CN102988041B - 心磁信号噪声抑制中的信号选择性平均方法 - Google Patents
心磁信号噪声抑制中的信号选择性平均方法 Download PDFInfo
- Publication number
- CN102988041B CN102988041B CN201210465494.1A CN201210465494A CN102988041B CN 102988041 B CN102988041 B CN 102988041B CN 201210465494 A CN201210465494 A CN 201210465494A CN 102988041 B CN102988041 B CN 102988041B
- Authority
- CN
- China
- Prior art keywords
- signal
- mrow
- masterplate
- average
- msub
- 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.)
- Active
Links
Abstract
本发明涉及一种心磁信号噪声抑制中的信号选择性平均方法,其特征在于所述的方法基于模版匹配的方式,通过计算模版信号与被检信号之间的相似系数,经阀值判断剔除部分干扰周波进行平均,以实现可选择信号平均。本方法的特点是利用模版匹配剔除信号中存在噪声干扰或异常信号的周波,避免对平均信号结果引入不必要的噪声引发信号失真,灵活度大,适用于实际采集心磁信号过程中遇到的各种干扰问题。
Description
技术领域
本发明涉及一种心磁信号噪声抑制中的信号选择性平均方法,更确切地说,本发明涉及一种应用于心磁信号噪声抑制的信号选择性平均方法。
背景技术
超导量子干涉器件(Superconducting Quantum Interference Device,SQUID)是目前已知最灵敏的磁通传感器,典型低温超导SQUID的磁场灵敏度为3-5fT/sqrt(Hz)。作为SQUID的一个重要应用领域,经临床研究证明,心磁系统在心脏疾病诊断、功能研究等方面有独特的应用潜力【V.Pizzela etal,Supercond.Sci.Technol.14(2001)R79-R114】。
心磁系统采集获得的信号包括有用信号及噪声干扰,其中噪声包括白噪声、非白噪声、外界环境干扰,以及一些来自信号本身的变化、局部信号异常等。经过预处理后,心磁信号所得的结果中仍然存在一些‘顽固’噪声,如脉冲、随机出现的扰动及局部显著的信号毛刺等。为了消除这些干扰噪声,多周期平均处理得到了广泛地使用。
平均是生物医学信号处理过程中常用的提高周期或准周期信号质量的最常用方法之一,在心磁信号处理中被广泛使用。在心磁信号平均处理中,通过采集同步心电信号,以心电信号的R峰为基准进行截断平均。目前,最常用的方法主要是对全段信号进行平均处理,该方法使得这些顽固噪声引入到最后的平均结果中,造成信号失真。除此之外还有聚类分析法【DDiPietroPaolo,H-P Muller and S N Erne,Phys.Med.Biol.50(2005)2415-2426】,它是将每一个信号段按照信号特征划分为树形结构,但是由于过于精细造成复杂度较大,效率较低。
为此,探寻高效率、强实用性、易操作的心磁信号平均方法是本领域技术人员努力追求的目标之一,同时在实际应用和分析方面具有十分重要的意义,构筑成本发明的构思。
发明内容
本发明的目的在于提供一种心磁信号噪声抑制中的信号选择性平均方法,所提供的方法是一种在信号噪声抑制中的信号选择性平均方法,所述的方法基于模版匹配的方式,通过计算模版信号与被检信号之间的相似系数,经阈值判断剔除部分干扰周波进行平均,以实现可选择信号平均。
本发明所述的信号选择性平均方法是:
(1)查找与待处理心磁信号对应的参考心电信号R峰,以对应心电信号R峰为基准,将心磁信号分割为各个独立周波;进行心磁的单周波分段;
(2)将待处理信号进行全平均处理,获取的平均信号结果作为初级模版;
(3)计算每一原始分段周波信号与初级模版之间的相似系数,与设定的初阈值进行比较,识别并剔除波形变化较大的周波段,将保留下来的周波段进行平均,获得最终模版信号;
相似系数γ代表两者之间的相似程度,定义为:
γ=1-δ
δ为差值系数,反映了当前信号与模版信号在各时间点上的形状差异:
其中,Ck为模版信号,Xk为被检信号。在波形识别过程中,相似系数对信号的幅度变化及波宽更为敏感,对于波形变化的识别能力更强。
阈值大小决定信号选择剔除的程度,直接影响模版信号的优劣,因此选择合适的阈值是十分关键的。不合理的阈值可能造成选择不足或过选择的情况发生。选择过度,这使得信号保留的可用周波减少,所得结果的SNR较差,无法体现相干平均在抑制噪声、提高SNR方面的优势,相对于选择不足,过选择的危害更大。为了避免出现过选择现象,采用相对阈值,定义为:
Gate=μ×γmean,0≤μ≤1
其中,γmean为相似系数序列的均值,μ为强度因子,可以根据实际数据的情况进行选择。
(4)重复步骤(3),模版匹配以最终模版代替初级模版获取最终的平均心磁信号。
为了验证本发明提供的选择性平均方法的可用性,图2(a)给出了一组模拟MCG信号及信号选择结果,通过模版匹配,可识别出存在明显干扰的周波。图2(b)分别给出了模拟心磁全平均结果、选择平均结果以及被剔除周波的平均结果。可以看到,全平均结果在波形上与该被剔除周波平均结果的曲线存在一定的关联,是造成波形失真的直接来源。选择性平均可以有效地识别存在局部干扰的周波并进行剔除,从而抑制干扰噪声的影响。与参考信号相比,选择平均可以更好的保持信号波形。
将选择性平均方法应用于处理真实的心磁信号。图3(a)给出了一组真实心磁信号及选择结果。可以看到,选择性平均方法可以有效识别信号中存在干扰噪声的周波。图3(b)分别给出了真实心磁信号的全平均结果、选择平均结果以及被剔除部分的平均结果。从中可以看出,被剔除部分存在明显的干扰,影响全平均处理结果,造成波形局部幅度衰减,选择性平均结果则抑制了外界干扰带来的影响,可更加真实的反映实际的心磁信号特征。
除了局部低频扰动,选择性平均方法对于其他类型噪声干扰同样适用,如脉冲、信号毛刺、局部异常等。图4给出了存在信号毛刺、脉冲干扰的真实心磁信号的选择剔除实例。
总之,本发明公开了一种应用于心磁信号噪声抑制的信号平均方法,是一种能够有效提出实际采集信号过程中出现的干扰周波的平均处理方法。通过预选择的方式确定模版信号,计算每一个独立心磁周波与模版信号之间的相似系数实现模版匹配,经阈值判断获得符合条件的周波,最终获得更贴近真实信号的平均信号结果。本发明包括以下步骤:(1)以对应心电信号R峰为基准将心磁信号分割为各个独立周波;(2)全周波进行相干平均获得初级模版;(3)经过预选择获得终极模版;(4)模版匹配获得平均信号结果。本方法的特点是利用模版匹配剔除信号中存在噪声干扰或异常信号的周波,避免对平均信号结果引入不必要的噪声引发信号失真,灵活度大,适用于实际采集心磁信号过程中遇到的各种干扰问题。
附图说明
图1是选择性平均方法的算法流程图;
图2(a)是模拟心磁信号及其挑选结果;
图2(b)是模拟心磁信号平均结果;
图3(a)是心磁信号的选择性平均实例;
图3(b)是真实心磁信号平均结果;
图4是心磁信号的选择性平均实例。
具体实施方式
下面结合具体实施方式和附图对本发明提供的信号选择性平均方法作进一步阐述,但本发明绝非仅局限于实施例。
实施例1
图1为选择性平均方法的算法流程图:首先将待处理的心磁信号进行全平均处理获得初级模版信号;其次利用MCD方法进行模版匹配,计算模版信号与待处理心磁信号的相似系数;再次将符合设定的阈值条件的周波进行平均获得最终模版;然后将最终模版与待测信号利用MCD方法进行模版匹配获得符合条件的周波;最后将选择出的信号周波进行平均,获得选择性平均信号。
图2为模拟心磁信号选择平均实例:采用心电信号驱动小线圈模拟心磁,通过采集系统采集模拟心磁信号。图2(a)为模拟心磁信号干扰周波识别:图上半部分为采集到的模拟心磁信号;图下半部分为同步采集的心电信号,与心磁信号一一对应,同时图中用实心★标注了经过选择性平均方法筛选后符合阈值条件的信号周波,空心☆标注了被剔除的信号周波;本方法可以有效的剔除心磁信号中存在干扰的周波段(见图中虚线矩形框所示)。图2(b)为模拟心磁信号的归一化平均结果:分别包括归一化心电参考信号、归一化直接全平均结果、归一化选择平均结果以及被剔除部分的归一化平均结果,为了便于比较归一化心磁信号与参考信号,为参考信号添加-0.2的偏移量;内插图为归一化心磁信号扣除参考信号的差值曲线。各归一化平均心磁信号与参考信号相比较,可以看到,通过选择性平均方法所得的平均信号结果更贴近参考信号,保留了信号的真实特性,而直接平均结果由于局部干扰的存在造成平均信号在部分波段出现失真现象,并且直接平均结果与被剔除部分平均结果具有一定的形关性。因此,局部噪声干扰会造成平均信号结果失真,选择性平均方法则可以有效抑制这一影响。
图3为真实心磁信号选择平均实例。图3(a)为真实测量的多周期心磁信号及其同步心电信号:图上半部分为真实心磁信号,下半部分为与之对应的心电信号;实心★标记出经选择性平均方法筛选后保留的信号周波,空心☆标记出被剔除的存在较大干扰的信号周波(图中虚线矩形框所示)。对于真实的心磁信号,选择性平均方法同样可以有效的失败出存在干扰的周波段。图3(b)为真实心磁信号的平均信号结果:分别包括直接平均信号结果、选择性平均信号结果以及被剔除部分平均结果。可以看到直接平均结果与被剔除部分平均结果的相关度较大,易受干扰周波影响造成平均信号发生失真,而选择性平均结果则抑制了干扰周波的影响,保留了信号的真实特性。
图4为其他典型噪声的选择性剔除实例:图中由实心★标记出经选择性平均方法筛选后保留的信号周波,空心☆标记出被剔除的存在较大干扰的信号周波。上半部分为存在信号毛刺的心磁信号的选择剔除实例,下半部分为存在脉冲干扰的心磁信号的选择剔除实例。对于心磁信号中常见的噪声干扰,选择性平均方法都能有效的进行识别,从而获得更加贴近真实信号的平均信号结果。
实施例2
本发明所述的信号选择性平均方法具体步骤是:
1、查找与待处理心磁信号对应的参考心电信号的R峰,作为信号分段的基准,将待处理的心磁信号分为各个独立周波,并对信号始末两端边缘数据段进行判断,舍去不完整周波。
2、对全部心磁独立周波进行相干平均,即对应点叠加平均,将所得的平均结果作为初级模版。
3、对每一个心磁独立周波分别与初级模版进行比较,计算相似系数,获得一组相似系数序列;设置合理的阈值,将相似系数序列与阈值进行比较判断,不满足阈值条件的周波判为劣信号并舍去。
4、将进过筛选后保留的信号周波进行相干平均,将所得结果作为终极模版。计算每一个独立周波与终极模版之间的相似系数,经过阈值判断,将符合条件的周波进行相干平均,即得到最终的选择性平均结果。
Claims (5)
1.一种心磁信号噪声抑制中的信号选择性平均方法,其特征在于所述的方法基于模版匹配的方式,通过计算模版信号与被检信号之间的相似系数,经阀值判断剔除部分干扰周波进行平均,以实现可选择信号平均;
包括:
(1)查找与待处理心磁信号对应的参考心电信号R峰,以对应心电信号R峰为基准,将心磁信号分割为各个独立周波;进行心磁的单周波分段;
(2)将待处理信号进行全平均处理,获取的平均信号结果作为初级模版;
(3)计算每一原始分段周波信号与初级模版之间的相似系数,与设定的初阈值进行比较,识别并剔除波形变化较大的周波段,将保留下来的周波段进行平均,获得最终模版信号;
(4)重复步骤(3),模版匹配以最终模版代替初级模版获取最终的平均心磁信号。
2.按权利要求1所述的方法,其特征在于所述的相似系数γ代表两者之间的相似程度,定义为:
γ=1-δ
δ为差值系数,反映了当前信号与模版信号在各时间点上的形状差异:
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>&delta;</mi>
<mo>=</mo>
<mfrac>
<mrow>
<mi>M</mi>
<mi>a</mi>
<mi>x</mi>
<mrow>
<mo>|</mo>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mrow>
<mi>N</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<msub>
<mi>C</mi>
<mi>k</mi>
</msub>
<msub>
<mi>C</mi>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mi>n</mi>
</mrow>
</msub>
<mo>-</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mrow>
<mi>N</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<msub>
<mi>C</mi>
<mi>k</mi>
</msub>
<msub>
<mi>X</mi>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mi>n</mi>
</mrow>
</msub>
</mrow>
<mo>|</mo>
</mrow>
</mrow>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mrow>
<mi>N</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<msubsup>
<mi>C</mi>
<mi>k</mi>
<mn>2</mn>
</msubsup>
</mrow>
</mfrac>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>n</mi>
<mo>=</mo>
<mn>0</mn>
<mo>,</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<mi>N</mi>
<mo>-</mo>
<mn>1</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mn>0</mn>
<mo>&le;</mo>
<mi>&delta;</mi>
<mo>&le;</mo>
<mn>1</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
式中,Ck为模版信号,Xk为被检信号。
3.按权利要求2所述的方法,其特征在于在波形识别过程中,相似系数对信号的幅度变化及波宽更为敏感,对于波形变化的识别能力更强。
4.按权利要求1所述的方法,其特征在于设定的初阀值大小决定信号选择剔除的程度,直接影响模版信号的优劣,采用相对阈值,定义为:
Gate=μ×γmean,0≤μ≤1
式中,γmean为相似系数序列的均值,μ为强度因子,根据实际数据的情况进行选择。
5.按权利要求1所述的方法,其特征在于步骤(2)对待处理信号进行全平均处理即对应点叠加平均。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210465494.1A CN102988041B (zh) | 2012-11-16 | 2012-11-16 | 心磁信号噪声抑制中的信号选择性平均方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210465494.1A CN102988041B (zh) | 2012-11-16 | 2012-11-16 | 心磁信号噪声抑制中的信号选择性平均方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102988041A CN102988041A (zh) | 2013-03-27 |
CN102988041B true CN102988041B (zh) | 2018-04-06 |
Family
ID=47917500
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210465494.1A Active CN102988041B (zh) | 2012-11-16 | 2012-11-16 | 心磁信号噪声抑制中的信号选择性平均方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102988041B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016168979A1 (zh) | 2015-04-20 | 2016-10-27 | 深圳市长桑技术有限公司 | 一种生命体征分析方法与系统 |
WO2016168980A1 (zh) * | 2015-04-20 | 2016-10-27 | 深圳市长桑技术有限公司 | 一种生理体征信息获取方法和系统 |
CN107361760B (zh) * | 2017-07-12 | 2020-06-12 | 中国科学院上海微系统与信息技术研究所 | 心磁图仪诊断系统及应用该系统的心磁图仪 |
CN107590508A (zh) * | 2017-08-25 | 2018-01-16 | 漫迪医疗仪器(上海)有限公司 | 一种心磁信号自适应处理方法及系统 |
CN107550484B (zh) * | 2017-09-28 | 2020-02-07 | 漫迪医疗仪器(上海)有限公司 | 一种心磁信号质量评价方法及系统 |
CN113317793B (zh) * | 2021-06-11 | 2023-02-17 | 宁波大学 | 心磁高频信号分析方法、存储介质及电子设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6405076B1 (en) * | 1995-09-20 | 2002-06-11 | Protocol Systems, Inc. | Artifact rejector for repetitive physiologic-event-signal data |
CN1608581A (zh) * | 2004-11-08 | 2005-04-27 | 中国科学院物理研究所 | 应用于心磁噪声抑制的自适应数字滤波方法 |
CN101449973A (zh) * | 2007-12-04 | 2009-06-10 | 深圳迈瑞生物医疗电子股份有限公司 | 用于心电干扰信号识别的判断指标的生成方法及装置 |
CN101828918A (zh) * | 2010-05-12 | 2010-09-15 | 重庆大学 | 基于波形特征匹配的心电信号r波峰检测方法 |
CN101856225A (zh) * | 2010-06-30 | 2010-10-13 | 重庆大学 | 一种心电信号r波峰检测方法 |
CN101919695A (zh) * | 2010-08-06 | 2010-12-22 | 李楚雅 | 一种基于小波变换的心电信号qrs波检测方法 |
CN102178522A (zh) * | 2011-04-29 | 2011-09-14 | 华南理工大学 | 一种母亲及胎儿心电信号qrs波中r波的检测定位方法 |
CN102680080A (zh) * | 2012-05-03 | 2012-09-19 | 中国科学技术大学 | 一种基于改进的自适应形态滤波的非稳态信号检测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6827695B2 (en) * | 2002-10-25 | 2004-12-07 | Revivant Corporation | Method of determining depth of compressions during cardio-pulmonary resuscitation |
-
2012
- 2012-11-16 CN CN201210465494.1A patent/CN102988041B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6405076B1 (en) * | 1995-09-20 | 2002-06-11 | Protocol Systems, Inc. | Artifact rejector for repetitive physiologic-event-signal data |
CN1608581A (zh) * | 2004-11-08 | 2005-04-27 | 中国科学院物理研究所 | 应用于心磁噪声抑制的自适应数字滤波方法 |
CN101449973A (zh) * | 2007-12-04 | 2009-06-10 | 深圳迈瑞生物医疗电子股份有限公司 | 用于心电干扰信号识别的判断指标的生成方法及装置 |
CN101828918A (zh) * | 2010-05-12 | 2010-09-15 | 重庆大学 | 基于波形特征匹配的心电信号r波峰检测方法 |
CN101856225A (zh) * | 2010-06-30 | 2010-10-13 | 重庆大学 | 一种心电信号r波峰检测方法 |
CN101919695A (zh) * | 2010-08-06 | 2010-12-22 | 李楚雅 | 一种基于小波变换的心电信号qrs波检测方法 |
CN102178522A (zh) * | 2011-04-29 | 2011-09-14 | 华南理工大学 | 一种母亲及胎儿心电信号qrs波中r波的检测定位方法 |
CN102680080A (zh) * | 2012-05-03 | 2012-09-19 | 中国科学技术大学 | 一种基于改进的自适应形态滤波的非稳态信号检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102988041A (zh) | 2013-03-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102988041B (zh) | 心磁信号噪声抑制中的信号选择性平均方法 | |
CN108714026B (zh) | 基于深度卷积神经网络和在线决策融合的细粒度心电信号分类方法 | |
CN106963369B (zh) | 一种基于神经网络模型的脑电放松度识别方法及装置 | |
CN107822622A (zh) | 基于深度卷积神经网络的心电图诊断方法和系统 | |
CN109828318B (zh) | 一种基于变分模态分解的磁共振测深信号噪声滤除方法 | |
CN105997043B (zh) | 一种基于腕式可穿戴设备的脉率提取方法 | |
CN101259016A (zh) | 实时自动检测癫痫特征波的方法 | |
CN103699513A (zh) | 一种基于多尺度噪声调节的随机共振方法 | |
CN106646637A (zh) | 一种去除核磁信号中尖峰噪声的方法 | |
CN102697495A (zh) | 基于总体平均经验模式分解的二代小波肌电信号消噪方法 | |
CN104887222A (zh) | 可逆化脑电信号分析方法 | |
CN105147252A (zh) | 心脏疾病识别及评估方法 | |
Zhang et al. | Identification of blasting vibration and coal-rock fracturing microseismic signals | |
CN111027488A (zh) | 一种信号分类的方法和设备 | |
CN108760310A (zh) | 基于新型信噪比指标的随机共振滚动轴承故障诊断方法 | |
CN107391994A (zh) | 一种基于心音认证的Windows登入认证系统方法 | |
CN108801634A (zh) | 基于奇异值分解和优化的频带熵提取轴承故障特征频率的方法及其应用 | |
CN107870205A (zh) | 一种基于小波分析的复合材料损伤探测检测方法 | |
CN111914679A (zh) | 一种场景化人工智能信号无线音频处理设备 | |
Milani et al. | Identification of normal and abnormal heart sounds by prominent peak analysis | |
Azami et al. | Automatic signal segmentation based on singular spectrum analysis and imperialist competitive algorithm | |
Rajan et al. | Wavelet based bank of correlators approach for phonocardiogram signal classification | |
CN111025100A (zh) | 变压器特高频局部放电信号模式识别方法与装置 | |
Lu et al. | A method combining fractal analysis and single channel ICA for vibration noise reduction | |
CN109959964A (zh) | 一种高铁震源地震信号的宽频背景噪声压制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20181008 Address after: Room 801, block B, 1455 Ping Cheng Road, Jiading District, Shanghai. Patentee after: Man Di medical instruments (Shanghai) Co., Ltd. Address before: 200050 No. 865, Changning Road, Shanghai, Changning District Patentee before: Shanghai Institute of Microsystem and Information Technology, Chinese Academy of Sciences |
|
TR01 | Transfer of patent right |