CN102274020B - 一种低功耗的动态心电监护仪及其控制方法 - Google Patents

Abstract

一种低功耗的动态心电监护仪及其控制方法，属于医疗器械领域。该动态心电监护仪包括心电信号采集单元、心电信号分析存储单元和上位机。该控制方法，按如下步骤执行：步骤一：采用小波熵最优阈值去噪的方法对采集到的信号进行数字滤波；步骤二：采用形态学滤波的方法，对经步骤1处理的信号进行抑制基线漂移操作；步骤三：采用支持向量机算法，对经步骤2处理过的信号进行病情分类操作。本发明优点：集成度高，具有便携性、紧凑型、经济性的特点。

Description

一种低功耗的动态心电监护仪及其控制方法

技术领域

本发明属于医疗器械领域，特别涉及一种低功耗的动态心电监护仪及其控制方法。

背景技术

据权威调查显示，心血管疾病已经成为世界人口死亡的主要原因之一。每年死于心血管疾病的人数约占死亡总人数的三分之一。因此，对于心电异常情况的发现、预防、治疗及抢救对于挽救生命有着重要的意义。心电图(Electrocardiogram，ECG)是通过人体体表记录出来的反映每个心动周期中心脏兴奋的产生，传导和恢复过程中所伴有的生物电变化。它作为主要反映心脏激动的电学活动量度，一直是心脏疾病诊断领域的研究重点。但由于心电信号出现异常的情况是偶然的，而医院所做的常规的心电图的采集过程一般是记录10秒中的数据，这样很多的心律失常的问题不易被发现。动态心电图(Ambulatory Electrocardiography，AECG)的出现很好的解决了这样的问题，用来采集AECG信号的动态心电监护仪通常可以记录24小时或者48小时的心电图并加以分析来捕捉心律失常信号。由于动态心电监护仪的监护是防止心血管疾病最行有效的方法，它越来越广泛地被应用于临床诊断及科研当中。同时，医护人员对心电监护仪的数量以及质量的要求也不断提高。这种情况在中国尤其明显。因为中国人口众多，所以对心电监护设备的市场需求更大。随着便携式心电监护仪的出现以及它实时性，自动化，持续时间长的特点，AECG监护系统已经在全国各大医院广泛的使用。

AECG监护通常需要在身体上粘贴若干电级并与随身携带的心电采集记录仪器连接来长时间记录人体心电数据。记录结束后通过USB接口将心电数据传输到计算机上，在计算机上首先应用心电数据自动分析软件对心电数据进行预处理，智能分析，医生检验并提供诊断结果，形成统计数据对分析结果形成报告，最终由医生将结果反馈给患者并提供及时的诊断意见。

在这里要指出的是，医院使用的动态心电图监护设备的成本较高，同时患者必须要到医院进行心电数据的采集，给患者带来不便。如果能够使心电监护仪像电子血压计一样走进千家万户，这不但能够增强心电监护设备的实用性，同时也能确保患者得到最及时的诊断与治疗。巨大的利益驱动使得便携式的心电监护设备不断的涌现，相应的心电信号智能分析软件也应运而生。由于AECG的心电信息量远远大于常规心电图，所以极大的增加了心电图分析的工作量，这就使得与便携式监护设备配套的心电信号检测及分析系统的出现成为必然。在不断的探索中人们发现，采用计算机辅助心电医生诊断的方法是最为合理的，既加快了诊断速度，又减少了医生的工作量，显著的提高了医生的工作效率。

目前市场上销售的便携式心电监护设备存在不同程度的缺陷：系统的体积较大，不便于携带，使用不灵活；系统的功耗较大，普通的电池难以维持长时间的监护，同时高功耗也会使得系统的工作温度升高，影响到各部分电路的工作效果及使用寿命；系统的抗干扰能力差，工频干扰和肌电干扰通常会影响测试的精度；常用的心电监护仪不具有病情的智能诊断功能。因此，开发出一种成本低廉，功能完善，使用安全的监护设备并辅助以适合计算机实现又具诊断准确率的智能分析算法称谓了此项产品全面面向市场的关键，本系统的工作正式基于此而展开。

发明内容

为弥补上述设备之不足，本发明提供一种低功耗的动态心电监护仪及其控制方法。

该低功耗的动态心电监护仪包括心电信号采集单元、心电信号分析存储单元和上位机；

心电信号采集单元包括心电电极、导联线和集成模拟前端电路；

心电信号分析存储单元包括供电电路、晶振电路、复位电路、USB接口电路、蜂鸣器电路、液晶屏背光控制电路、键盘电路、SD卡存储电路、LCD液晶屏电路和ARM微处理器电路；

心电信号采集单元的输入端通过心电电极和导联线连接人体，心电信号采集单元的输出端连接心电信号分析存储单元的输入端，心电信号分析存储单元的输出端连接上位机；

心电信号采集单元包括心电电极、导联线和集成模拟前端电路。集成模拟前端电路内部集成EMI滤波电路、多路开关、8路可编程增益放大器、24bit ADC、控制电路、右腿驱动电路、灵活可配的威尔逊网络(Wilson C)、SPI接口、电极脱落检测嵌入电路、温度检测嵌入电路、起搏检测嵌入电路和呼吸电路嵌入电路；从而完全实现了对8路心电信号的采集、滤波、放大、模数转换等功能，转换后的数字信号作为心电信号采集单元的输出通过SPI接口传递给心电信号采集单元。

心电信号分析存储单元包括供电电路、晶振电路、复位电路、USB接口电路、蜂鸣器电路、键盘电路、SD卡存储电路、LCD液晶屏电路和ARM微处理器电路，上述电路均连接ARM微处理器电路，ARM微处理器接收心电信号采集单元输出的心电信号，随后对心电信号进行数字滤波，基线漂移抑制，和实时分析等处理。微处理器将处理后的心电波形和实时分析得到的结果显示在LCD液晶屏上，同时将心电数据存储在SD存储卡中。监护仪使用完毕后，可以通过USB线将记录后的数据传递给上位机，也可以取下SD卡，用读卡器将卡中的心电数据传递给上位机。心电监护仪的工作电压是3.3V，由供电电路提供。晶振电路分别为系统提供8M的系统CLK，和32.768K的实时时钟CLK。蜂鸣器、键盘和LCD液晶屏构成了人机接口，用于人机交互。

本发明一种低功耗的动态心电监护仪的控制方法，按如下步骤执行：

步骤一：采用小波熵最优阈值去噪的方法对采集到的信号进行数字滤波；方法如下：

步骤1：选择与原始心电信号最相近的小波基函数，确定小波变换的分解尺度，对信号进行离散小波变换，得到不同分解尺度的高频系数分量和低频系数分量；

步骤2：比较各个子带信号上的小波熵，选取小波熵值最大的子带的小波系数，认为该子带的小波系数是由噪声引起的，选取该子带小波系数的中值，记为σ_j，即第j尺度的噪声方差，带入式

中，其中N_j为不同尺度的采样点数，λ_j为该层次的阈值，计算得到第j(j∈[1，5])尺度的小波阈值；

步骤3：采用阈值函数对每一尺度的高频系数分量进行阈值化处理，得到近似高频小波系数。处理阈值函数如下：

${\hat{w}}_{j,k}=\left\{\begin{array}{cc}\mathrm{sign}\left(w_{j,k}\right)\&CenterDot;\left(\right|w_{j,k}|-\frac{{\mathrm{\&lambda;}}_j}{(\frac{\left|w_{j,k}\right|}{{\mathrm{\&lambda;}}_j}+\ln \left(\right|w_{j,k}|+\frac{\left|w_{j,k}\right|}{{\mathrm{\&lambda;}}_j})-{\mathrm{\&lambda;}}_j)})& \left|w_{j,k}\right|\&GreaterEqual;{\mathrm{\&lambda;}}_j\\ 0& \left|w_{j,k}\right|<{\mathrm{\&lambda;}}_j\end{array}\right.$

其中w_j，k是第j层的小波系数，j表示层数，下标k为该层中的第k个变量，λ_j为步骤2中计算出来的第j尺度的小波阈值，

为阈值化处理后的小波系数；

步骤4：利用最高一层小波分解的低频系数分量和经过阈值处理的不同尺度的近似高频小波系数分量，组成进行信号重构所需要的系数分量，按多分辨率分析的重构公式进行重构，以实现有效信号的提取，重构公式如下：式中：f(t)为重构后的信号，A_N(t)表示第N层的低频系数重构信息，D_j(t)表示由不同尺度的近似系数重构信息。

步骤二：采用形态学滤波的方法，对经步骤1处理的信号进行抑制基线漂移操作；方法如下：

步骤1：根据心电信号的特点，选择宽度为72的线段型结构元素k；

步骤2：利用公式 $(f\&CirclePlus;k)\left(n\right)=\underset{m=\mathrm{0,1},...,M-1}{\max }\{f(n-m)+k\left(m\right)\},n=M-1,M,...N-1,$ 计算输入信号f和结构元素k的膨胀运算。其中f(n)(n＝0，1，…，N-1)为输入心电信号，k(m)(m＝0，1，…，M-1)为结构元素；

步骤3：利用公式 $(f\&CircleTimes;k)\left(n\right)=\underset{m=\mathrm{0,1}...,M-1}{\min }\{f(n+m)-k\left(m\right)\}.,n=\mathrm{0,1},...N-M,$ 计算输入信号f和结构元素k的腐蚀运算；

步骤4：利用公式

计算输入心电信号f和结构元素k的开运算；

步骤5：利用公式

计算输入心电信号f和结构元素k的闭运算；

步骤6：将信号通过形态学滤波器，获取心电信号的基线MF。形态学滤波器公式如下： $\mathrm{MF}=\frac{\left(\mathrm{fok}\right)\&CenterDot;k+(f\&CenterDot;k)\mathrm{ok}}{2},$ 其中k是直线型结构元素；

步骤7：将输入信号与通过形态学滤波器获取的心电信号的基线做差，实现心电信号的去噪。

步骤三：采用支持向量机算法，对经步骤2处理过的信号进行病情分类操作；方法如下：

步骤1：按照libSVM软件包所要求的格式准备数据集；

步骤2：对数据进行同比例缩放操作；

步骤3：在核函数的选择方面，选用径向基(RBF)核函数

γ表示核函数的宽度；x和x_i要进行核函数运算的两个点；

步骤4：采用交叉验证选择最佳参数惩罚因子C与核函数的宽度γ；

步骤5：采用最佳参数C与γ对整个训练集进行训练获取支持向量机模型；

步骤6：利用获取的支持向量机模型对输入的心电信号进行分类。

本发明优点：本发明集成度高，具有便携性、紧凑型、经济性的特点，高度集成的特点使其所占用的组件数量与电路板尺寸比分立器件相比要降低95％左右，从而使其在患者监护及消费医疗领域有了更多的发展空间；低功耗。对于便携式设备，除了尺寸的要求外另一个难点就是要解决功耗问题。本发明的功耗比分立器件基本可以降低95％左右，因为模拟部分每通道典型功耗是1mW，而分立方案则会是100、200mW的功耗，所以本发明低功耗特性非常明显；稳定性高、内部噪声小、抗干扰能力强。本发明模拟前端的4-uVpp(典型值)输入参考噪声远远超过了IEC60601-2-27/51标准的限度，可提高便携式设备以及高密度高端ECG设备的测量精度。本发明高度集成，大大降低了外界噪声对系统的干扰。功能丰富，本发明同时具有单导联、三导联、十二导联心电监护仪的功能，可以通过修改电极的佩戴方式并且按照使用说明选择对应的功能按键即可实现。此外，本发明具有电极脱落检测功能，起搏检测功能，还有用于病人状况监控的呼吸监控功能，这些功能模块均可以根据具体情况灵活配置，已达到使用要求。本发明模拟电路中采用了8通道24bit高精度ADC，信号仅需要4-5倍的适度增益，降低了信号的放大倍数、也避免了由于放大倍数过高而带来的噪声被放大的问题。∑-Δ方法还将保留信号的整个频率内容，并为数据后期处理提供充分的灵活性。本发明中的右腿驱动电路和威尔逊电路可以灵活配置，方便开发人员找到最合适的配置方式，以便获得最高品质的ECG信号。成本低。本系统的方案比分立方案时的成本降低了50％以上。本监护仪软件及配套的上位机软件采用了智能算法。这些算法可以很好的滤除心电波形中的噪声，消除肌电、眼电等伪迹，抑制由于呼吸和运动造成的基线漂移。此外，所使用的智能算法还能诊断病情，将异常心电波形分类，得出分析报告的功能，为医生进一步诊断病情提供了依据和方便。这些算法主要包括基于小波熵的心电信号去噪基于形态学滤波的基线漂移抑制基于支持向量机和分值逻辑法的病情分类。本发明后端具有功能齐全的模块来配合心电信号的采集、显示、分析、存储、传输。本发明后端具有USB模块、LCD显示模块、SD卡存储模块等。高功耗的大型设计方案限制了ECG设备的便携性。本发明刚好解决了这个问题，本发明是典型的低功耗、高集成度、低成本的紧凑型便携式设备。这种方便携带和隐蔽佩戴的小型设备使医生能够更加轻松地长期监控各种重要参数，在提高患者舒适度的同时，提高临床数据的准确度。

附图说明

图1为本发明一种低功耗的动态心电监护仪结构示意图；

图2为本发明一种低功耗的动态心电监护仪结构框图；

图3为本发明心电监护仪软件组成结构框图；

图4为本发明心电信号采集单元原理图；

图5为本发明集成模拟前端原理图；

图6为本发明供电电路原理图；

图7为本发明晶振电路原理图；

图8为本发明复位电路原理图；

图9为本发明USB接口电路原理图；

图10为本发明蜂鸣器电路原理图；

图11为本发明液晶屏背光控制电路原理图；

图12为本发明键盘电路原理图；

图13为本发明SD卡存储电路原理图；

图14为本发明LCD液晶屏电路原理图；

图15为本发明ARM处理器电路原理图；

图16为本发明控制方法仿真图之原始信号波形与第五层低频系数和各层高频小波系数；

图17为本发明控制方法仿真图之分别用各层小波系数进行重构；

图18为本发明控制方法仿真图之小波熵最优阈值去噪；

图19为本发明控制方法仿真图之形态学方法抑制基线漂移；

图20为本发明控制方法之小波熵最优阈值去噪算法流程图；

图21为本发明控制方法之形态学滤波抑制基线漂移算法的流程图；

图22为本发明控制方法之支持向量机算法流程图。

具体实施方式

本发明结合具体实施例和说明书附图加以详细说明。

本发明中集成模拟前端电路选用ADS1298，ARM微处理器电路选用STMF103RCT6；

如图1所示，该低功耗的动态心电监护仪包括心电信号采集单元、心电信号分析存储单元和上位机；

如图2和3所示，心电信号采集单元包括心电电极、导联线和集成模拟前端电路；

心电信号分析存储单元包括供电电路如图6所示、晶振电路如图7所示、复位电路如图8所示、USB接口电路如图9所示、蜂鸣器电路如图10所示、液晶屏背光控制电路如图11所示、键盘电路如图12所示、SD卡存储电路如图13所示、LCD液晶屏电路如图14所示和ARM微处理器电路如图15所示；

如图4和5所示，心电信号采集单元中的集成模拟前端电路的输入端V2-RL通过心电电极和导联线连接人体，心电信号采集单元的输出端中的SPI接口连接心电信号分析存储单元的输入端中的SPI接口；心电信号采集单元的输出端中的控制信号线连接心电信号分析存储单元的输入端中的GPIO接口。心电信号分析存储单元的输出端中的USB接口连接上位机的USB接口。

心电信号采集单元包括心电电极、导联线和集成模拟前端电路。集成模拟前端电路内部集成EMI滤波电路、多路开关、8路可编程增益放大器、24bit ADC、控制电路、右腿驱动电路、灵活可配的威尔逊网络(Wilson C)、SPI接口、电极脱落检测嵌入电路、温度检测嵌入电路、起搏检测嵌入电路和呼吸电路嵌入电路；从而完全实现了对8路心电信号的采集、滤波、放大、模数转换等功能，转换后的数字信号作为心电信号采集单元的输出通过SPI接口传递给心电信号采集单元。

心电信号分析存储单元中晶振电路的OSC IN、OSC OUT、OSC32 IN和OSC32 OUT接口分别连接ARM微处理器电路的OSC IN、OSC OUT、OSC32 IN和OSC32 OUT接口，复位电路的NRST接口连接ARM微处理器电路NRST接口，USB接口电路的USVDM、USBDP和USB DISCONNECT接口分别连接ARM微处理器电路USVDM、USBDP和USB DISCONNECT接口，蜂鸣器电路的BEEM接口连接ARM微处理器电路BEEM接口，键盘电路的KEY1-KEY4接口分别连接ARM微处理器电路的KEY1-KEY4接口，SD卡存储电路的SDIO D2-SDIO D1接口分别连接ARM微处理器电路SDIOD2-SDIO D1接口，LCD液晶屏电路的LCD LED-LCD CS接口分别连接ARM微处理器电路的LCDLED-LCD CS接口，液晶屏背光控制电路的LCD LED接口连接ARM微处理器电路的LCD LED接口。

本发明一种低功耗的动态心电监护仪的控制方法，按如下步骤执行：

步骤一：采用小波熵最优阈值去噪的方法对采集到的信号进行数字滤波；方法如下：如图20所示；

步骤1：选择与原始心电信号最相近的小波基函数，确定小波变换的分解尺度，对信号进行离散小波变换，得到不同分解尺度的高频系数分量和低频系数分量；本发明中选用db4小波作为基函数，对心电信号进行5尺度分解；分解结果如图16所示；

步骤2：比较各个子带信号上的小波熵，选取小波熵值最大的子带的小波系数，认为该子带的小波系数是由噪声引起的，选取该子带小波系数的中值，记为σ_j，即第j尺度的噪声方差，带入式

中，其中N_j为不同尺度的采样点数，λ_j为该层次的阈值，计算得到第j(j∈[1，5])尺度的小波阈值；

步骤3：采用阈值函数对每一尺度的高频系数分量进行阈值化处理，得到近似高频小波系数。处理阈值函数如下：

${\hat{w}}_{j,k}=\left\{\begin{array}{cc}\mathrm{sign}\left(w_{j,k}\right)\&CenterDot;\left(\right|w_{j,k}|-\frac{{\mathrm{\&lambda;}}_j}{(\frac{\left|w_{j,k}\right|}{{\mathrm{\&lambda;}}_j}+\ln \left(\right|w_{j,k}|+\frac{\left|w_{j,k}\right|}{{\mathrm{\&lambda;}}_j})-{\mathrm{\&lambda;}}_j)})& \left|w_{j,k}\right|\&GreaterEqual;{\mathrm{\&lambda;}}_j\\ 0& \left|w_{j,k}\right|<{\mathrm{\&lambda;}}_j\end{array}\right.$

其中w_j，k是第j层的小波系数，j表示层数，下标k为该层中的第k个变量，λ_j为步骤2中计算出来的第j尺度的小波阈值，

为阈值化处理后的小波系数；

步骤4：利用最高一层小波分解的低频系数分量和经过阈值处理的不同尺度的近似高频小波系数分量，组成进行信号重构所需要的系数分量，按多分辨率分析的重构公式进行重构，以实现有效信号的提取，重构公式如下：

式中：f(t)为重构后的信号，A_N(t)表示第N层的低频系数重构信息，D_j(t)表示由不同尺度的近似系数重构信息；各层小波系数各自重构的结果如图17所示，原始心电信号经该方法滤波后的结果如图18所示；

步骤二：采用形态学滤波的方法，对经步骤1处理的信号进行抑制基线漂移操作；方法如下：如图21所示，原始心电信号经该方法进行基线漂移抑制后的结果如图19所示；

步骤1：根据心电信号的特点，选择宽度为72的线段型结构元素k；

步骤2：利用公式 $(f\&CirclePlus;k)\left(n\right)=\underset{m=\mathrm{0,1},...,M-1}{\max }\{f(n-m)+k\left(m\right)\},n=M-1,M,...N-1,$ 计算输入信号f和结构元素k的膨胀运算。其中f(n)(n＝0，1，…，N-1)为输入心电信号，k(m)(m＝0，1，…，M-1)为结构元素；

步骤3：利用公式 $(f\&CircleTimes;k)\left(n\right)=\underset{m=\mathrm{0,1}...,M-1}{\min }\{f(n+m)-k\left(m\right)\}.,n=\mathrm{0,1},...N-M,$ 计算输入信号f和结构元素k的腐蚀运算；

步骤4：利用公式

计算输入心电信号f和结构元素k的开运算；

步骤5：利用公式

计算输入心电信号f和结构元素k的闭运算；

步骤6：将信号通过形态学滤波器，获取心电信号的基线MF。形态学滤波器公式如下：

其中k是幅度为0，长度为7的直线型结构元素；

步骤7：将输入信号与通过形态学滤波器获取的心电信号的基线做差，实现心电信号的去噪。

步骤三：采用支持向量机算法，对经步骤1和2处理过的信号进行病情分类操作；方法如下：如图22所示；

步骤1：按照libSVM软件包所要求的格式准备数据集；

步骤2：对数据进行同比例缩放操作；

步骤3：在核函数的选择方面，选用径向基(RBF)核函数

γ表示核函数的宽度；x和x_i要进行核函数运算的两个点；

步骤4：采用交叉验证选择最佳参数惩罚因子C与核函数的宽度γ，在本发明中，根据心电信号的特点和实际测试的情况，最终确定了惩罚因子C为0.125而γ为0.5；

步骤5：采用最佳参数C与γ对整个训练集进行训练获取支持向量机模型；

步骤6：利用获取的支持向量机模型对输入的心电信号进行分类。

Claims (3)

1.一种低功耗的动态心电监护仪，包括心电信号采集单元、心电信号分析存储单元和上位机；心电信号采集单元的输入端通过心电电极和导联线连接人体，心电信号采集单元的输出端连接心电信号分析存储单元的输入端，心电信号分析存储单元的输出端连接上位机；

其特征在于：上位机用于对采集到的信号进行数字滤波处理、对数字滤波处理后的信号进行抑制基线漂移处理和对抑制基线漂移处理后的信号进行分类处理；

上位机对采集到的信号进行的数字滤波处理是采用小波熵最优阈值去噪的方法进行的，具体处理过程如下：

步骤1：选择与原始心电信号最相近的小波基函数,确定小波变换的分解尺度,对信号进行离散小波变换,得到不同分解尺度的高频系数分量和低频系数分量；

步骤2：比较各个子带信号上的小波熵,选取小波熵值最大的子带的小波系数,认为该子带的小波系数是由噪声引起的,选取该子带小波系数的中值，记为σ_j,即第j尺度的噪声方差,带入式

中,其中N_j为不同尺度的采样点数，λ_j为该层次的阈值，计算得到第j（j∈[1,5]）尺度的小波阈值；

步骤3：采用阈值函数对每一尺度的高频系数分量进行阈值化处理,得到近似高频小波系数，处理阈值函数如下：

${\hat{w}}_{j,k}=\left\{\begin{array}{cc}\mathrm{sign}\left(w_{j,k}\right)\&CenterDot;\left(\right|w_{j,k}|-\frac{{\mathrm{\&lambda;}}_j}{(\frac{\left|w_{j,k}\right|}{{\mathrm{\&lambda;}}_j}+\ln \left(\right|w_{j,k}|+\frac{\left|w_{j,k}\right|}{{\mathrm{\&lambda;}}_j}-{\mathrm{\&lambda;}}_j))})& \left|w_{j,k}\right|\&GreaterEqual;{\mathrm{\&lambda;}}_j\\ 0& \left|w_{j,k}\right|<{\mathrm{\&lambda;}}_j\end{array}\right.$

其中w_j,k是第j层的小波系数，j表示层数，下标k为该层中的第k个变量，λ_j为步骤2中计算出来的第j尺度的小波阈值，

为阈值化处理后的小波系数；

步骤4：利用最高一层小波分解的低频系数分量和经过阈值处理的不同尺度的近似高频小波系数分量,组成进行信号重构所需要的系数分量,按多分辨率分析的重构公式进行重构,以实现有效信号的提取，重构公式如下：

式中：f(t)为重构后的信号，A_N(t)表示第N层的低频系数重构信息，D_j(t)表示由不同尺度的近似系数重构信息；

上位机对数字滤波处理后的信号进行抑制基线漂移处理是采用形态学滤波的方法进行的，具体处理过程如下：

步骤1：根据心电信号的特点，选择宽度为72的线段型结构元素k；

步骤2：利用公式

n=M-1,M,…N-1,计算输入信号f和结构元素k的膨胀运算，其中f(n)(n=0,1,…,N-1)为输入心电信号，k(m)(m=0,1,…，M-1)为结构元素；

步骤3：利用公式

n=0,1,…N-M,计算输入信号f和结构元素k的腐蚀运算；

步骤4：利用公式

计算输入心电信号f和结构元素k的开运算；

步骤5：利用公式

计算输入心电信号f和结构元素k的闭运算；

步骤6：将信号通过形态学滤波器，获取心电信号的基线MF，形态学滤波器公式如下：

其中k是直线型结构元素；

步骤7：将输入信号与通过形态学滤波器获取的心电信号的基线做差，实现心电信号的去噪；

上位机对抑制基线漂移处理后的信号进行分类处理是采用支持向量机算法进行的，具体处理过程如下：

步骤1：按照libSVM软件包所要求的格式准备数据集；

步骤2：对数据进行同比例缩放操作；

步骤3：在核函数的选择方面，选用径向基(RBF)核函数γ表示核函数的宽度；x和x_i要进行核函数运算的两个点；

步骤4：采用交叉验证选择最佳参数惩罚因子C与核函数的宽度γ；

步骤5：采用最佳参数C与γ对整个训练集进行训练获取支持向量机模型；

步骤6：利用获取的支持向量机模型对输入的心电信号进行分类。

2.根据权利要求1所述的低功耗的动态心电监护仪，其特征在于：所述的心电信号采集单元包括心电电极、导联线和集成模拟前端电路；集成模拟前端电路内部集成EMI滤波电路、多路开关、8路可编程增益放大器、24bit ADC、控制电路、右腿驱动电路、灵活可配的威尔逊网络、SPI接口、电极脱落检测嵌入电路、温度检测嵌入电路、起搏检测嵌入电路和呼吸电路嵌入电路；转换后的数字信号作为心电信号采集单元的输出通过SPI接口传递给心电信号采集单元。

3.根据权利要求1所述的低功耗的动态心电监护仪，其特征在于：所述的心电信号分析存储单元包括供电电路、晶振电路、复位电路、USB接口电路、蜂鸣器电路、液晶屏背光控制电路、键盘电路、SD卡存储电路、LCD液晶屏电路和ARM微处理器电路；上述电路均连接ARM微处理器电路，ARM微处理器接收心电信号采集单元输出的心电信号，微处理器将处理后的心电波形和实时分析得到的结果显示在LCD液晶屏上，同时将心电数据存储在SD存储卡中。

Images