CN103479349B - 心电信号数据获取及处理方法和系统 - Google Patents

Abstract

本发明提供了一种心电信号数据获取及处理方法和系统，该心电信号数据获取及处理系统包括数据处理单元，所述数据处理单元包括数据分析单元，所述数据分析单元包括RR间期预处理单元、提取瞬时特征单元，所述RR间期预处理单元用于对RR间期序列进行预处理，使RR间期的信号带宽落在希尔伯特变换最佳幅频特性所要求的频率带宽之内；所述提取瞬时特征单元用于提取RR间期序列的瞬时幅度特征和瞬时频率特征。本发明的有益效果是本发明通过对心电信号的获取和处理，使得数据分析复杂度降低，运算量减小，该系统设计简单，费用低廉，便于应用。

Description

心电信号数据获取及处理方法和系统

技术领域

本发明涉及数据处理领域，尤其涉及心电信号数据获取及处理方法和系统。

背景技术

睡眠质量直接影响着人们的日常生活，睡眠呼吸暂停综合症是一种十分常见的疾病，它在成人中发生率为2%-4%，且其中大多数为阻塞性呼吸暂停（Obstructive SleepApnea，简称OSA）。阻塞性睡眠呼吸暂停综合征可引起多种心律失常，增加心血管事件发病率和死亡率。

传统的睡眠呼吸暂停事件信息的获取依赖于多导睡眠图技术，它需要在专业的睡眠实验室里，并在医护人员的监督下进行。多导睡眠图共有11个导联，可以对患者的脑电、眼动、心电、血氧饱和度等所发生的微电变化，经过调节后形成各种同步的图形，连续地记录下来。目前，这种技术对于睡眠呼吸暂停事件信息的获取准确度较高，但是也有十分严重的缺点：（1）多导睡眠图必须在专门的睡眠实验室中测试获得，需要专业人员进行操作；（2）多导睡眠图的获得需要在测试者身体各个部位贴有电极，使得测试者非常不舒服；（3）多导睡眠图的测试费用非常高昂。由于这些原因，导致大量潜在病人群体没有及时得到确诊，延误了最佳的治疗时间。

近年，很多相关研究人员开始利用心电信号和心电导出信号来获取睡眠呼吸暂停事件的数据信息，为睡眠呼吸暂停综合征的研究和治疗提供了辅助性分析的工具。

这些方法中，很多是利用对心率变异性进行频谱分析的方法来研究的。传统的频谱方法有傅里叶变换分析等，但是由于心跳周期具有瞬时性、非线性和非平稳性等特点，会导致传统的频谱分析方法失效，后来也有学者利用小波变换、希尔伯特—黄变换和其他方法来对睡眠呼吸暂停进行分析。类似的方法虽然提高了准确率，但是频谱分解和频谱计算，增加了分析的复杂度和运算量，并不适用于工程应用。另外，频谱的方法如若不借助时域分析的信号信息，也不能准确定位睡眠呼吸暂停事件发生的准确时刻，影响临床上医生对病人情况进行分析的效果。

由于多导睡眠图的种种缺点，而目前获取睡眠呼吸暂停事件信息数据的其他技术方法，都具有较大的复杂度和运算量，实时性差的缺陷。

发明内容

为了解决现有技术中获得的数据增加了分析的复杂度和运算量的问题，本发明提供了一种心电信号数据获取及处理系统。

本发明提供了一种心电信号数据获取及处理系统，包括数据处理单元，所述数据处理单元包括数据分析单元，所述数据分析单元包括RR间期预处理单元、提取瞬时特征单元，所述RR间期预处理单元用于对RR间期序列进行预处理，使RR间期的信号带宽落在希尔伯特变换最佳幅频特性所要求的频率带宽之内；所述提取瞬时特征单元用于提取RR间期序列的瞬时幅度特征和瞬时频率特征。

作为本发明的进一步改进，所述RR间期预处理单元包括RR间期校正子单元、重采样子单元和带通滤波子单元，所述RR间期校正子单元用于对错检和漏检的RR间期进行校正；所述重采样子单元对经过校正的RR间期进行进行重采样，获得等间隔的RR间期序列；所述带通滤波子单元用于对重采样子单元输出的RR间期序列进行带通滤波。

作为本发明的进一步改进，所述提取瞬时特征单元包括延迟子单元、希尔伯特变换子单元、提取频率子单元、提取幅度子单元、频率光滑处理子单元、幅度光滑处理子单元、归一化子单元；所述延迟子单元用于对带通滤波子单元输出的RR间期信号进行延迟作为解析信号的实部；所述希尔伯特变换子单元对带通滤波子单元输出的RR间期序列进行希尔伯特变换；

经过RR间期预处理之后的信号输入到希尔伯特变换子单元，幅度不发生改变，相位作90度的相移，变换之后的信号和原信号是正交的；

将所述希尔伯特变换子单元的输出作为虚部和所述延迟子单元的输出作为实部，构建解析信号，同时输入到提取频率子单元和提取幅度子单元，提取RR间期信号在各个时刻的频率和幅度。

作为本发明的进一步改进，所述数据处理单元还包括参数计算单元、阈值判断单元，所述参数计算单元用于通过所述提取瞬时特征单元得到的幅度和频率，设定时间窗口，分别计算窗口内幅度的平均值、幅度的方差和幅度超过阈值的时间，以及频率的平均值、频率的方差和频率低于阈值的时间；所述阈值判断单元用于对发生睡眠呼吸暂停事件的发生时刻和总数量进行统计，并将对应的睡眠暂停事件的发生时刻和总数量进行输出。

作为本发明的进一步改进，在所述RR间期校正子单元中，将RR间期序列经过一个N点的中值滤波，中值滤波的结果作为实际的RR间期的估计，将相邻的两个RR间期之和与中值滤波的结果进行比较，若两个RR间期之和的值比单个RR间期更接近中值滤波的结果，则被认为是错检的结果，那么这两个RR间期就被合并为一个；但是如果一个RR间期大于预设倍数的中值滤波后的RR间期，则被认为是QRS波漏检的结果；为了估计出漏检的QRS波的个数，将该非正常的RR间期作大于2的等份分割，将分割之后的结果和RR间期进行比较，直到发现一个最为匹配的，然后就将单个RR间期进行相应倍数的等分，形成校正之后的RR间期；

或者，在所述RR间期校正子单元中，根据QRS波误检和漏检的原因进行分类处理；对于早搏引起的非正常的RR间期，先进行早搏点的检测，然后再去除早搏点两端的心率值；对于噪声引起的非正常的RR间期，取窗口长度为41点，去除窗口内中心点M和窗口内RR间期小于0.2s或是大于2s的值，对于剩余RR间期相加求平均值A，将中心点M和该平均值A做比较，若M小于0.2s或大于2s，或是低于该局部平均值A的20%，则将其移除；然后移动窗口的位置，重复上述计算对所有的数据点进行滤波处理。

作为本发明的进一步改进，所述数据处理单元还包括用于接收被转换为数字信号的心电信号的QRS波检测单元，所述QRS波检测单元包括数字预处理子单元、以及与所述数字预处理子单元相连的阈值判断子单元，所述数字预处理子单元将心电信号经积分处理后转换为处理后的信号；所述阈值判断子单元用于对所述数字预处理子单元将心电信号经积分处理后转换为处理后的信号进行处理，检测到QRS波，获得R波的位置，并计算得到RR间期序列。

作为本发明的进一步改进，在所述数字预处理子单元（321）中，对心电信号依次进行低通滤波、高通滤波、差分滤波、平方或绝对值、积分处理，如式(0)所示，最终得到处理后的信号；

$\left.\begin{array}{c}{H}_{\mathrm{lp}}\left(z\right)={\left(\frac{1-z^{{-N}_{\mathrm{lp}}}}{1-z^{-1}}\right)}^2\\ H_{\mathrm{hp}}\left(z\right)=z^{{-N}_{\mathrm{hp}}/2}-\frac{1}{N_{\mathrm{hp}}}\frac{1-z^{{-N}_{\mathrm{hp}}}}{1-z^{-1}}\\ H_{\mathrm{der}}\left(z\right)=({-2z}^{-2}-z^{-1}+z^1+{2z}^2)\\ y\left[n\right]={\left(x\right[n\left]\right)}^2\\ H_{\mathrm{int}}\left(z\right)=\frac{1}{N_{\mathrm{int}}}\frac{1-z^{{-N}_{\mathrm{int}}}}{1-z^{-1}}\end{array}\right\}---\left(0\right)$

式(0)中，H_lp(z)为低通滤波器传递函数，N_lp为其所用点数；H_hp(z)为高通滤波器传递函数，N_hp为其所用点数；H_der(z)为差分滤波传递函数；H_int(z)为积分传递函数，N_int为其所用点数。

作为本发明的进一步改进，在所述阈值判断子单元中，对数字预处理子单元得到的积分方波与预设的积分方波阈值进行比较，判断是否为QRS波，若数字预处理子单元得到的积分方波超过预设的积分方波阈值，则为QRS波，并根据QRS波定位出其所有R波的位置，从而获取RR间期序列。

作为本发明的进一步改进，所述数据处理单元还包括信号预处理单元，所述信号预处理单元用于将转换为数字信号的心电信号进行数字预处理，包括数字高通滤波和数字低通滤波；信号预处理单元用于抑制心电信号频带外的50/60Hz工频干扰、基线漂移、肌电干扰；所述信号预处理单元输出端与所述QRS波检测单元输入端相连。

本发明还公开了一种心电信号数据获取及处理方法，包括数据处理步骤，所述数据处理步骤包括数据分析步骤，所述数据分析步骤包括RR间期预处理步骤、提取瞬时特征步骤，所述RR间期预处理步骤用于对RR间期序列进行预处理，使RR间期的信号带宽落在希尔伯特变换最佳幅频特性所要求的频率带宽之内；所述提取瞬时特征步骤用于提取RR间期序列的瞬时幅度特征和瞬时频率特征。

本发明的有益效果是：本发明通过对心电信号的获取和处理，使得数据分析复杂度降低，运算量减小，该系统设计简单，费用低廉，便于应用。

附图说明

图1是本发明的数据获取及处理系统原理框图。

图2是本发明的QRS波检测单元原理框图。

图3是本发明的数据分析单元原理框图。

图4是本发明的RR间期预处理单元原理框图。

图5是本发明的提取瞬时特征单元原理框图。

图6是本发明的经过QRS波检测识别得到的RR间期序列。

图7是本发明的经过RR间期预处理后得到的RR间期序列。

图8是本发明的所有RR间期序列经过希尔伯特变换后得到的波形。

图9是本发明的RR间期信号各个时刻的幅度。

图10是本发明的RR间期信号各个时刻的频率。

图11是本发明的方法流程图。

图12是本发明的QRS波检测步骤方法流程图。

图13是本发明的RR间期预处理步骤方法流程图。

图14是本发明的提取瞬时特征步骤方法流程图。

具体实施方式

如图1所示，本发明公开了一种心电信号数据获取及处理系统，该心电信号数据获取及处理系统包括：

电极和导联线单元01，所述电极和导联线单元01用于采集人体的心电信号，所述电极和导联线单元01输出端与前置低通滤波器21输入端相连。

电极和导联线单元01连接到人体，将生理信号输出到信号采集单元02。电极和导联线单元01一般为肢体夹、胸导吸球、电极片等导体，它与人体紧密接触以获取人体生理信号，在本发明中该电极和导联线单元01用于获取人体的心电信号。

该心电信号数据获取及处理系统还包括：用于采集人体的心电信号的信号采集单元02，所述信号采集单元02包括依次相连的前置低通滤波器21、差分放大单元22、模数转换单元23，所述前置低通滤波器21用于限制频带以外的高频噪声能量防止采样出现混叠失真，且所述前置低通滤波输出到差分放大单元22；差分放大单元22用于对输入信号进行差分放大后输出到模数转换单元23完成模拟量到数字量的转换。差分放大单元22用于滤除共模信号，并通过放大保证后续的模数转换精度。

数据处理单元03主要由信号预处理单元31、QRS波检测单元32以及数据分析单元33组成。将信号采集单元02的输出作为信号预处理单元31的输入，然后将信号预处理单元31的输出作为QRS波检测单元32的输入，最后将QRS波检测单元32得到的RR间期序列输入到数据分析单元33。

信号预处理单元31对获取的信号进行数字预处理，包括数字高通滤波和数字低通滤波；信号预处理的作用是抑制心电信号频带外的50/60Hz工频干扰、基线漂移、肌电干扰，提取出干扰小、性能良好的心电信号。

如图2所示，QRS波检测单元32对预处理之后的信号进行QRS波检测，共分为数字预处理子单元321和阈值判断子单元322。心电信号首先经过数字预处理子单元321将心电信号经积分处理后转换为处理后的信号，该处理后的信号简称为近似的积分方波，近似的积分方波的意义指的是：心电信号经过数字预处理子单元321的数字预处理阶段的最后一个处理环节，即积分处理之后会得到一个近似像方波的信号，但还不是我们数学意义上明确定义的方波，但是研究阶段为了形象表示，我们就将这样“经过积分处理得到的类似方波的信号”称之为“近似的积分方波”，它并不是数学意义上面严谨规定的积分方波。然后积分方波通过阈值判断子单元322的处理，检测到QRS波，获得R波的位置，并计算得到RR间期序列。如图6所示，为QRS波检测之后，得到的RR间期序列。

在所述数字预处理子单元321中，对心电信号依次进行低通滤波、高通滤波、差分滤波、平方或绝对值、积分处理，如式(0)所示，最终得到处理后的信号（近似的积分方波）；

$\left.\begin{array}{c}{H}_{\mathrm{lp}}\left(z\right)={\left(\frac{1-z^{{-N}_{\mathrm{lp}}}}{1-z^{-1}}\right)}^2\\ H_{\mathrm{hp}}\left(z\right)=z^{{-N}_{\mathrm{hp}}/2}-\frac{1}{N_{\mathrm{hp}}}\frac{1-z^{{-N}_{\mathrm{hp}}}}{1-z^{-1}}\\ H_{\mathrm{der}}\left(z\right)=({-2z}^{-2}-z^{-1}+z^1+{2z}^2)\\ y\left[n\right]={\left(x\right[n\left]\right)}^2\\ H_{\mathrm{int}}\left(z\right)=\frac{1}{N_{\mathrm{int}}}\frac{1-z^{{-N}_{\mathrm{int}}}}{1-z^{-1}}\end{array}\right\}---\left(0\right)$

式(0)中，H_lp(z)为低通滤波器传递函数，N_lp为其所用点数；H_hp(z)为高通滤波器传递函数，N_hp为其所用点数；H_der(z)为差分滤波传递函数；H_int(z)为积分传递函数，N_int为其所用点数。

在所述阈值判断子单元322中，对数字预处理子单元321得到的积分方波与预设的积分方波阈值进行比较，判断是否为QRS波，若数字预处理子单元321得到的积分方波超过预设的积分方波阈值，则为QRS波，并根据QRS波定位出其所有R波的位置，从而获取RR间期序列。

数据分析单元33对RR间期序列进行睡眠呼吸暂停分析，目的是检测出睡眠呼吸暂停事件的发生时刻和数量，获取数据信息。数据分析单元33的具体装置如图3，共有RR间期预处理单元331、提取瞬时特征单元332、参数计算单元333和阈值判断单元334几个部分组成。

RR间期预处理单元331对原始的RR间期序列进行预处理，使RR间期的信号带宽落在希尔伯特变换最佳幅频特性所要求的频率带宽之内，所述提取瞬时特征单元332用于提取RR间期序列的瞬时幅度特征和瞬时频率特征。

通过希尔伯特变换的方式进行幅度和频率特征值的提取，减少运算量，可以达到实时性的效果；而现有技术中的傅立叶变换、小波变换的方法均不能到达实时运行的效果。

RR间期预处理单元331共包括RR间期校正子单元3311、重采样子单元3312和带通滤波子单元3313。首先将QRS波检测单元32计算得到的RR间期序列作为RR间期校正子单元3311的输入，该子单元对错检和漏检的RR间期进行校正。该单元可以提高RR间期的准确性，进而提高睡眠呼吸暂停事件信息结果的准确率。然后在重采样子单元3312对新的RR间期进行重采样，最后将重采样子单元3312得到的结果输入到带通滤波子单元3313。

在所述RR间期校正子单元3311中，将RR间期序列经过一个N点的中值滤波，中值滤波的结果作为实际的RR间期的估计，将相邻的两个RR间期之和与中值滤波的结果进行比较，若两个RR间期之和的值比单个RR间期更接近中值滤波的结果，则被认为是错检的结果，那么这两个RR间期就被合并为一个；但是如果一个RR间期大于预设倍数（该预设倍数优选值为1.8倍）的中值滤波后的RR间期，则被认为是QRS波漏检的结果；为了估计出漏检的QRS波的个数，将该非正常的RR间期作大于2的等份分割，将分割之后的结果和RR间期进行比较，直到发现一个最为匹配的，然后就将单个RR间期进行相应倍数的等分，形成校正之后的RR间期；该实施例没有进行早搏点检测，因此更加简单，运算量小；在该实施例中采取了先判断RR间期的方式，有效的避免了校正不准的情况。

或者，在所述RR间期校正子单元3311中，根据QRS波误检和漏检的原因进行分类处理；对于早搏引起的非正常的RR间期，先进行早搏点的检测，然后再去除早搏点两端的心率值；对于噪声引起的非正常的RR间期，取窗口长度为41点，去除窗口内中心点M和窗口内RR间期小于0.2s或是大于2s的值，对于剩余RR间期相加求平均值A，将中心点M和该平均值A做比较，若M小于0.2s或大于2s，或是低于该局部平均值A的20%，则将其移除；然后移动窗口的位置，重复上述计算对所有的数据点进行滤波处理。

重采样子单元3312对RR间期进行1Hz重采样，获得等间隔的RR间期序列，便于定位睡眠呼吸暂停的发生时刻。

带通滤波子单元3313将RR间期信号进行带通滤波，尽量保证信号进行希尔伯特变换时在最佳频段内，先进行高通滤波，然后进行低通滤波。滤波器参数的选择要尽量保证心率震荡没有被滤除掉。

如图7所示，为图6经过RR间期预处理后得到的RR间期序列。

提取瞬时特征单元332是为了提取RR间期序列的瞬时幅度特征和瞬时频率特征。其具体装置如图5，共分为延迟子单元3321、希尔伯特变换子单元3322、提取频率子单元3323、提取幅度子单元3324、频率光滑处理子单元3325、幅度光滑处理子单元3326、归一化子单元3327。

将预处理之后的RR间期输入到延迟子单元3321和希尔伯特变换子单元3322。延迟子单元3321对原始信号进行与希尔伯特变换子单元3322相同的纯延迟。希尔伯特变换子单元3322对经预处理后的RR间期序列进行希尔伯特变换。希尔伯特变换的脉冲响应如下：

$h\left(n\right)=\frac{1-{(-1)}^n}{\mathrm{n\π}}---\left(5\right)$

式(5)中，n为离散时间自变量。

通过对脉冲响应进行截断、平移、加窗的过程，实现对希尔伯特变换器的实现。对信号作希尔伯特变换的实现公式为：

$\hat{x}\left(n\right)=x\left(n\right)*h(n-N/2)*W_N\left(n\right)---\left(6\right)$

其中x(n)是原始信号，经过希尔伯特变换之后的信号，w_N(n)为窗函数，N为窗函数点数。经过RR间期预处理之后的信号，输入到希尔伯特变换子单元3322，幅度不发生改变，相位作90度的相移，变换之后的信号和原信号是正交的。另外，采用上述实现方法设计出的希尔伯特变换器会给信号带来一定的延迟。

如图8所示，为信号经希尔伯特变换后的波形。

然后将希尔伯特变换子单元3322的输出作为虚部和延迟子单元3321的输出作为实部，构建解析信号，同时输入到提取频率子单元3323和提取幅度子单元3324，提取RR间期信号在各个时刻的频率和幅度。

实现公式分别如下：

构成x(n)的解析信号的实现公式如式(7)：

其中x(n)是原始信号，经过希尔伯特变换之后的信号。

信号的瞬时幅度实现公式如式(2)；信号的瞬时相位实现公式如式(3)；信号的瞬时频率实现公式如式(4)。

由于RR间期信号是离散的，频率的提取采用公式(4)中差分的方法实现。得到各个时刻的幅度和频率之后，要做相应的后期处理，将幅度和频率做光滑处理。这一功能在频率光滑处理子单元3325和幅度光滑处理子单元3326中实现，实现方法可选用简单的平均滤波器和中值滤波器。最后幅度处理子单元的输出幅度在归一化子单元中进行归一化。

提取瞬时特征单元332可以准确且简单地获取RR间期在各个时刻的频率特征和幅度特征。如图9、10所示，为提取瞬时信息单元提取得到的RR间期信号各个时刻的幅度和频率。

参数计算单元333对睡眠呼吸暂停事件的相关信息参数进行计算。通过提取瞬时特征单元332得到的幅度和频率，设定时间窗口，分别计算窗口内幅度的平均值、幅度的方差和幅度超过阈值的时间，以及频率的平均值、频率的方差和频率低于阈值的时间。另可计算其他相关的参数。

阈值判断单元334对参数计算单元333进行阈值比较。若参数在阈值范围之内，则被判断为睡眠呼吸暂停事件的发生，并对该时刻点进行记录和标记。整个夜晚的心电信号处理完，对所有睡眠呼吸暂停的发生时刻和数量进行统计，并将对应的睡眠暂停事件的发生时刻和总数量进行输出；输出的方式可以为存储、打印或者标记。

延迟子单元3321将原信号经过纯延迟作为解析信号的实部。原因是希尔伯特变换会带来一定的延迟，所以需要将原始信号做相应的延迟，才能构建解析信号，对幅度和频率进行可行性的工程上提取。

希尔伯特变换的频率响应为：

$H\left(e^{\mathrm{j\&omega;}}\right)=\left\{\begin{array}{cc}-j& 0<\mathrm{\&omega;}<\mathrm{\&pi;}\\ j& -\mathrm{\&pi;}<\mathrm{\&omega;}<0\end{array}\right.---\left(1\right)$

式(1)中，j为虚数单位，ω为数字角频率。

由频率响应可知，它是幅频特性为1的全通滤波器，信号经过该滤波器幅度不发生变化，但是正频率成分作-90度的相移，负频率成分+90度的相移，所以希尔伯特变换可以实现信号的相移作用，变换之后的信号和原始信号是正交的。所以可以利用希尔伯特变换的性质，构建解析信号，提取出RR间期信号在各个时刻的频率和幅度。

在提取频率子单元3323、提取幅度子单元3324中，为了利用希尔伯特变换后的信号，将希尔伯特变换后信号作为虚部，将原信号经过延迟作为实部，幅度为虚部的平方和实部的平方之和再开根，如公式(2)所示

$A\left(n\right)=\sqrt{x{\left(n\right)}^2+\hat{x}{\left(n\right)}^2}---\left(2\right)$

式(2)中，x(n)为实部，为虚部。

相位为虚部和实部之商的反正切，由于正切函数的周期性，存在相位在周期内的跳变问题，在瞬时相位提取过程中，对于实部和虚部进行分类计算，如公式(3)所示：

式(3)中，x(n)为实部，为虚部，arctan()为反正切。

由于RR间期信号是离散的，频率的提取采用对相位做差分的方法实现，如式(4)所示

$F\left(\mathrm{nTs}\right)=\frac{\mathrm{\&theta;}(\mathrm{nTs}+1)-\mathrm{\&theta;}\left(\mathrm{nTs}\right)}{\mathrm{Ts}}---\left(4\right)$

式(4)中，θ(nTs+1)为下一点的瞬时相位，θ(nTs)为当前点的瞬时相位，Ts为采样周期。

在频率光滑处理子单元3325、幅度光滑处理子单元3326和归一化子单元3327中，由于变换过程中，瞬时幅度和瞬时频率可能会超出允许的浮动范围，个别时刻噪声冲击太大，在得到各个时刻的幅度和频率之后，用简单的平均滤波器对幅度和频率做处理，并将幅度进行归一化。

如图11所示，在本发明的心电信号数据获取及处理方法中，包括信号采集步骤101、数据处理步骤，在数据处理步骤中包括信号预处理步骤102、QRS波检测步骤103以及数据分析步骤。

信号采集步骤101用于获取人体的心电信号，并将模拟信号转换为数字信号便于后续的处理。信号预处理步骤102用于对获取的信号进行数字预处理，包括数字高通滤波和数字低通滤波；信号预处理的作用是抑制心电信号频带外的50/60Hz工频干扰、基线漂移、肌电干扰，提取出干扰小、性能良好的心电信号。

如图12所示，QRS波检测步骤103对预处理之后的信号进行QRS波检测，共分为数字预处理子步骤1031和阈值判断子步骤1032。心电信号首先经过数字预处理子步骤1031将心电信号经积分处理后转换为处理后的信号，该处理后的信号简称为近似的积分方波，近似的积分方波的意义指的是：心电信号经过数字预处理子步骤1031的数字预处理阶段的最后一个处理环节，即积分处理之后会得到一个近似像方波的信号，但还不是我们数学意义上明确定义的方波，但是研究阶段为了形象表示，我们就将这样“经过积分处理得到的类似方波的信号”称之为“近似的积分方波”，它并不是数学意义上面严谨规定的积分方波。然后积分方波通过阈值判断子步骤1032的处理，检测到QRS波，获得R波的位置，并计算得到RR间期序列。如图6所示，为QRS波检测之后，得到的RR间期序列。

在所述数字预处理子步骤1031中，对心电信号依次进行低通滤波、高通滤波、差分滤波、平方或绝对值、积分处理，如式(0)所示，最终得到处理后的信号（近似的积分方波）；

$\left.\begin{array}{c}{H}_{\mathrm{lp}}\left(z\right)={\left(\frac{1-z^{{-N}_{\mathrm{lp}}}}{1-z^{-1}}\right)}^2\\ H_{\mathrm{hp}}\left(z\right)=z^{{-N}_{\mathrm{hp}}/2}-\frac{1}{N_{\mathrm{hp}}}\frac{1-z^{{-N}_{\mathrm{hp}}}}{1-z^{-1}}\\ H_{\mathrm{der}}\left(z\right)=({-2z}^{-2}-z^{-1}+z^1+{2z}^2)\\ y\left[n\right]={\left(x\right[n\left]\right)}^2\\ H_{\mathrm{int}}\left(z\right)=\frac{1}{N_{\mathrm{int}}}\frac{1-z^{{-N}_{\mathrm{int}}}}{1-z^{-1}}\end{array}\right\}---\left(0\right)$

式(0)中，H_lp(z)为低通滤波器传递函数，N_lp为其所用点数；H_hp(z)为高通滤波器传递函数，N_hp为其所用点数；H_der(z)为差分滤波传递函数；H_int(z)为积分传递函数，N_int为其所用点数。

在所述阈值判断子步骤1032中，对数字预处理子步骤1031得到的积分方波与预设的积分方波阈值进行比较，判断是否为QRS波，若数字预处理子步骤1031得到的积分方波超过预设的积分方波阈值，则为QRS波，并根据QRS波定位出其所有R波的位置，从而获取RR间期序列。

数据分析步骤对RR间期序列进行睡眠呼吸暂停分析，目的是检测出睡眠呼吸暂停事件的发生时刻和数量，获取数据信息。数据分析步骤共有RR间期预处理步骤104、提取瞬时特征步骤105、参数计算步骤106和阈值判断步骤107几个部分组成。

RR间期预处理步骤104对原始的RR间期序列进行预处理，使RR间期的信号带宽落在希尔伯特变换最佳幅频特性所要求的频率带宽之内。如图13，RR间期预处理步骤104共包括RR间期校正子步骤1041、重采样子步骤1042和带通滤波子步骤1043。首先将QRS波检测步骤103中计算得到的RR间期序列作为RR间期校正子步骤1041的输入，该子单元对错检和漏检的RR间期进行校正。该单元可以提高RR间期的准确性，进而提高睡眠呼吸暂停事件信息结果的准确率。然后在重采样子步骤1042对新的RR间期进行重采样，最后将重采样子步骤1042得到的结果输入到带通滤波子步骤1043。

在所述RR间期校正子步骤1041中，将RR间期序列经过一个N点的中值滤波，中值滤波的结果作为实际的RR间期的估计，将相邻的两个RR间期之和与中值滤波的结果进行比较，若两个RR间期之和的值比单个RR间期更接近中值滤波的结果，则被认为是错检的结果，那么这两个RR间期就被合并为一个；但是如果一个RR间期大于预设倍数（该预设倍数优选值为1.8倍）的中值滤波后的RR间期，则被认为是QRS波漏检的结果；为了估计出漏检的QRS波的个数，将该非正常的RR间期作大于2的等份分割，将分割之后的结果和RR间期进行比较，直到发现一个最为匹配的，然后就将单个RR间期进行相应倍数的等分，形成校正之后的RR间期；

或者，在所述RR间期校正子步骤1041中，根据QRS波误检和漏检的原因进行分类处理；对于早搏引起的非正常的RR间期，先进行早搏点的检测，然后再去除早搏点两端的心率值；对于噪声引起的非正常的RR间期，取窗口长度为41点，去除窗口内中心点M和窗口内RR间期小于0.2s或是大于2s的值，对于剩余RR间期相加求平均值A，将中心点M和该平均值A做比较，若M小于0.2s或大于2s，或是低于该局部平均值A的20%，则将其移除；然后移动窗口的位置，重复上述计算对所有的数据点进行滤波处理。

重采样子步骤1042对RR间期进行1Hz重采样，获得等间隔的RR间期序列，便于定位睡眠呼吸暂停的发生时刻。

带通滤波子步骤1043将RR间期信号进行带通滤波，尽量保证信号进行希尔伯特变换时在最佳频段内，先进行高通滤波，然后进行低通滤波。滤波器参数的选择要尽量保证心率震荡没有被滤除掉。

如图7所示，为图6经过RR间期预处理后得到的RR间期序列。

提取瞬时特征步骤105是为了提取RR间期序列的瞬时幅度特征和瞬时频率特征。如图14所示，提取瞬时特征步骤105共分为延迟子步骤1051、希尔伯特变换子步骤1052、提取频率子步骤1053、提取幅度子步骤1054、频率光滑处理子步骤1055、幅度光滑处理子步骤1056、归一化子步骤1057。

将预处理之后的RR间期输入到延迟子步骤1051和希尔伯特变换子步骤1052。延迟子步骤1051对原始信号进行与希尔伯特变换子子步骤1052相同的纯延迟。希尔伯特变换子子步骤1052对经预处理后的RR间期序列进行希尔伯特变换。希尔伯特变换的脉冲响应如下：

$h\left(n\right)=\frac{1-{(-1)}^n}{\mathrm{n\&pi;}}---\left(5\right)$

式(5)中，n为离散时间自变量。

通过对脉冲响应进行截断、平移、加窗的过程，实现对希尔伯特变换器的实现。对信号作希尔伯特变换的实现公式为：

$\hat{x}\left(n\right)=x\left(n\right)*h(n-N/2)*W_N\left(n\right)---\left(6\right)$

其中x(n)是原始信号，经过希尔伯特变换之后的信号，w_N(n)为窗函数，N为窗函数点数。经过RR间期预处理之后的信号，输入到希尔伯特变换子单元3322，幅度不发生改变，相位作90度的相移，变换之后的信号和原信号是正交的。另外，采用上述实现方法设计出的希尔伯特变换器会给信号带来一定的延迟。

如图8所示，为信号经希尔伯特变换后的波形。

然后将希尔伯特变换子子步骤1052的输出作为虚部和延迟子步骤1051的输出作为实部，构建解析信号，同时输入到提取频率子步骤1053和提取幅度子步骤1054，提取RR间期信号在各个时刻的频率和幅度。

实现公式分别如下：

构成x(n)的解析信号的实现公式如式(7)：

其中x(n)是原始信号，经过希尔伯特变换之后的信号。

信号的瞬时幅度实现公式如式(2)；信号的瞬时相位实现公式如式(3)；信号的瞬时频率实现公式如式(4)。

由于RR间期信号是离散的，频率的提取采用公式(4)中差分的方法实现。得到各个时刻的幅度和频率之后，要做相应的后期处理，将幅度和频率做光滑处理。这一功能在频率光滑处理子步骤1055和幅度光滑处理子步骤1056中实现，实现方法可选用简单的平均滤波器和中值滤波器。最后幅度处理子单元的输出幅度在归一化子步骤1057中进行归一化。

提取瞬时特征步骤105可以准确且简单地获取RR间期在各个时刻的频率特征和幅度特征。如图9、10所示，为提取瞬时信息单元提取得到的RR间期信号各个时刻的幅度和频率。

参数计算步骤106对睡眠呼吸暂停事件的相关信息参数进行计算。通过提取瞬时特征步骤105得到的幅度和频率，设定时间窗口，分别计算窗口内幅度的平均值、幅度的方差和幅度超过阈值的时间，以及频率的平均值、频率的方差和频率低于阈值的时间。另可计算其他相关的参数。

阈值判断步骤107对参数计算步骤106进行阈值比较。若参数在阈值范围之内，则被判断为睡眠呼吸暂停事件的发生，并对该时刻点进行记录和标记。整个夜晚的心电信号处理完，对所有睡眠呼吸暂停的发生时刻和数量进行统计，并将对应的睡眠暂停事件的发生时刻和总数量进行输出；输出的方式可以为存储、打印或者标记。

延迟子步骤1051将原信号经过纯延迟作为解析信号的实部。原因是希尔伯特变换会带来一定的延迟，所以需要将原始信号做相应的延迟，才能构建解析信号，对幅度和频率进行可行性的工程上提取。

希尔伯特变换的频率响应为：

$H\left(e^{\mathrm{j\&omega;}}\right)=\left\{\begin{array}{cc}-j& 0<\mathrm{\&omega;}<\mathrm{\&pi;}\\ j& -\mathrm{\&pi;}<\mathrm{\&omega;}<0\end{array}\right.---\left(1\right)$

式(1)中，j为虚数单位，ω为数字角频率。

由频率响应可知，它是幅频特性为1的全通滤波器，信号经过该滤波器幅度不发生变化，但是正频率成分作-90度的相移，负频率成分+90度的相移，所以希尔伯特变换可以实现信号的相移作用，变换之后的信号和原始信号是正交的。所以可以利用希尔伯特变换的性质，构建解析信号，提取出RR间期信号在各个时刻的频率和幅度。

在提取频率子步骤1053、提取幅度子步骤1054中，为了利用希尔伯特变换后的信号，将希尔伯特变换后信号作为虚部，将原信号经过延迟作为实部，幅度为虚部的平方和实部的平方之和再开根，如公式(2)所示

$A\left(n\right)=\sqrt{x{\left(n\right)}^2+\hat{x}{\left(n\right)}^2}---\left(2\right)$

式(2)中，x(n)为实部，为虚部。

相位为虚部和实部之商的反正切，由于正切函数的周期性，存在相位在周期内的跳变问题，在瞬时相位提取过程中，对于实部和虚部进行分类计算，如公式(3)所示：

式(3)中，x(n)为实部，为虚部，arctan()为反正切。

由于RR间期信号是离散的，频率的提取采用对相位做差分的方法实现，如式(4)所示

$F\left(\mathrm{nTs}\right)=\frac{\mathrm{\&theta;}(\mathrm{nTs}+1)-\mathrm{\&theta;}\left(\mathrm{nTs}\right)}{\mathrm{Ts}}---\left(4\right)$

式(4)中，θ(nTs+1)为下一点的瞬时相位，θ(nTs)为当前点的瞬时相位，Ts为采样周期。

在频率光滑处理子步骤1055、幅度光滑处理子步骤1056和归一化子步骤1057中，由于变换过程中，瞬时幅度和瞬时频率可能会超出允许的浮动范围，个别时刻噪声冲击太大，在得到各个时刻的幅度和频率之后，用简单的平均滤波器对幅度和频率做处理，并将幅度进行归一化。

本发明在获取RR间期在各个时刻频率特征和幅度特征的准确性高，简单易实现。

本发明的心电信号数据获取及处理方法和系统通过对心电信号的获取及处理，使得数据分析复杂度降低，而且使运算量减小，而且通过使用本发明提供的数据能够准确定位睡眠呼吸暂停事件发生的准确时刻，提高临床上医生对病人情况进行分析的效果。

本发明的心电数据获取及处理系统可实现利用简单的心电信号构成一个系统，可以自动识别出睡眠呼吸暂停事件的发生时刻和总数量，有效获取睡眠呼吸暂停事件的相关数据信息，为睡眠呼吸暂停的分析研究提供一种新的信号处理途径。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (10)

1.一种心电信号数据获取及处理系统，其特征在于，包括数据处理单元(03)，所述数据处理单元(03)包括数据分析单元(33)，所述数据分析单元(33)包括RR间期预处理单元(331)、提取瞬时特征单元(332)，所述RR间期预处理单元(331)用于对RR间期序列进行预处理，使RR间期的信号带宽落在希尔伯特变换最佳幅频特性所要求的频率带宽之内；所述提取瞬时特征单元(332)用于提取RR间期序列的瞬时幅度特征和瞬时频率特征，使用加窗方法实现希尔伯特变换，对信号作希尔伯特变换的实现公式为：

$\hat{x}\left(n\right)=x\left(n\right)*h(n-N/2)*w_N\left(n\right)---\left(6\right)$

其中x(n)是原始信号，为经过希尔伯特变换之后的信号，w_N(n)为窗函数，N为窗函数点数。

2.根据权利要求1所述的心电信号数据获取及处理系统，其特征在于：所述RR间期预处理单元(331)包括RR间期校正子单元(3311)、重采样子单元(3312)和带通滤波子单元(3313)，所述RR间期校正子单元(3311)用于对错检和漏检的RR间期进行校正；所述重采样子单元(3312)对经过校正的RR间期进行重采样，获得等间隔的RR间期序列；所述带通滤波子单元(3313)用于对重采样子单元(3312)输出的RR间期序列进行带通滤波。

3.根据权利要求2所述的心电信号数据获取及处理系统，其特征在于：所述提取瞬时特征单元(332)包括延迟子单元(3321)、希尔伯特变换子单元(3322)、提取频率子单元(3323)、提取幅度子单元(3324)、频率光滑处理子单元(3325)、幅度光滑处理子单元(3326)、归一化子单元(3327)；所述延迟子单元(3321)用于对带通滤波子单元(3313)输出的RR间期信号进行延迟作为解析信号的实部；所述希尔伯特变换子单元(3322)对带通滤波子单元(3313)输出的RR间期序列进行希尔伯特变换；

经过RR间期预处理之后的信号输入到希尔伯特变换子单元(3322)，幅度不发生改变，相位作90度的相移，变换之后的信号和原信号是正交的；

将所述希尔伯特变换子单元(3322)的输出作为虚部和所述延迟子单元(3321)的输出作为实部，构建解析信号，同时输入到提取频率子单元(3323)和提取幅度子单元(3324)，提取RR间期信号在各个时刻的频率和幅度。

4.根据权利要求3所述的心电信号数据获取及处理系统，其特征在于：所述数据处理单元(03)还包括参数计算单元(333)、阈值判断单元(334)，所述参数计算单元(333)用于通过所述提取瞬时特征单元(332)得到的幅度和频率，设定时间窗口，分别计算窗口内幅度的平均值、幅度的方差和幅度超过阈值的时间，以及频率的平均值、频率的方差和频率低于阈值的时间；所述阈值判断单元(334)用于对发生睡眠呼吸暂停事件的发生时刻和总数量进行统计，并将对应的睡眠暂停事件的发生时刻和总数量进行输出。

5.根据权利要求2所述的心电信号数据获取及处理系统，其特征在于：在所述RR间期校正子单元(3311)中，将RR间期序列经过一个N点的中值滤波，中值滤波的结果作为实际的RR间期的估计，将相邻的两个RR间期之和与中值滤波的结果进行比较，若两个RR间期之和的值比单个RR间期更接近中值滤波的结果，则被认为是错检的结果，那么这两个RR间期就被合并为一个；但是如果一个RR间期大于预设倍数的中值滤波后的RR间期，则被认为是QRS波漏检的结果；为了估计出漏检的QRS波的个数，将该非正常的RR间期作大于2的等份分割，将分割之后的结果和RR间期进行比较，直到发现一个最为匹配的，然后就将单个RR间期进行相应倍数的等分，形成校正之后的RR间期；

或者，在所述RR间期校正子单元(3311)中，根据QRS波误检和漏检的原因进行分类处理；对于早搏引起的非正常的RR间期，先进行早搏点的检测，然后再去除早搏点两端的心率值；对于噪声引起的非正常的RR间期，取窗口长度为41点，去除窗口内中心点M和窗口内RR间期小于0.2s或是大于2s的值，对于剩余RR间期相加求平均值A，将中心点M和该平均值A做比较，若M小于0.2s或大于2s，或是低于该平均值A的20％，则将其移除；然后移动窗口的位置，重复上述计算对所有的数据点进行滤波处理。

6.根据权利要求1至5任一项所述的心电信号数据获取及处理系统，其特征在于：所述数据处理单元(03)还包括用于接收被转换为数字信号的心电信号的QRS波检测单元(32)，所述QRS波检测单元(32)包括数字预处理子单元(321)、以及与所述数字预处理子单元(321)相连的阈值判断子单元(322)，所述数字预处理子单元(321)将心电信号经积分处理后转换为处理后的信号；所述阈值判断子单元(322)用于对所述数字预处理子单元(321)将心电信号经积分处理后转换为处理后的信号进行处理，检测到QRS波，获得R波的位置，并计算得到RR间期序列。

7.根据权利要求6所述的心电信号数据获取及处理系统，其特征在于：在所述数字预处理子单元(321)中，对心电信号依次进行低通滤波、高通滤波、差分滤波、平方或绝对值、积分处理，如式(0)所示，最终得到处理后的信号；

$\left.\begin{array}{c}{H}_{lp}\left(z\right)={\left(\frac{1-z^{-N_{lp}}}{1-z^{-1}}\right)}^2\\ H_{hp}\left(z\right)=z^{-N_{hp}/2}-\frac{1}{N_{hp}}\frac{1-z^{-N_{hp}}}{1-z^{-1}}\\ H_{der}\left(z\right)=(-2z^{-2}-z^{-1}+z^1{\mathrm{+2z}}^2)\\ y\&lsqb;n\&rsqb;={(x\&lsqb;n\&rsqb;)}^2\\ H_{\mathrm{int}}\left(z\right)=\frac{1}{N_{\mathrm{int}}}\frac{1-z^{-N_{\mathrm{int}}}}{1-z^{-1}}\end{array}\right\}---\left(0\right)$

式(0)中，H_lp(z)为低通滤波器传递函数，N_lp为其所用点数；H_hp(z)为高通滤波器传递函数，N_hp为其所用点数；H_der(z)为差分滤波传递函数；H_int(z)为积分传递函数，N_int为其所用点数。

8.根据权利要求7所述的心电信号数据获取及处理系统，其特征在于：在所述阈值判断子单元(322)中，对数字预处理子单元(321)得到的积分方波与预设的积分方波阈值进行比较，判断是否为QRS波，若数字预处理子单元(321)得到的积分方波超过预设的积分方波阈值，则为QRS波，并根据QRS波定位出其所有R波的位置，从而获取RR间期序列。

9.根据权利要求8所述的心电信号数据获取及处理系统，其特征在于：所述数据处理单元(03)还包括信号预处理单元(31)，所述信号预处理单元(31)用于将转换为数字信号的心电信号进行数字预处理，包括数字高通滤波和数字低通滤波；信号预处理单元(31)用于抑制心电信号频带外的50/60Hz工频干扰、基线漂移、肌电干扰；所述信号预处理单元(31)输出端与所述QRS波检测单元(32)输入端相连。

10.一种心电信号数据获取及处理方法，其特征在于，包括数据处理步骤，所述数据处理步骤包括数据分析步骤，所述数据分析步骤包括RR间期预处理步骤(104)、提取瞬时特征步骤(105)，所述RR间期预处理步骤(104)用于对RR间期序列进行预处理，使RR间期的信号带宽落在希尔伯特变换最佳幅频特性所要求的频率带宽之内；所述提取瞬时特征步骤(105)用于提取RR间期序列的瞬时幅度特征和瞬时频率特征，使用加窗方法实现希尔伯特变换，对信号作希尔伯特变换的实现公式为：

$\hat{x}\left(n\right)=x\left(n\right)*h(n-N/2)*w_N\left(n\right)---\left(6\right)$

其中x(n)是原始信号，为经过希尔伯特变换之后的信号，w_N(n)为窗函数，N为窗函数点数。