CN102512153B - 一种非接触式心电监测的移动终端及心电监测方法 - Google Patents

Abstract

本发明实施例公开了一种非接触式心电监测的移动终端及心电监测方法，该心电监测方法包括：移动终端通过非接触式方式采集包含心电数据的信号；所述移动终端对所述信号中的心电数据进行去噪以及和其他数据分离处理；所述移动终端从分离处理后的数据中提取出心电数据；所述移动终端通过无线移动通信网络将提取出的心电数据发送给指定接收设备。本发明实施例中，通过非接触式方式采集包含心电数据的信号，不需要移动终端与皮肤直接接触即可以实现心电监测过程，提高了心电数据采集的便利性，且不会对日常生活造成影响。

Description

一种非接触式心电监测的移动终端及心电监测方法

技术领域

本发明涉及通信技术领域，尤其涉及一种非接触式心电监测的移动终端及心电监测方法。

背景技术

心脏病已成为危害人类健康的主要疾病之一，据统计，世界上每年平均有几百万人死于心血管疾病。动态心电信号(即心电数据)是目前临床上用于早期心脏病和各类隐性、偶发性心律失常、心肌局部缺血等疾病的有效诊断手段。因此，长时间连续准确地监测患者在不同环境以及体态下的心电信号，对于掌握病患发展趋势，对突发病症进行及时救助有着非常重要的意义。

在实现本发明的过程中，发明人发现现有技术中至少存在以下问题：

目前的心电信号监测方式中，1)心电信号实时性差，心电测量装置收集患者的心电信号数据后，需要返回医院进行分析，分析报告的时效性差，且给离医院比较远、行动不便的患者带来极大不便；2)电极通过导线与心电采集设备相连，给患者在测量过程中的活动带来很大不便；3)电极与皮肤接触可能造成皮肤的不适，过敏以及感染，不利于对心电的长期监测；4)目前心电数据测量中，多采用简单低通滤波和EMI(Electro Magnetic Interference，电磁干扰)抗电磁干扰，但对于处于同一频率段的肌电干扰的效果并不明显。

发明内容

本发明实施例提供一种非接触式心电监测的移动终端及心电监测方法，以及时的将心电数据通知给医疗设备。

为了达到上述目的，本发明实施例提供一种非接触式心电监测的移动终端，包括：

非接触式采集电极，用于通过非接触式方式采集包含心电数据的信号，并将所述信号通知给信号处理模块；

信号处理模块，用于对所述信号中的心电数据进行去噪以及和其他数据分离处理；

模式识别模块，用于从所述信号处理模块处理后的数据中提取心电数据；

信号发射模块，用于通过无线移动通信网络将所述模式识别模块提取的心电数据发送给指定接收设备。

本发明实施例提供一种电监测方法，该方法包括：

移动终端通过非接触式方式采集包含心电数据的信号；

所述移动终端对所述信号中的心电数据进行去噪以及和其他数据分离处理；

所述移动终端从分离处理后的数据中提取出心电数据；

所述移动终端通过无线移动通信网络将提取出的心电数据发送给指定接收设备。

与现有技术相比，本发明实施例至少具有以下优点：通过非接触式方式采集包含心电数据的信号，不需要移动终端与皮肤直接接触即可以实现心电监测过程，提高了心电数据采集的便利性，且不会对日常生活造成影响。

附图说明

为了更清楚地说明本发明的技术方案，下面将对实施例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是本发明实施例一提供的一种非接触式心电监测的移动终端的结构示意图；

图2是本发明实施例一中非接触式采集电极在移动终端背面的分布示意图；

图3是本发明实施例一中非接触式采集电极的示意图；

图4是本发明实施例二提供的一种心电监测方法的流程示意图；

图5是本发明实施例三提供的一种心电监测方法的流程示意图。

具体实施方式

针对现有技术中存在的问题，本发明实施例提供一种非接触式心电监测的移动终端及心电监测方法，只需要将具有心电数据监测功能的移动终端装入口袋，即可以透过衣物对人体的包含心电数据的信号进行采集，在经过实时放大，滤波等处理后，可利用无线移动通信网络将心电数据进行实时发送，上传到远程医疗设备上；医生可根据获取到的心电数据对患者进行诊断并及时反馈。本发明实施例提供的技术方案克服了目前心电电极需要直接与人体皮肤接触所导致的皮肤过敏等问题，拓展了心电监测的受用场合和人群。

下面将结合本发明中的附图，对本发明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的一部分实施例，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做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。

实施例一

本发明实施例一提供一种非接触式心电监测的移动终端，如图1所示，该移动终端包括：非接触式采集电极11、信号处理模块12、模式识别模块13和信号发射模块14。

本发明实施例中，非接触式采集电极可分布在移动终端背面，且实际应用中可在移动终端背面镶有N个非接触式采集电极(非接触式采集电极的数量N可根据实际情况选择)，非接触式采集电极通过感应电场强度来测量皮肤表面电势，如图2所示，为非接触式采集电极在移动终端背面的分布示意图。

本发明实施例中，该非接触式采集电极11，用于通过非接触式方式采集包含心电数据的信号，并将该采集到的信号通知给信号处理模块12。

具体的，该非接触式采集电极11包括：

(1)电场传感器，用于通过非接触式方式采集包含心电数据的信号，即电场传感器可透过衣物，无须物理接触即可测量皮肤表面的电场，从而采集包含心电数据的信号。其中，电场传感器为超高输入阻抗(即输入阻抗大于预设阈值，如输入阻抗大于10¹²)与极低耦合电容(即耦合电容小于预设阈值，如耦合电容小于10^-13F)的传感器，且该电场传感器具体用于在人体表面生理电势的变化导致周围电场发生变化后，通过测量电场的改变来测量生理电的变化，以采集包含心电数据的信号。

具体的，电场传感器可利用当外界物理条件发生变化时，产生电容变化，从而通过生成电场和测量电场的衰减来测量生理电的变化。当人体靠近金属电极时，会形成一个电流路径，电场电流就会发生变化，因此电场传感器可以测量所生成的电场的交流电阻，并将测量值转化为直流输出电压，从而采集包含心电数据的信号。

本发明实施例中，在电场传感器采集包含心电数据的信号的过程中，由于静电干扰会对该采集过程产生影响，因此，该非接触式采集电极11还可以包括基线漂移控制模块，用于在电场传感器采集包含心电数据的信号时，克服静电积累对非接触式采集电极造成的影响，以消除静电干扰对该采集过程的影响。

(2)信号放大模块，用于对电场传感器采集的信号进行放大处理。本发明实施例中，可采用二级放大电路对采集的信号进行放大，例如，前置放大器的放大倍数为30倍(即通过前置放大器对采集的信号进行30倍的放大处理)，第二级放大器倍数为50倍(即通过第二级放大器对前置放大器放大后的信号再进行50倍的放大处理)。

(3)AD(模拟信号转换为数字信号)转化模块，用于对信号放大模块放大后的信号进行AD转化，并将AD转化后的信号通知给信号处理模块12。本发明实施例中，在第二级放大器对采集的信号进行放大后，可通过AD转化模块对放大后的信号进行AD转化。

本发明实施例中，该非接触式采集电极11还可以包括：低通滤波器，用于对信号放大模块放大后的信号进行滤波处理，以滤除放大后的信号中高频段的非心电数据。具体的，在前置放大器对采集的信号进行放大后，可通过低通滤波器对高频段信号进行滤波处理，以尽量滤除放大后的信号中高频段的非心电数据。

本发明实施例中，当存在多个非接触式采集电极时，该非接触式采集电极11还可以包括：屏蔽模块，用于屏蔽外界信号对非接触式采集电极的干扰以及对其他非接触式采集电极所采集到的信号进行屏蔽。即该屏蔽模块还可对其他非心电数据(例如，非接触式采集电极与移动终端信号之间的电磁干扰数据)进行屏蔽，在此不再赘述。

为了更加清楚的阐述该非接触式采集电极，以下结合图3所示的非接触式采集电极的示意图进行说明。该非接触式采集电极的接口包含：电源，采集导联，接地线等；且该非接触式采集电极包括电场传感器(通过偏置电流、电压跟随器、反馈等部分实现)，屏蔽模块，信号放大模块(通过前置放大器和第二级放大器实现)、基线漂移控制模块(在图中未体现)，低通滤波器以及AD转化模块，该AD转化模块将转换后的信号通知给信号处理模块。

上述应用场景下，该电场传感器的输入阻抗大于10¹²，耦合电容小于10^-13F，带宽DC-200MHz，空气介质中有效测量距离15cm，非接触式采集电极之间采用屏蔽技术相互隔离，且非接触式采集电极与移动终端信号的收发系统之间，采用不同金属材料组成多层屏蔽体抑制电磁干扰，而对于由于导线等其它缝隙引入的残留电磁干扰，可采用EMI滤波消除(上述屏蔽过程可以通过屏蔽模块实现)。

信号处理模块12，用于对来自非接触式采集电极11的信号中的心电数据进行去噪以及和其他数据分离处理。

具体的，信号处理模块12，可通过共空间模式空间滤波方式将信号中的心电数据和其他数据进行分离。进一步的，信号处理模块12还可以利用小波分析算法对信号进行去噪处理，并通过共空间模式空间滤波方式将经过去噪处理的信号中的心电数据和其他数据进行分离。

以下对小波分析算法和共空间模式空间滤波方式进行详细说明。

(1)小波分析算法。

本发明实施例中，可利用小波分析算法对混叠信号(即来自非接触式采集电极11的信号，其中包含心电数据和其他非心电数据，如肌电数据以及各种残留电磁干扰信号等)进行多方位、多层次的动态分解，以得到多层小波系数；之后，针对每一层的小波系数进行阈值处理，将噪声小波系数与有用信号(即心电数据)的小波系数进行分离；然后利用小波重构算法恢复原信号，从而达到降噪的效果。具体的，小波去噪的细节如下：

假设f(x)∈L²(-∞，∞)，则定义关于ψ_a，b(x)的连续小波变换为：

$\mathrm{Wf}(a,b)=<f,{\mathrm{\&psi;}}_{a,b}>=\frac{1}{\sqrt{a}}{\&Integral;}_{-\&infin;}^{+\&infin;}f\left(x\right)\mathrm{\&psi;}*\left(\frac{x-b}{a}\right)\mathrm{dx}---\left(1\right)$

ψ(x)是小波母函数，其中，变量a为伸缩因子，b为平移因子。

通过以上公式(1)对信号进行多尺度，多方位的动态分解，以获得不同伸缩因子和平移因子下的小波系数；在小波分解的不同层次上，通过设置恰当的阈值η，不符合阈值的小波系数则被认为由噪声引起，将其置零后，剩下的部分则代表了信号的真实成分。

需要注意的是，阈值的选择是关系小波去噪效果的关键，以Donoho提出的阈值处理方法为例，则设置阈值η的方式为：

$\mathrm{\&theta;}=\sqrt{\frac{2\log \left(n\right)}{n}}*\mathrm{\&sigma;}---\left(2\right)$

其中，n为信号的长度，σ为噪声信号标准方差，θ为估计阈值。

进一步的，通过阈值处理，对小波系数进行缩减后得到新的小波系数矩阵并利用小波逆变换公式(3)进行重构，则可以恢复原信号。

$f\left(x\right)=\frac{1}{C_{\mathrm{\&psi;}}}{\&Integral;}_0^{+\&infin;}{\&Integral;}_{-\&infin;}^{+\&infin;}\hat{W}f(a,b){\mathrm{\&psi;}}_{a,b}\left(x\right)\mathrm{db}\frac{\mathrm{da}}{a^2}---\left(3\right)$

需要注意的是，在临界区内信号与噪声的小波系数差距不大，甚至区域重合，因此会影响心电数据的可读性。基于此，本发明实施例在小波去噪的基础上，采用小波分析与共空间模式空间滤波方式相结合的算法对心电数据进行加强和提取。

(2)共空间模式空间滤波方式。

本发明实施例中，对于经过小波分析去噪后的信号，则可以利用共空间模式算法设计空间滤波器，最大化与心电状态的方差，同时最小化肌电状态方差，使得滤波以后的分量信号与心电状态的相关度最高，同时抑制与肌电的相关度，此分量作为有用的心电数据进行存储和发送。

具体的，共空间模式需要首先构建空间滤波器，采集两类信号矩阵作为空间滤波器的学习数据库，其中不含肌电干扰的心电数据表示为Xl(导联*样本长度)，夹杂肌电的心电数据表示为Xr(导联*样本长度)，则其空间协方差矩阵可以分别表示为：

$R_l=\frac{X_l{X}_l^T}{\mathrm{trace}\left(X_l{X}_l^T\right)}$ $R_r=\frac{X_r{X}_r^T}{\mathrm{trace}\left(X_r{X}_r^T\right)}---\left(4\right)$

其中，T表示转置，trace(A)表示对角元素之和。

由于Xl和Xr采集自相同的条件，将Xl和Xr分别用源分离方式建模，则Xl和Xr，分别可以线性地表示为：

$X_l=\left[C_l{C}_c\right]\left[\begin{array}{c}{S}_l\\ S_c\end{array}\right]$ $X_r=\left[C_r{C}_c\right]\left[\begin{array}{c}{S}_r\\ S_c\end{array}\right]---\left(5\right)$

其中，Sl为针对于纯心电分量的信号源，Cl为相应的特征向量；Sr为纯肌电的信号源，Cr为相应的特征向量。

需要注意的是，该过程中需要建立空间滤波器Fl和Fr，并使用Fl和Fr可以提取信号源的成分Sl和Sr。

S_l＝F_l*X_l    S_r＝F_r*X_r                    (6)

该过程中，Fl为与心电分量对应的空间滤波器，Fr为与肌电分量对应的空间滤波器，Fl和Fr通过利用两类数据训练而成。

和

分别为协方差归一化的均值：

$\stackrel{\&OverBar;}{R_l}=\frac{1}{N_l}\underset{i=1}{\overset{N_l}{\mathrm{\&Sigma;}}}{R}_l\left(i\right)$ $\stackrel{\&OverBar;}{R_r}=\frac{1}{N_r}\underset{i=1}{\overset{N_r}{\mathrm{\&Sigma;}}}{R}_r\left(i\right)---\left(7\right)$

其中，Nl为训练数据中不夹杂肌电的心电数据采集周期数，Nr为训练数据中包含肌电干扰的心电测量采集周期数。之后，利用主成份分析：

$\stackrel{\&OverBar;}{R}=\stackrel{\&OverBar;}{R_l}+\stackrel{\&OverBar;}{R_r}=U_0\mathrm{\&Lambda;}{U}_0^T---\left(8\right)$

其中，U0为特征向量，Λ为其特征值；从而白化矩阵表示为：

$P={\mathrm{\&Lambda;}}^{1/2}{U}_0^T---\left(9\right)$

则和

可以表示为：

$Y_l=P\stackrel{\&OverBar;}{R_l}{P}^T$ $Y_r=P\stackrel{\&OverBar;}{R_r}{P}^T---\left(10\right)$

根据主成分分析：

Y_l＝UΛ_lU^T    Y_r＝UΛ_rU^T                      (11)

基于上述过程，可证明Yl和Yr具有相同的特征向量，且Yl和Yr的特征值对角矩阵有Λ_l+Λ_r＝I，其中I为单位矩阵，Λ_l的最大值则对应Λ_r最小值。

进一步的，定义第一个特征向量为U_l，最后一个特征向量为U_r，因此很明显的，U_l和U_r为区别两类的最优特征向量。所以，最终分别对应与纯心电分量与纯肌电分量的空间滤波器Fl，Fr可以表示为：

$F_l=U_l^{T}P$ $F_r=U_r^{T}P---\left(12\right)$

综上所述，本发明实施例中，小波变换后的数据通过共空间模式空间滤波，将混叠信号中的心电分量与肌电干扰信号分离开来，其中心电分量信号为有用信号。

模式识别模块13，用于从信号处理模块12处理后的数据中提取心电数据。本发明实施例中，在心电数据与其他非心电数据分离后，则模式识别模块13可以直接获知哪部分数据为心电数据，从而提取出心电数据。

信号发射模块14，用于通过无线移动通信网络将模式识别模块13提取的心电数据发送给指定接收设备。其中，该无线移动通信网络包括但不限于：WIFI(wireless fidelity，无线保真)网络、蓝牙网络、GPRS(General Packet RadioService，通用分组无线服务)网络、3G(3rd-generation，第三代移动通信技术)网络、LTE(Long Term Evolution，长期演进)网络。

具体的，信号发射模块14可通过无线移动通信网络将心电数据发送到指定接收设备(如医疗设备、医院信息系统(HIS)、医疗服务器、医院心电信息处理系统等)；之后，医院心电信息处理系统可接收患者的心电数据，并负责与医用管理信息系统MIS进行链接；此外，医生使用的PDA(掌上电脑)等移动监护设备，具有接收患者心电数据和医院中央服务器数据的功能，并能够对心电数据作一定的分析与处理。当心电数据发生异常时，则医院心电信息处理系统会发生报警，并利用GPS(Global Positioning System，全球定位系统)功能定位报告患者的地理位置；同时在移动终端上也可以配备一键呼救功能，自动转接入最近急救中心对患者实施救助。

综上所述，本发明实施例中，通过非接触式方式采集包含心电数据的信号，无需移动终端与皮肤直接接触即可以实现心电监测过程，提高了心电采集的便利性，且不会对日常的生活造成任何影响。此外，由于肌电干扰给心电准确监测造成了极大的困难，而本发明实施例中采用小波分析与共空间模式空间滤波方式能够有效消除肌电干扰，提高心电信号保真度。此外，通过无线移动通信网络将心电数据传送到医院心电处理服务器，从而可实现心电信号实时测量，远程监护和报警。

实施例二

基于与上述移动终端同样的发明构思，本发明实施例中还提供了一种心电监测方法，如图4所示，该方法包括：

步骤401，移动终端通过非接触式方式采集包含心电数据的信号。

步骤402，移动终端对信号中的心电数据进行去噪以及和其他数据分离处理。

步骤403，移动终端从分离处理后的数据中提取出心电数据。

步骤404，移动终端通过无线移动通信网络将提取出的心电数据发送给指定接收设备。其中，该无线移动通信网络包括但不限于：WIFI网络、蓝牙网络、GPRS网络、3G网络、LTE网络。

本发明实施例中，移动终端通过非接触式方式采集包含心电数据的信号，包括：移动终端通过非接触式方式采集包含心电数据的信号，对采集的信号进行放大处理，并对放大后的信号进行AD转化；之后，移动终端对信号中的心电数据和其他数据进行分离处理，包括：移动终端对AD转化后的信号中的心电数据和其他数据进行分离处理。

本发明实施例中，移动终端通过非接触式方式采集包含心电数据的信号，包括：在人体表面生理电势的变化导致周围电场发生变化后，移动终端通过测量电场的改变来测量生理电的变化，以采集包含心电数据的信号。

本发明实施例中，移动终端在采集包含心电数据的信号时，还可以对静电干扰进行清除处理，以克服静电积累所造成的影响。移动终端对采集的信号进行放大处理之后，移动终端还可以对放大后的信号进行滤波处理，以滤除放大后的信号中高频段的非心电数据。

需要注意的是，移动终端在采集包含心电数据的信号时，还可以屏蔽外界信号对移动终端的干扰。

本发明实施例中，移动终端对信号中的心电数据进行去噪以及和其他数据分离处理，包括：移动终端通过共空间模式空间滤波方式将信号中的心电数据和其他数据进行分离；或者，移动终端利用小波分析算法对信号进行去噪处理，并通过共空间模式空间滤波方式将经过去噪处理的信号中的心电数据和其他数据进行分离。

实施例三

基于与上述移动终端同样的发明构思，以下结合实施例一的应用场景，对本发明实施例提供的心电监测方法进行说明；如图5所示，该方法包括：

步骤501，移动终端采集包含心电数据的信号。其中，移动终端可通过非接触采集电极采集包含心电数据的信号，即通过非接触采集电极中的电场传感器采集包含心电数据的信号。

本发明实施例中，非接触式采集电极可分布在移动终端背面，且实际应用中可在移动终端背面镶有N个非接触式采集电极，非接触式采集电极通过感应电场强度来测量皮肤表面电势。

进一步的，电场传感器可透过衣物，无须物理接触即可测量皮肤表面的电场，从而采集包含心电数据的信号。其中，电场传感器为超高输入阻抗(即输入阻抗大于预设阈值，如输入阻抗大于10¹²)与极低耦合电容(即耦合电容小于预设阈值，如耦合电容小于10^-13F)的传感器，且该电场传感器具体用于在人体表面生理电势的变化导致周围电场发生变化后，通过测量电场的改变来测量生理电的变化，以采集包含心电数据的信号。

需要注意的是，电场传感器可利用当外界物理条件发生变化时，产生电容变化，从而通过生成电场和测量电场的衰减来测量生理电的变化。当人体靠近金属电极时，会形成一个电流路径，电场电流就会发生变化，因此电场传感器可以测量所生成的电场的交流电阻，并将测量值转化为直流输出电压，从而采集包含心电数据的信号。

此外，在电场传感器采集包含心电数据的信号的过程中，由于静电干扰会对该采集过程产生影响，因此，该非接触式采集电极还可以包括基线漂移控制模块，用于在电场传感器采集包含心电数据的信号时，对静电干扰进行清除处理，克服静电积累对非接触式采集电极造成的影响，以消除静电对该采集过程的影响。

步骤502，移动终端对采集的信号进行前置放大(如放大30倍)。其中，移动终端可通过非接触采集电极中的信号放大模块(前置放大器)对采集的信号进行前置放大。

步骤503，移动终端对放大的信号进行低通滤波。其中，移动终端可通过非接触采集电极中的低通滤波器大的信号进行低通滤波处理，以滤除放大后的信号中高频段的非心电数据。

步骤504，移动终端对低通滤波后的信号进行二级放大(如放大50倍)。其中，移动终端可通过非接触采集电极中的信号放大模块(二级放大电路)对低通滤波后的信号进行二级放大。

步骤505，移动终端对二级放大后的信号进行AD转换。其中，移动终端可通过非接触采集电极中的AD转化模块对二级放大后的信号进行AD转换，并将AD转化后的信号传输给信号处理模块。

本发明实施例中，当存在多个非接触式采集电极时，该非接触式采集电极还可以包括屏蔽模块，用于对其他非接触式采集电极所采集到的信号进行屏蔽。此外，该屏蔽模块还可对其他非心电数据(例如，非接触式采集电极与移动终端信号之间的电磁干扰数据)进行屏蔽，在此不再赘述。

步骤506，移动终端利用小波分析算法对AD转换后的信号进行小波分析去噪处理。其中，移动终端可通过信号处理模块利用小波分析算法对AD转换后的信号进行小波分析去噪处理。

本发明实施例中，可利用小波分析算法对混叠信号(即来自非接触式采集电极的信号，其中包含心电数据和其他非心电数据，如肌电数据以及各种残留电磁干扰信号等)进行多方位、多层次的动态分解，以得到多层小波系数；之后，针对每一层的小波系数进行阈值处理，将噪声小波系数与有用信号(即心电数据)的小波系数进行分离；然后利用小波重构算法恢复原信号，从而达到降噪的效果。

步骤507，移动终端通过共空间模式空间滤波方式将经过去噪处理的信号中的心电数据和其他数据进行分离。其中，移动终端可使用信号处理模块通过共空间模式空间滤波方式将经过去噪处理的信号中的心电数据和其他数据进行分离。

本发明实施例中，对于经过小波分析去噪后的信号，则可以利用共空间模式算法设计空间滤波器，最大化与心电状态的方差，同时最小化肌电状态方差，使得滤波以后的分量信号与心电状态的相关度最高，同时抑制与肌电的相关度，此分量作为有用的心电数据进行存储和发送。

步骤508，移动终端从分离后的数据中提取心电数据。其中，移动终端可通过模式识别模块从分离后的数据中提取心电数据。

步骤509，移动终端通过无线移动通信网络将提取的心电数据发送给指定接收设备。其中，移动终端可通过信号发射模块将提取的心电数据发送给指定接收设备。

综上所述，本发明实施例中，通过非接触式方式采集包含心电数据的信号，无需移动终端与皮肤直接接触即可以实现心电监测过程，提高了心电采集的便利性，且不会对日常的生活造成任何影响。此外，由于肌电干扰给心电准确监测造成了极大的困难，而本发明实施例中采用小波分析与共空间模式空间滤波方式能够有效消除肌电干扰，提高心电信号保真度。此外，通过无线移动通信网络将心电数据传送到医院心电处理服务中心，从而可实现心电信号实时分析，远程监护和报警。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

本领域技术人员可以理解附图只是一个优选实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的。

本领域技术人员可以理解实施例中的装置中的模块可以按照实施例描述进行分布于实施例的装置中，也可以进行相应变化位于不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

以上公开的仅为本发明的几个具体实施例，但是，本发明并非局限于此，任何本领域的技术人员能思之的变化都应落入本发明的保护范围。

Claims (16)

1.一种非接触式心电监测的移动终端，其特征在于，包括：

非接触式采集电极，用于通过非接触式方式采集包含心电数据的信号，并将所述信号通知给信号处理模块；其中，所述非接触式采集电极通过感应电场强度来测量皮肤表面电势，以采集包含心电数据的信号；非接触式采集电极之间采用屏蔽技术相互隔离，且所述非接触式采集电极与移动终端信号的收发系统之间，采用不同金属材料组成多层屏蔽体抑制电磁干扰；

信号处理模块，用于对所述信号中的心电数据进行去噪以及和其他数据分离处理；其中，所述信号处理模块，具体用于通过共空间模式空间滤波方式将所述信号中的心电数据和其他数据进行分离；

模式识别模块，用于从所述信号处理模块处理后的数据中提取心电数据；

信号发射模块，用于通过无线移动通信网络将所述模式识别模块提取的心电数据发送给指定接收设备。

2.如权利要求1所述的移动终端，其特征在于，所述非接触式采集电极包括：

电场传感器，用于通过非接触式方式采集包含心电数据的信号；

信号放大模块，用于对所述电场传感器采集的信号进行放大处理；

AD转化模块，用于对所述信号放大模块放大后的信号进行AD转化，并将AD转化后的信号通知给所述信号处理模块。

3.如权利要求2所述的移动终端，其特征在于，所述电场传感器为超高输入阻抗与极低耦合电容的传感器，且：

所述电场传感器，具体用于在人体表面生理电势的变化导致周围电场发生变化后，通过测量电场的改变来测量生理电的变化，以采集包含心电数据的信号。

4.如权利要求2或3所述的移动终端，其特征在于，所述非接触式采集电极还包括：

基线漂移控制模块，用于在所述电场传感器采集包含心电数据的信号时，克服静电积累对所述非接触式采集电极造成的影响。

5.如权利要求2所述的移动终端，其特征在于，所述非接触式采集电极还包括：

低通滤波器，用于对所述信号放大模块放大后的信号进行滤波处理，以滤除放大后的信号中高频段的非心电数据。

6.如权利要求2所述的移动终端，其特征在于，所述非接触式采集电极还包括：

屏蔽模块，用于屏蔽外界信号对非接触式采集电极的干扰以及对其他非接触式采集电极所采集到的信号进行屏蔽。

7.如权利要求1所述的移动终端，其特征在于，

所述信号处理模块，具体用于利用小波分析算法对所述信号进行去噪处理，并通过共空间模式空间滤波方式将经过去噪处理的信号中的心电数据和其他数据进行分离。

8.如权利要求1所述的移动终端，其特征在于，所述无线移动通信网络包括：

无线保真WIFI网络、蓝牙网络、通用分组无线服务GPRS网络、第三代移动通信技术3G网络、长期演进LTE网络。

9.一种心电监测方法，其特征在于，该方法包括：

移动终端通过非接触式方式采集包含心电数据的信号；其中，移动终端包括非接触式采集电极，所述非接触式采集电极通过感应电场强度来测量皮肤表面电势，以采集包含心电数据的信号；非接触式采集电极之间采用屏蔽技术相互隔离，且所述非接触式采集电极与移动终端信号的收发系统之间，采用不同金属材料组成多层屏蔽体抑制电磁干扰；

所述移动终端对所述信号中的心电数据进行去噪以及和其他数据分离处理；其中，所述移动终端对所述信号中的心电数据进行去噪以及和其他数据分离处理，包括：所述移动终端通过共空间模式空间滤波方式将所述信号中的心电数据和其他数据进行分离；

所述移动终端从分离处理后的数据中提取出心电数据；

所述移动终端通过无线移动通信网络将提取出的心电数据发送给指定接收设备。

10.如权利要求9所述的方法，其特征在于，

所述移动终端通过非接触式方式采集包含心电数据的信号，包括：

所述移动终端通过非接触式方式采集包含心电数据的信号，对采集的信号进行放大处理，并对放大后的信号进行AD转化；

所述移动终端对所述信号中的心电数据和其他数据进行分离处理，包括：

所述移动终端对AD转化后的信号中的心电数据和其他数据进行分离处理。

11.如权利要求10所述的方法，其特征在于，所述移动终端通过非接触式方式采集包含心电数据的信号，包括：

在人体表面生理电势的变化导致周围电场发生变化后，所述移动终端通过测量电场的改变来测量生理电的变化，以采集包含心电数据的信号。

12.如权利要求10或11所述的方法，其特征在于，所述方法还包括：

所述移动终端在采集包含心电数据的信号时，对静电干扰进行清除处理，以克服静电积累所造成的影响。

13.如权利要求10所述的方法，其特征在于，所述移动终端对采集的信号进行放大处理，之后还包括：

所述移动终端对放大后的信号进行滤波处理，以滤除放大后的信号中高频段的非心电数据。

14.如权利要求10所述的方法，其特征在于，所述方法还包括：

所述移动终端在采集包含心电数据的信号时，屏蔽外界信号对所述移动终端的干扰。

15.如权利要求9所述的方法，其特征在于，所述移动终端对所述信号中的心电数据进行去噪以及和其他数据分离处理，包括：

所述移动终端利用小波分析算法对所述信号进行去噪处理，并通过共空间模式空间滤波方式将经过去噪处理的信号中的心电数据和其他数据进行分离。

16.如权利要求9所述的方法，其特征在于，所述无线移动通信网络包括：

无线保真WIFI网络、蓝牙网络、通用分组无线服务GPRS网络、第三代移动通信技术3G网络、长期演进LTE网络。

Images