段对应的片段进行细节系数处理,并通过对QRS波片段进行识别,根据识别结果对QRS波片段和非QRS波片段进行细节系数处理,从而将一些噪声进行了消除,提高了对心电信号噪声进行抑制和消除处理的效果。另外,本发明实施例技术方案在进行重采样时,进行存储方式及运算方式方面的改进,使得本发明实施例的算法相对于现有算法减少了内存消耗和运算时间。还有,本发明实施例技术方案通过引入重采样,使得可以适用于任意按照现有采样频率采集的心电信号。
上述内容详细介绍了本发明实施例处理生物电信号的方法,相应的,本发明实施例提供一种处理生物电信号的装置。
图9是本发明实施例处理生物电信号的装置结构示意图。
如图9所示,装置包括:信号分解单元91、室扑和室颤处理单元92。
信号分解单元91,用于将采样的心电信号进行尺度分解;
室扑和室颤处理单元92,用于在第五尺度的细节系数中确定符合第一设定条件的第一极值点;根据各符合第一设定条件的第一极值点出现的频率关系及其对应波形的振幅关系确定室扑和室颤片段;将确定的室扑和室颤片段对应在第一尺度和第二尺度的第一片段的细节系数置零。
该装置还包括:QRS波处理单元93。
QRS波处理单元93,用于根据室扑和室颤片段的确定结果,分离出第四尺度中非室扑和室颤部分;在非室扑和室颤部分中确定符合第二设定条件的第二极值点;根据各符合第二设定条件的第二极值点出现的频率关系确定QRS波片段;将QRS波片段的细节系数保留,将非QRS波片段的细节系数置零。
所述室扑和室颤处理单元92包括:第一查找及处理单元921、第一确定单元922、第一系数处理单元923。
第一查找及处理单元921,用于设定参考上限正值和参考下限负值,在第五尺度的细节系数中查找出大于所述参考上限正值或小于所述参考下限负值的第一极值点;在查找出的大于所述参考上限正值或小于所述参考下限负值的第一极值点中,查找设定时间内出现的极值点数目大于或等于设定极值点数目,或者极值点数目为零的第二片段;
第一确定单元922,用于确定查找出的第二片段对应的心电信号的原始片段,确定原始片段中斜率最大的第三极值点,将第三极值点与相邻的极值点确定一个波形,若该波形与相邻波形的振幅满足预设关系,则将所述查找出的第二片段确定为室扑和室颤片段;
第一系数处理单元923,用于将确定的室扑和室颤片段对应在第一尺度和第二尺度的第一片段的细节系数置零。
所述QRS波处理单元93包括:分离单元931、第二查找及处理单元932、第二确定单元933、第二系数处理单元934。
分离单元931,用于根据室扑和室颤片段的确定结果,分离出第四尺度中非室扑和室颤部分;
第二查找及处理单元932,用于设定参考上限正值和参考下限负值,在第四尺度中非室扑和室颤部分的细节系数中查找出大于所述参考上限正值或小于所述参考下限负值的第二极值点;
第二确定单元933,用于将在设定时间内含有的所述确定的第二极值点组成的片段确定为QRS波片段;
第二系数处理单元934,用于将QRS波片段的细节系数保留,将非QRS波片段的细节系数置零。
所述QRS波处理单元93还包括:第三确定单元935、第三系数处理单元936。
第三确定单元935,用于在所述分离单元931根据室扑和室颤片段的确定结果,进一步分离出第三尺度中非室扑和室颤部分后,根据第四尺度中确定的QRS波片段,确定第三尺度非室扑和室颤部分中对应的片段为QRS波片段;
第三系数处理单元936,用于将第三尺度的QRS波片段中波峰两侧设定数目极值点所覆盖范围内的细节系数保留,将其余细节系数置零。
所述QRS波处理单元93还包括:第四确定单元937、第四系数处理单元938。
第四确定单元937,用于在所述分离单元931根据室扑和室颤片段的确定结果,进一步分离出第二尺度和第一尺度中非室扑和室颤部分后,
若判断出第二尺度的细节系数按照第三尺度的细节系数的规律周期性出现幅度大的系数时,根据第三尺度中确定的QRS波片段,确定第二尺度非室扑和室颤部分中对应的片段为QRS波片段,
若判断出第一尺度的细节系数按照第二尺度的细节系数的规律周期性出现幅度大的系数时,根据第二尺度非室扑和室颤部分中确定的QRS波片段,确定第一尺度中对应的片段为QRS波片段;
第四系数处理单元938,用于将第二尺度和第一尺度的QRS波片段中波峰两侧设定数目极值点所覆盖范围内的细节系数保留,将其余细节系数置零。
该装置还包括:重采样单元94。
重采样单元94,用于将按非设定频率采样的心电信号再按设定频率进行重采样,在重采样过程中采用三次样条插值算法,所述三次样条插值算法使用的稀疏矩阵中的元素按一维数组进行存储,所述元素在所述稀疏矩阵中的行号和列号根据所述元素在一维数组中的位置确定;在进行高斯约当运算时只对行号和列号相同的元素进行运算。
综上所述,本发明实施例技术方案是在将采样的心电信号进行小波分解后,考虑室扑和室颤的能量主要体现在第五尺度,因此在第五尺度的细节系数中确定符合设定条件的极值点,并根据各极值点出现的频率关系及其对应波形的振幅关系确定室扑和室颤片段,从而识别出室扑和室颤片段,之后再将确定的室扑和室颤片段对应在第一尺度和第二尺度的片段的细节系数进行置零处理,从而就可以将这些细节系数对应噪声消除,提高对心电信号噪声进行抑制和消除处理的效果。
进一步的,本发明实施例技术方案还通过对QRS波片段进行识别,并进行细节系数处理,从而将一些噪声进行了消除,进一步提高了对心电信号噪声进行抑制和消除处理的效果。
另外,本发明实施例技术方案在进行重采样时,进行存储方式及运算方式方面的改进,使得本发明实施例的算法相对于现有算法减少了内存消耗和运算时间。还有,本发明实施例技术方案通过引入重采样,使得可以适用于任意按照现有采样频率采集的心电信号。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,例如只读存储器,磁盘或光盘等。
以上对本发明实施例所提供的一种处理生物电信号的方法及装置进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (15)
1.一种处理生物电信号的方法,其特征在于,包括:
将采样的心电信号进行小波分解;
在第五尺度的细节系数中确定符合第一设定条件的第一极值点;
根据各符合第一设定条件的第一极值点出现的频率关系及其对应波形的振幅关系确定室扑和室颤片段;
将确定的室扑和室颤片段对应在第一尺度和第二尺度的第一片段的细节系数置零。
2.根据权利要求1所述的处理生物电信号的方法,其特征在于,在确定室扑和室颤片段后还包括:
根据室扑和室颤片段的确定结果,分离出第四尺度中非室扑和室颤部分;
在非室扑和室颤部分中确定符合第二设定条件的第二极值点;
根据各符合第二设定条件的第二极值点出现的频率关系确定QRS波片段;
将非QRS波片段的细节系数置零。
3.根据权利要求1或2所述的处理生物电信号的方法,其特征在于:
所述在第五尺度的细节系数中确定符合第一设定条件的第一极值点具体为:
设定参考上限正值和参考下限负值,在第五尺度的细节系数中查找出大于所述参考上限正值或小于所述参考下限负值的第一极值点;
所述根据各符合第一设定条件的第一极值点出现的频率关系及其对应波形的振幅关系确定室扑和室颤片段具体为:
在查找出的大于所述参考上限正值或小于所述参考下限负值的第一极值点中,查找设定时间内出现的极值点数目大于或等于设定极值点数目,或者极值点数目为零的第二片段;
确定查找出的第二片段对应的心电信号的原始片段,确定原始片段中斜率最大的第三极值点,将第三极值点与相邻的极值点确定一个波形,若该波形与相邻波形的振幅满足预设关系,则将所述查找出的第二片段确定为室扑和室颤片段。
4.根据权利要求2所述的处理生物电信号的方法,其特征在于:
所述在非室扑和室颤部分中确定符合第二设定条件的第二极值点具体为:
设定参考上限正值和参考下限负值,在第四尺度的细节系数中查找出大于所述参考上限正值或小于所述参考下限负值的第二极值点;
所述根据各符合第二设定条件的第二极值点出现的频率关系确定QRS波片段具体为:
将在设定时间内含有的所述确定的第二极值点组成的片段确定为QRS波片段。
5.根据权利要求4所述的处理生物电信号的方法,其特征在于,还包括:
根据室扑和室颤片段的确定结果,分离出第三尺度中非室扑和室颤部分;
根据第四尺度中确定的QRS波片段,确定第三尺度非室扑和室颤部分中对应的片段为QRS波片段,将第三尺度的QRS波片段中波峰两侧设定数目极值点所覆盖范围外的细节系数置零。
6.根据权利要求5所述的处理生物电信号的方法,其特征在于,还包括:
根据室扑和室颤片段的确定结果,分离出第二尺度和第一尺度中非室扑和室颤部分;
当判断出第二尺度的细节系数按照第三尺度的细节系数的规律周期性出现幅度大的系数时,根据第三尺度中确定的QRS波片段,确定第二尺度非室扑和室颤部分中对应的片段为QRS波片段,将第二尺度的QRS波片段中波峰两侧设定数目极值点所覆盖范围外的细节系数置零;
当判断出第一尺度的细节系数按照第二尺度的细节系数的规律周期性出现幅度大的系数时,根据第二尺度中确定的QRS波片段,确定第一尺度非室扑和室颤部分中对应的片段为QRS波片段,将第一尺度的QRS波片段中波峰两侧设定数目极值点所覆盖范围外的细节系数置零。
7.根据权利要求1所述的处理生物电信号的方法,其特征在于:
所述采样的心电信号为按设定频率采样的心电信号,或者是按非设定频率采样后再按设定频率进行重采样的心电信号。
8.根据权利要求7所述的处理生物电信号的方法,其特征在于:
所述进行重采样包括:
采用三次样条插值算法进行重采样,所述三次样条插值算法使用的稀疏矩阵中的元素按一维数组进行存储,所述元素在所述稀疏矩阵中的行号和列号根据所述元素在一维数组中的位置确定;
在进行高斯约当运算时只对行号和列号相同的元素进行运算。
9.一种处理生物电信号的装置,其特征在于,包括:
信号分解单元,用于将采样的心电信号进行小波分解;
室扑和室颤处理单元,用于在第五尺度的细节系数中确定符合第一设定条件的第一极值点;根据各符合第一设定条件的第一极值点出现的频率关系及其对应波形的振幅关系确定室扑和室颤片段;将确定的室扑和室颤片段对应在第一尺度和第二尺度的第一片段的细节系数置零。
10.根据权利要求9所述的处理生物电信号的装置,其特征在于,还包括:
QRS波处理单元,用于根据室扑和室颤片段的确定结果,分离出第四尺度中非室扑和室颤部分;在非室扑和室颤部分中确定符合第二设定条件的第二极值点;根据各符合第二设定条件的第二极值点出现的频率关系确定QRS波片段;将非QRS波片段的细节系数置零。
11.根据权利要求9或10所述的处理生物电信号的装置,其特征在于,所述室扑和室颤处理单元包括:
第一查找及处理单元,用于设定参考上限正值和参考下限负值,在第五尺度的细节系数中查找出大于所述参考上限正值或小于所述参考下限负值的第一极值点;在查找出的大于所述参考上限正值或小于所述参考下限负值的第一极值点中,查找设定时间内出现的极值点数目大于或等于设定极值点数目,或者极值点数目为零的第二片段;
第一确定单元,用于确定查找出的第二片段对应的心电信号的原始片段,确定原始片段中斜率最大的第三极值点,将第三极值点与相邻的极值点确定一个波形,若该波形与相邻波形的振幅满足预设关系,则将所述查找出的第二片段确定为室扑和室颤片段;
第一系数处理单元,用于将确定的室扑和室颤片段对应在第一尺度和第二尺度的第一片段的细节系数置零。
12.根据权利要求10所述的处理生物电信号的装置,其特征在于,所述QRS波处理单元包括:
分离单元,用于根据室扑和室颤片段的确定结果,分离出第四尺度中非室扑和室颤部分;
第二查找及处理单元,用于设定参考上限正值和参考下限负值,在第四尺度中非室扑和室颤部分的细节系数中查找出大于所述参考上限正值或小于所述参考下限负值的第二极值点;
第二确定单元,用于将在设定时间内含有的所述确定的第二极值点组成的片段确定为QRS波片段;
第二系数处理单元,用于将非QRS波片段的细节系数置零。
13.根据权利要求12所述的处理生物电信号的装置,其特征在于,所述QRS波处理单元还包括:
第三确定单元,用于在所述分离单元根据室扑和室颤片段的确定结果,进一步分离出第三尺度中非室扑和室颤部分后,根据第四尺度中确定的QRS波片段,确定第三尺度非室扑和室颤部分中对应的片段为QRS波片段;
第三系数处理单元,用于将第三尺度的QRS波片段中波峰两侧设定数目极值点所覆盖范围外的细节系数置零。
14.根据权利要求13所述的处理生物电信号的装置,其特征在于,所述QRS波处理单元还包括:
第四确定单元,用于在所述分离单元根据室扑和室颤片段的确定结果,进一步分离出第二尺度和第一尺度中非室扑和室颤部分后,
若判断出第二尺度的细节系数按照第三尺度的细节系数的规律周期性出现幅度大的系数时,根据第三尺度中确定的QRS波片段,确定第二尺度非室扑和室颤部分中对应的片段为QRS波片段,
若判断出第一尺度的细节系数按照第二尺度的细节系数的规律周期性出现幅度大的系数时,根据第二尺度非室扑和室颤部分中确定的QRS波片段,确定第一尺度中对应的片段为QRS波片段;
第四系数处理单元,用于将第二尺度和第一尺度的QRS波片段中波峰两侧设定数目极值点所覆盖范围外的细节系数置零。
15.根据权利要求14所述的处理生物电信号的装置,其特征在于,还包括:
重采样单元,用于将按非设定频率采样的心电信号再按设定频率进行重采样,在重采样过程中采用三次样条插值算法,所述三次样条插值算法使用的稀疏矩阵中的元素按一维数组进行存储,所述元素在所述稀疏矩阵中的行号和列号根据所述元素在一维数组中的位置确定;在进行高斯约当运算时只对行号和列号相同的元素进行运算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200910129139 CN101843480B (zh) | 2009-03-27 | 2009-03-27 | 处理生物电信号的装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200910129139 CN101843480B (zh) | 2009-03-27 | 2009-03-27 | 处理生物电信号的装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101843480A true CN101843480A (zh) | 2010-09-29 |
CN101843480B CN101843480B (zh) | 2013-04-24 |
Family
ID=42768445
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 200910129139 Expired - Fee Related CN101843480B (zh) | 2009-03-27 | 2009-03-27 | 处理生物电信号的装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101843480B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104586383A (zh) * | 2015-01-12 | 2015-05-06 | 北京世纪今科医疗器械有限公司 | 一种心电波形分类方法及装置 |
CN107080522A (zh) * | 2017-03-16 | 2017-08-22 | 深圳竹信科技有限公司 | 信号处理方法及装置 |
CN107341769A (zh) * | 2016-05-03 | 2017-11-10 | 中国科学院微电子研究所 | 一种心电信号除噪方法及系统 |
CN107890347A (zh) * | 2017-09-08 | 2018-04-10 | 曼森伯格(深圳)科技发展有限公司 | 滤除工频干扰信号的控制方法及系统 |
CN109635781A (zh) * | 2018-12-29 | 2019-04-16 | 国网陕西省电力公司电力科学研究院 | 基于小波变换的数字信号粗大数据检测修正方法及系统 |
CN110101383A (zh) * | 2019-04-19 | 2019-08-09 | 长沙理工大学 | 一种基于小波能量的心电信号去噪算法 |
CN111166322A (zh) * | 2020-01-17 | 2020-05-19 | 哈尔滨工业大学 | 心电信号特征波提取方法 |
CN112826514A (zh) * | 2019-11-22 | 2021-05-25 | 华为技术有限公司 | 一种房颤信号的分类方法、装置、终端以及存储介质 |
WO2022036968A1 (zh) * | 2020-08-21 | 2022-02-24 | 生物岛实验室 | 心电图数据增广方法、装置、电子设备及介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1539372A (zh) * | 2003-10-24 | 2004-10-27 | �Ϻ���ͨ��ѧ | 基于高频心电波形的心脏疾病早期诊断的方法及装置 |
US7412282B2 (en) * | 2005-01-26 | 2008-08-12 | Medtronic, Inc. | Algorithms for detecting cardiac arrhythmia and methods and apparatuses utilizing the algorithms |
CN100536765C (zh) * | 2007-07-13 | 2009-09-09 | 天津大学 | 基于进化型小波域维纳去卷积的心电特征提取方法 |
-
2009
- 2009-03-27 CN CN 200910129139 patent/CN101843480B/zh not_active Expired - Fee Related
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104586383A (zh) * | 2015-01-12 | 2015-05-06 | 北京世纪今科医疗器械有限公司 | 一种心电波形分类方法及装置 |
CN107341769A (zh) * | 2016-05-03 | 2017-11-10 | 中国科学院微电子研究所 | 一种心电信号除噪方法及系统 |
CN107080522A (zh) * | 2017-03-16 | 2017-08-22 | 深圳竹信科技有限公司 | 信号处理方法及装置 |
CN107890347A (zh) * | 2017-09-08 | 2018-04-10 | 曼森伯格(深圳)科技发展有限公司 | 滤除工频干扰信号的控制方法及系统 |
CN109635781A (zh) * | 2018-12-29 | 2019-04-16 | 国网陕西省电力公司电力科学研究院 | 基于小波变换的数字信号粗大数据检测修正方法及系统 |
CN109635781B (zh) * | 2018-12-29 | 2020-09-25 | 国网陕西省电力公司电力科学研究院 | 基于小波变换的数字信号粗大数据检测修正方法及系统 |
CN110101383A (zh) * | 2019-04-19 | 2019-08-09 | 长沙理工大学 | 一种基于小波能量的心电信号去噪算法 |
CN112826514A (zh) * | 2019-11-22 | 2021-05-25 | 华为技术有限公司 | 一种房颤信号的分类方法、装置、终端以及存储介质 |
CN111166322A (zh) * | 2020-01-17 | 2020-05-19 | 哈尔滨工业大学 | 心电信号特征波提取方法 |
WO2022036968A1 (zh) * | 2020-08-21 | 2022-02-24 | 生物岛实验室 | 心电图数据增广方法、装置、电子设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN101843480B (zh) | 2013-04-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101843480B (zh) | 处理生物电信号的装置 | |
CN109907752B (zh) | 一种去除运动伪影干扰与心电特征检测的心电诊断与监护系统 | |
Sabherwal et al. | Automatic detection of the R peaks in single-lead ECG signal | |
Nagendra et al. | Application of wavelet techniques in ECG signal processing: an overview | |
CN103405227B (zh) | 基于双层形态学滤波的心电信号预处理方法 | |
CN108113665B (zh) | 一种心电信号自动降噪方法 | |
CN110974217B (zh) | 基于卷积自编码器的双阶段心电信号降噪方法 | |
Tripathi et al. | A review on computational methods for denoising and detecting ECG signals to detect cardiovascular diseases | |
Tinati et al. | A wavelet packets approach to electrocardiograph baseline drift cancellation | |
Manriquez et al. | An algorithm for QRS onset and offset detection in single lead electrocardiogram records | |
Von Borries et al. | Wavelet transform-based ECG baseline drift removal for body surface potential mapping | |
Banerjee et al. | ECG feature extraction and classification of anteroseptal myocardial infarction and normal subjects using discrete wavelet transform | |
CN103932687B (zh) | 一种脉象信号预处理方法和装置 | |
CN103190901A (zh) | 基于极值域均值模式分解和改进Hilbert包络的R波检测算法 | |
Xia et al. | Atrial fibrillation detection using stationary wavelet transform and deep learning | |
Behbahani et al. | Detection of QRS complexes in the ECG signal using multiresolution wavelet and thresholding method | |
CN103750835A (zh) | 一种心电信号特征检测算法 | |
CN113384277B (zh) | 心电数据的分类方法及分类系统 | |
CN104367315A (zh) | 一种提取心电图中j波信号的盲源分离方法 | |
CN115040139A (zh) | 基于双树复小波的心电r波检测方法、设备、介质及产品 | |
CN109009088B (zh) | 基于张量分解的twa多通道融合估计方法 | |
Mukhopadhyay et al. | An ECG data compression method via R-peak detection and ASCII character encoding | |
KR101048763B1 (ko) | 신호 검출 장치 및 방법 | |
Talbi et al. | New method of R-wave detection by continuous wavelet transform | |
CN113786202B (zh) | 一种心电图特征起点和终点检测方法、系统、装置及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20170825 Address after: 201, room 1, building A, No. 518053, front Bay Road, Qianhai, Shenzhen Shenzhen cooperation zone, Guangdong, China Patentee after: Shenzhen Zhitong World Technology Service Co. Ltd. Address before: 518129 Bantian HUAWEI headquarters office building, Longgang District, Guangdong, Shenzhen Patentee before: Huawei Technologies Co., Ltd. |
|
TR01 | Transfer of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130424 Termination date: 20200327 |
|
CF01 | Termination of patent right due to non-payment of annual fee |