CN102783945A - 基于小波阈值去噪的胎儿心电信号提取方法 - Google Patents

Abstract

本发明公开了一种基于小波阈值去噪的胎儿心电信号提取方法，将母体腹部信号进行平稳小波变换处理，分解得到各层小波系数；对每层小波细节系数单独处理，去除胎儿心电的小波系数，并将保留下来的母体心电小波系数重构，得到腹部信号中的母体心电；从腹部信号中除去重构出的母体心电，得到胎儿心电信号；对提取得到的胎儿心电利用小波相关性去噪算法进行去噪处理，得到清晰的胎儿心电信号。该方法可实现胎儿心电信号的准确提取。本发明基于单通道，且避免了小波模极大值的计算，具有较好的实时性。

Description

基于小波阈值去噪的胎儿心电信号提取方法

技术领域

本发明属于胎儿心电信号检测技术领域，特别涉及一种基于小波阈值去噪的胎儿心电提取方法，是小波模极大值算法用于胎儿心电信号提取的改造技术。

背景技术

胎儿监护是目前保障围产期孕妇和胎儿安全、实现优生优育的重要手段。在围产期，胎儿由于脐带压迫或其他原因造成暂时性缺氧，会引起窒息、智力迟钝、痴呆甚至死亡。据统计，我国弱智儿童中很大部分是由于胎儿生长过程中处于缺氧的窘迫状态而导致发育不良或早产造成，而胎儿死亡中25%也是可以避免的。随着社会对母婴健康的重视，围产期对孕妇和胎儿进行监护日益成为国内外的关注重点。

胎儿心电图（Fetal Electrocardiogram，FECG）记录的是胎儿心脏动作电位及其在心脏传导过程中的图形变化，反映胎心率的瞬间变化、心肌情况、心律紊乱等。通过对其波形变化的分析，可及早发现许多妊娠期或分娩期的胎儿病理情况，以便及早采取措施，保证围产期胎儿的健康。胎儿心电图不仅能显示胎儿心率和心脏健康信息，且当胎儿状况出现异常或病变时，与心音或心动等相比，心电图形态变化发生的更快也更敏感。因此，获取清晰的胎儿心电在胎儿心电监护中具有重要意义。

胎儿心电信号是一种低频、微弱的信号，易受到各种外界信号的干扰，如母体心电（Maternal Electrocardiogram，MECG）、工频干扰、基线漂移以及母体肌电（EMG）等。其他干扰可以通过普通滤波消除，但作为强噪声的母体心电幅度比胎儿心电大10-20倍，且在时域中胎儿心电约有10%-30%和母体心电重合，频域中也有大部分频谱重叠，整个信号的非平稳随机性又十分强烈，因此胎儿心电常被淹没。另外，如何确定胎儿位置和电极放置，这些因素都会对胎儿心电信息的准确测量带来很大的影响。所以，如何准确提取胎儿心电信号是胎儿心电监护的关键问题。

近几十年来，国内外在胎儿心电提取上已经提出许多方法和算法，传统经典算法包括相干平均法、匹配滤波法、自适应滤波法、奇异值分解（SVD）和小波分析，近年发展起来的方法有独立量分析（ICA）和神经网络等。但是这些方法都存在着一定的局限性，如何从母体腹部信号中准确提取胎儿心电信号，目前仍处于研究阶段。

小波变换是目前较为流行的一种信号处理方法，能对信号进行多尺度细化，从而可聚焦到信号的任意细节，适用于非平稳信号的分析。在胎儿心电信号提取应用中，小波变换常用来与其他信号提取算法相结合，在小波域应用盲信号分离或独立分量分析等方法提取胎儿心电信号。另外，小波模极大值算法用于胎儿心电提取，是通过小波域中模的极大值方法来检测腹部信号中的奇异值，将母体心电信号的奇异点抵消，然后获取胎儿心电信号，但重构部分计算量较大。本发明提出了基于小波阈值去噪的胎儿心电提取方法，是小波模极大值用于胎儿心电提取的改进技术。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提出一种基于小波阈值去噪的胎儿心电提取方法。该方法首先通过小波阈值法把母体腹部信号中的胎儿心电滤除，重构出母体心电，再从腹部信号中除去识别出的母体心电，从而得到胎儿心电信号，并利用小波相关性去噪方法对提取得到的胎儿心电进行去噪处理。

本发明的基于小波阈值去噪的胎儿心电信号提取方法，包括以下步骤：

1.1.将母体腹部信号进行平稳小波变换处理，分解得到各层小波系数；

1.2.对每层小波细节系数单独处理，去除胎儿心电的小波系数，并将保留下来的母体心电小波系数重构，得到腹部信号中的母体心电；

1.3.从腹部信号中除去重构出的母体心电，得到胎儿心电信号；

1.4.对提取得到的胎儿心电利用小波相关性去噪算法进行去噪处理，得到较为清晰的胎儿心电信号。

上述步骤1.2具体包括如下步骤：

2.1.对小波分解最高层level上的小波细节系数，检测其最大值pmax，并设定阈值pmax/2；

2.2.在level层上，检测出幅值大于阈值的小波系数，并以检测到的小波系数位置为中心构造邻域，保留每一个邻域内的小波系数，去除落在邻域外面的系数，得到level层保留的系数；

2.3.以第level层保留的小波系数位置为中心构造邻域，在level-1层上保留邻域内的小波系数，去除邻域外面的系数，得到第level-1层保留的系数；

2.4.重复步骤2.3，一直到第1层，完成信号细节系数的阈值处理；

2.5.将每一层上保留的小波细节系数通过平稳小波逆变换重构，得到母体心电信号。

上述步骤1.4中，同样采用平稳小波分解，分解层数为5，小波函数采用“bior1.5”，通过计算相邻尺度间小波系数的相关性，设定噪声能量阈值为0.9（可根据情况调节），保留大于阈值的噪声系数并重构，得到去噪后的胎儿心电信号。

本发明与现有技术相比，具有如下优点和有益效果：

1.本发明是基于单通道信号的算法，只需获取母体腹部信号，不需要像基于多通道的提取方法那样获取多路数据，容易实现。另外，基于单通道算法不存在多通道信号相关性对提取结果的影响。

2.本发明方法很好地抑制了母体心电，且加入了对胎儿心电小波域相关性去噪模块，可高效准确地提取出清晰胎儿心电信号用于医学诊断。

3.本发明算法经过了多组模拟数据以及3个数据库共62组临床数据（每组包括3-8通道信号）的验证，除少数信号采集效果太差不能使用，均能达到预期目的，准确提取得到胎儿心电信号。

4.本发明方法避免了小波模极大值的检测与重构，减小了计算量，具有较好的实时性。

附图说明

图1：本发明方法的流程图；

图2：本发明方法中对各层小波系数阈值处理并重构母体心电的流程图；

图3：本发明方法对模拟数据进行胎儿心电提取的效果图；

图4：本发明方法对DaISy数据库的母体腹部信号进行胎儿心电提取的效果图；

图5：本发明方法对Non-Invasive Fetal Electrocardiogram Database数据库的母体腹部信号进行胎儿心电提取的效果图；

图6：对DaISy数据库第1通道母体腹部信号做3层小波分解，得到小波近似系数和细节系数；

图7：阈值处理后所保留的各层小波细节系数；

图8：提取效果，由上到下依次为：母体腹部信号，小波重构母体心电估计，提取所得胎儿心电信号；

图9：对所提取的胎儿心电信号采用小波相关性去噪的效果图。

具体实施方式

结合附图和实际例子对提取过程进行具体的描述。所使用数据为从DaISy数据库获得的第1通道数据。下面分步进行介绍：

1.取心电数据的前1024个点，对其进行尺度为3的平稳小波分解，所选择函数为“db2”，分别得到每个尺度下的小波近似系数和细节系数，如附图6所示，图中由上到下分别为腹部心电信号，3层近似系数a1-a3，3层细节系数d1-d3。

小波变换推导如下：

ψ(t)为一个基小波或母小波，经过伸缩和平移后，就可以得到一个小波序列：

${\mathrm{\ψ}}_{a,b}\left(t\right)={\left|a\right|}^{-1/2}\mathrm{\ψ}\left(\frac{x-b}{a}\right)$

其中，a,b∈R，且a≠0。称a为伸缩因子，b为平移因子。将信号在这个函数系上做分解，便得到关于基小波ψ(t)的连续小波变换：

$\left(W_{\mathrm{\ψ}}f\right)(a,b)={\left|a\right|}^{-1/2}{\∫}_{-\∞}^{+\∞}\stackrel{\‾}{\mathrm{\ψ}\left(\frac{t-b}{a}\right)}\mathrm{dt}$

把参数a和b做离散化，便可得到离散小波变换：

${\mathrm{\ψ}}_{m,n}\left(t\right){\left|a\right|}^{-m/2}{\∫}_{-\∞}^{+\∞}f\left(t\right)\stackrel{\‾}{\mathrm{\ψ}(a_0^{-m}t-n{b}_0)}\mathrm{dt}$

通过调整伸缩因子a和平移因子b，便可得到具有不同时-频宽度的小波，实现对信号的多分辨率分析。

2.对每一层的细节系数进行阈值处理，去除胎儿心电和噪声的小波系数，保留母体心电系数，并重构得到腹部信号中的母体心电。具体实施步骤如下：

1)在最高层第3层检测得到小波细节系数的最大值pmax，并设定阈值pmax/2，选择幅值大于阈值的小波系数；

2)在第3层上，以步骤1)所选择的小波系数位置为中心构造邻域，邻域范围设置为（-10,12）。保留每一个邻域内的小波系数，去除落在邻域外面的系数，得到第3层保留的系数；

3)在第2层上，以第3层保留的小波系数位置为中心构造邻域，邻域范围设置为（-0,0），继续保留邻域内的小波系数，去除邻域外面的系数，得到第2层保留的系数；

4)在第1层上，以第2层保留的小波系数位置为中心构造邻域，邻域范围设置为（-0,0），继续保留邻域内的小波系数，去除邻域外面的系数，得到第1层保留的系数；

5)各层所保留的小波细节系数如附图7所示。将每一层保留的小波细节系数通过平稳小波逆变换重构，得到母体心电信号；

3.从腹部信号中减去重构所得到的母体心电，得到胎儿心电信号，如附图8所示，由上到下分别为母体腹部信号，重构的母体心电，相减所得胎儿心电信号；

4.对提取得到的胎儿心电利用小波相关性去噪算法进行去噪处理，得到较为清晰的胎儿心电信号。具体实施步骤如下：

1)将提取得到的胎儿心电做5层平稳小波分解，小波函数选择“bior1.5”；

2)对第1层系数，初始化各值：计算小波细节系数各层方差Pw_var，并以信号前80个只含噪声的点估计噪声在各层的方差Noise_var。定义相关系数为相邻两层小波细节系数的乘积，计算公式为

Corr=swd(j,:).*swd(j+1,:)

其中Corr为相关系数，swd为小波细节系数，j为小波层数，此处取1；

3)对相关系数Corr做归一化处理后得到Corr_new，以保证其与细节系数的可比性。归一化后的相关系数与原来相关系数具有相同的能量：

$\mathrm{Corr}\_\mathrm{new}=\mathrm{Corr}\sqrt{\mathrm{Pw}/\mathrm{Pcorr}}$

其中，Pw=∑swd(j，:).^2，Pcorr=∑Corr.^2。

4)若相关系数Corr_new的值大于小波细节系数的值，则认为该点为一个边缘，将挑选出的边缘点分别存储于系数处理矩阵，并将对应的相关系数和小波系数处置零。否则认为该点为噪声，不作处理。

5)设定噪声能量阈值thr=0.9，在满足Pw_var≥thr*Noise_var的条件下，重复步骤3)和4)，提取该层的所有边缘信息。

6)对其余各层做同样处理，提取所有边缘信息，然后通过小波平稳逆变换重构信号，得到去噪后的信号。去噪结果如附图9所示，上图为去噪前胎儿心电信号，下图为去噪后信号。

Claims (3)

1.一种基于小波阈值去噪的胎儿心电信号提取方法，通过小波阈值法把母体腹部信号中的胎儿心电滤除，重构出母体心电，再从腹部信号中除去识别出的母体心电，从而得到胎儿心电信号，并利用小波相关性去噪方法对提取得到的胎儿心电进行去噪处理；其特征在于包括以下步骤：

1.1.将母体腹部信号进行平稳小波变换处理，分解得到各层小波系数；

1.2.对每层小波细节系数单独处理，去除胎儿心电的小波系数，并将保留下来的母体心电小波系数重构，得到腹部信号中的母体心电；

1.3.从腹部信号中除去重构出的母体心电，得到胎儿心电信号；

1.4.对提取得到的胎儿心电利用小波相关性去噪算法进行去噪处理，得到清晰的胎儿心电信号。

2.根据权利要求1所述的基于小波阈值去噪的心电信号提取方法，其特征在于：所述的步骤1.2包括：

2.1.对小波分解最高层level上的小波细节系数，检测其最大值pmax，并设定阈值pmax/2；

2.2.在level层上，检测出幅值大于阈值的小波系数，并以检测到的小波系数位置为中心构造邻域，保留每一个邻域内的小波系数，去除落在邻域外面的系数，得到level层保留的系数；

2.3.以第level层保留的小波系数位置为中心构造邻域，在level-1层上保留邻域内的小波系数，去除邻域外面的系数，得到第level-1层保留的系数；

2.4.重复步骤2.3，一直到第1层，完成信号细节系数的阈值处理；

2.5.将每一层上保留的小波细节系数通过平稳小波逆变换重构，得到母体心电信号。

3.根据权利要求1所述的基于小波阈值去噪的心电信号提取方法，其特征在于：所述的步骤1.4中，采用平稳小波分解，分解层数为5，小波函数采用bior1.5，通过计算相邻尺度间小波系数的相关性，设定噪声能量阈值为0.9，保留大于阈值的噪声系数并重构，得到去噪后的胎儿心电信号。

Images