CN106691376A - 心电信号自适应滤波方法及装置 - Google Patents

心电信号自适应滤波方法及装置 Download PDF

Info

Publication number
CN106691376A
CN106691376A CN201611095827.0A CN201611095827A CN106691376A CN 106691376 A CN106691376 A CN 106691376A CN 201611095827 A CN201611095827 A CN 201611095827A CN 106691376 A CN106691376 A CN 106691376A
Authority
CN
China
Prior art keywords
electrocardiosignal
internal
signal
body surface
noise
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.)
Granted
Application number
CN201611095827.0A
Other languages
English (en)
Other versions
CN106691376B (zh
Inventor
李尔松
王兴红
邹海涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Comen Medical Instruments Co Ltd
Original Assignee
Shenzhen Comen Medical Instruments Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Comen Medical Instruments Co Ltd filed Critical Shenzhen Comen Medical Instruments Co Ltd
Priority to CN201611095827.0A priority Critical patent/CN106691376B/zh
Publication of CN106691376A publication Critical patent/CN106691376A/zh
Application granted granted Critical
Publication of CN106691376B publication Critical patent/CN106691376B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/25—Bioelectric electrodes therefor
    • A61B5/279—Bioelectric electrodes therefor specially adapted for particular uses
    • A61B5/28—Bioelectric electrodes therefor specially adapted for particular uses for electrocardiography [ECG]
    • A61B5/283—Invasive
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Surgery (AREA)
  • Artificial Intelligence (AREA)
  • Psychiatry (AREA)
  • Physiology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Cardiology (AREA)
  • Power Engineering (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明涉及一种心电信号自适应滤波方法，通过获取体表心电信号和体内心电信号，对所述体内心电信号和所述体表心电信号进行R波幅值检测并进行差值处理，得到与噪声信号强相关而与所述心电信号弱相关的噪声参考信号，然后以所述噪声参考信号为参考对象，对所述体内心电信号进行自适应滤波去噪。本发明还涉及一种心电信号自适应滤波装置，包括信号采集器、递归滤波器、自适应滤波器以及加权分析器，该装置能够通过上述心电信号自适应滤波方法实现对体内心电信号的自适应滤波去噪。

Description

心电信号自适应滤波方法及装置
技术领域
本发明涉及医疗器械技术领域，特别是涉及一种心电信号自适应滤波方法及装置。
背景技术
PICC(Peripherally Inserted Central Venous Catheters，经外周静脉穿刺中心静脉置管)手术过程中医护人员通常会采用ECG(electrocardiogram，心电图)波形辅助定位的方式，以导管内导丝为电极，获取体内心电波形数据。医护人员通过观察穿刺过程中心电波形的改变，判断导管是否精准的穿刺到上腔静脉靠近右心房交界处，如导管穿刺位置过浅或过深，会引起血栓、静脉炎、静脉壁腐蚀、静脉穿孔、心肌穿孔等并发症。
在穿刺过程中，导丝在静脉内处于移动状态，会引入电极移动的干扰，且静脉内血液的流动、穿刺过程中的肌肉收缩，都会引入噪声，影响心电波形质量。心电波形上叠加的噪声会影响医护人员的分析，PICC穿刺过程中心电波形的改变主要是P波的改变，且心电波形的P波幅度较低，心电信号干扰严重时会淹没P波，直接导致医护人员失去判断依据，只能依靠经验盲插，再采用X线辅助定位，ECG辅助定位失去意义。
传统的方法中，通过获取穿刺过程中的体内心电数据，对采集到的信号进行高通滤波去除漂移，低通滤波去除肌电干扰，工频陷波去除工频干扰，以上方式属于数字信号处理中的通用方法，在干扰程度较小时有一定效果，干扰较大或干扰信号与心电频率段接近时，则效果并不显著。PICC穿刺过程中，体内心电信号存在有很强的干扰，且干扰信号幅度一般较大，如不能有效去除干扰信号，会影响医护人员对穿刺过程中心电波形改变程度的判断。传统的心电信号的滤波对频率段与心电信号频率段接近的干扰信号不能有效抑制，不能有效的去除体内心电波形信号上的干扰。
发明内容
基于此，有必要针对传统的心电信号的滤波对频率段与心电信号频率段接近的干扰信号不能有效抑制，不能有效的去除体内心电波形信号上的干扰问题，提供一种心电信号自适应方法及装置。
一种心电信号自适应滤波方法，包括：
获取体表心电信号和体内心电信号；
对所述体内心电信号和所述体表心电信号进行R波幅值检测并进行差值处理，得到与噪声信号强相关而与所述心电信号弱相关的噪声参考信号；
以所述噪声参考信号为参考对象，对所述体内心电信号进行自适应滤波去噪。
在其中一个实施例中，对所述体内心电信号和所述体表心电信号进行R波幅值检测并进行差值处理，得到与噪声信号强相关而与所述心电信号弱相关的噪声参考信号，包括：
对所述体表心电信号和所述体内心电信号进行初步处理，去除干扰；
以初步处理后的所述体表心电信号为基准，对所述体内心电信号进行幅度归一化处理；
对所述体表心电信号和经过幅度归一化处理的所述体内心电信号进行加权系数的相减，得到所述噪声参考信号。
在其中一个实施例中，对所述体表心电信号和所述体内心电信号进行初步处理，去除干扰，包括：
对所述体表心电信号和所述体内心电信号进行高通滤波，去除漂移；
对所述体表心电信号和所述体内心电信号进行低通滤波，去除肌电干扰；
对所述体表心电信号和所述体内心电信号进行工频陷波，去除工频干扰。
在其中一个实施例中，以初步处理后的所述体表心电信号为基准，对所述体内心电信号进行幅度归一化处理，包括：
对所述体表心电信号和所述体内心电信号的R波幅值进行检测；
获取所述体表心电信号和所述体内心电信号的R波幅值并计算得到所述体表心电信号与所述体内心电信号的R波幅值的比例系数；
将所述体内心电信号与所述比例系数相乘，使得所述体内心电信号的幅值与所述体表心电信号幅值相近。
在其中一个实施例中，对所述体内心电信号和所述体表心电信号进行加权系数的相减，得到所述噪声参考信号，包括：
获取经过幅度归一化处理的所述体表心电信号和所述体内心电信号；
将所述体表心电信号减去经过幅度归一化处理的所述体内心电信号，得到所述噪声参考信号。
在其中一个实施例中，以噪声参考信号为参考，对体内心电信号进行自适应滤波去噪，包括：
获取所述体内心电信号和所述噪声参考信号，所述体内心电信号包括有效心电信号和噪声信号；
对所述噪声参考信号进行自适应滤波，得到输出信号，所述输出信号与所述有效心电信号弱相关而与所述噪声信号强相关；
对所述输出信号与所述体内心电信号进行加权分析，得到误差信号的均方差；
调整自适应滤波的系数，当所述误差信号的均方差值达到最小时，所述体内心电信号中的噪声信号被去除，得到所述有效心电信号。
一种心电信号自适应滤波装置，包括信号采集器、递归滤波器、自适应滤波器以及加权分析器，
所述信号采集器被配置为获取心电信号，所述心电信号包括体表心电信号以及体内心电信号；
所述递归滤波器被配置为对所述信号采集器采集到的心电信号进行去噪处理，去除心电信号频率段以外的干扰及来自电网电源的工频干扰，得到相应的噪声参考信号；
所述自适应滤波器被配置为对所述噪声参考信号进行滤波，得到相应的输出信号；
所述加权分析器被配置为对所述体内心电信号和所述输出信号进行分析，得到误差信号的均方差。
在其中一个实施例中，所述递归滤波器包括带通滤波器、工频陷波器、归一化处理器以及加权相减器，
所述带通滤波器被配置为对所述心电信号进行滤波，去除漂移以及肌电干扰；
所述工频陷波器被配置为对所述心电信号进行工频陷波，去除工频干扰；
所述归一化处理器被配置为以所述体表心电信号为基准，对所述体内心电信号进行幅度归一化处理；
所述加权相减器被配置为对所述体表心电信号和经过幅度归一化处理的所述体内心电信号进行加权相减得到所述噪声参考信号。
在其中一个实施例中，所述带通滤波器包括高通滤波器和低通滤波器，所述高通滤波器被配置为对所述心电信号进行滤波，去除漂移；所述低通滤波器被配置为对所述心电信号进行滤波，去除肌电干扰。
在其中一个实施例中，所述自适应滤波器还被配置为通过调整系数来改变误差信号的均方差值，当误差信号的均方差值达到最小时，所述自适应滤波器的输出信号接近于所述体内心电信号中包括的噪声信号，进而使所述心电信号自适应装置的输出信号接近于所述有效心电信号。
上述心电信号自适应滤波方法及装置，首先获取体内心电信号与体表心电信号，并进行初步的IIR滤波去噪，去除心电信号频率段以外的干扰及来自电网电源的工频干扰；再对体内心电信号进行特殊处理，保证处理后的体内心电信号与体表心电信号幅值相近，然后采用体表心电信号与处理后的体内心电信号加权相减的方式，得到与心电信号近似无关而与噪声信号强相关的噪声参考信号；进而以得到的噪声参考信号做参考，对体内心电信号做自适应滤波进行噪声消除。因此，上述方法及装置能够较好的去除体内心电信号中的干扰，得到干扰小、稳定的体内信号波形，能够更好的帮助医护人员对心电波形的判断。
此外，上述方法及装置在处理心电波形的过程中，通过自适应滤波，减少了有效心电信号的畸变，能够较为不失真的反映病人心电波形。避免了传统的方法中，仅通过获取穿刺过程中的体内心电信号波形，对采集到的信号进行高通滤波去除漂移，低通滤波去除肌电干扰，工频陷波去除工频干扰的滤波方式，会导致心电波形畸变较大的问题。
附图说明
图1为一个实施例中心电信号自适应滤波方法流程图；
图2为另一个实施例中心电信号自适应滤波方法流程图；
图3为一个实施例中心电信号自适应滤波方法中信号初步处理流程图；
图4为一个实施例中心电信号自适应滤波方法中归一化处理流程图；
图5为一个实施例中心电信号自适应滤波方法中加权系数相减流程图；
图6为再一个实施例中心电信号自适应滤波方法流程图；
图7为一个实施例中心电信号自适应滤波方法中自适应滤波去噪原理图；
图8为一个实施例中心电信号自适应滤波装置结构图；
图9为另一个实施例中心电信号自适应滤波装置结构图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，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。
如图1所示，在一个实施例中，提供了一种自适应滤波方法，该方法包括：
步骤S10：获取体表心电信号和体内心电信号。
其中，传统的方法中，应用较多的是只获取穿刺过程中的体内心电数据，没有体表心电数据做参考；或者有体表的心电信号，但不针对体内心电信号做特殊处理。因此，本方法同时获取体内心电信号和体表心电信号，并做相应特殊处理，实现自适应滤波。
步骤S20：对所述体内心电信号和所述体表心电信号进行R波幅值检测并进行差值处理，得到与噪声信号强相关而与所述心电信号弱相关的噪声参考信号。
其中，心电图是由一系列的波组所构成，每个波组代表着每一个心动周期。一个波组包括P波、QRS波群、T波及U波。而典型的QRS波群包括三个紧密相连的波，第一个向下的波称为Q波，继Q波后的一个高尖的直立波称为R波，R波后向下的波称为S波。因其紧密相连，且反映了心室电激动过程，故统称为QRS波群。这个波群反映了左、右两心室的除极过程。对所获取到的心电信号进行R波幅值检测并进行差值处理，得到与噪声信号强相关而与所述心电信号弱相关的噪声参考信号。
步骤S30：以所述噪声参考信号为参考对象，对所述体内心电信号进行自适应滤波去噪。
其中，心电波形上叠加的噪声会影响医护人员进行相应的分析，通过上述步骤的处理，得到的噪声参考信号可作为参考对象，对体内心电信号进行自适应滤波去噪，去除相应噪声造成的影响。
如图2所示，在一个实施例中，步骤S20包括：
步骤S200：对所述体表心电信号和所述体内心电信号进行初步处理，去除干扰。
其中，初步处理过程中，能够去除相应的心电信号频率段以外的干扰及来自电网电源的工频干扰。
步骤S210：以初步处理后的所述体表心电信号为基准，对所述体内心电信号进行幅度归一化处理。
其中，因体表心电信号与体内心电信号的幅度不一致，需要以体表心电信号为基准，对体内心电信号进行近似的幅度归一化处理，保证处理后的体表心电信号与体内心电信号幅值相近，便于后续的处理。
步骤S220：对所述体表心电信号和经过幅度归一化处理的所述体内心电信号进行加权系数的相减，得到所述噪声参考信号。
其中，通过步骤S210的幅度归一化处理，再对幅度归一化处理后的心电信号进行加权系数的相减，得到与心电信号近似弱相关而与噪声信号强相关的噪声参考信号。
如图3所示，在一个实施例中，步骤S200包括：
步骤S202：对所述体表心电信号和所述体内心电信号进行高通滤波，去除漂移。
其中，高通滤波(high-pass filter)是一种过滤方式，规则为高频信号能正常通过，而低于设定临界值的低频信号则被阻隔、减弱。由于只对低于某一给定频率以下的频率成分有衰减作用，而允许这个截止频率以上的频率成分通过，并且没有相位移的滤波过程，因此主要用来消除低频噪声，去除漂移。
步骤S204：对所述体表心电信号和所述体内心电信号进行低通滤波，去除肌电干扰。
其中，低通滤波(Low-pass filter)是一种过滤方式，规则为低频信号能正常通过，而超过设定临界值的高频信号则被阻隔、减弱。低通滤波可以简单的认为：设定一个频率点，当信号频率高于这个频率时不能通过，在数字信号中，这个频率点也就是截止频率，当频域高于这个截止频率时，则全部赋值为0。因为在这一处理过程中，让低频信号全部通过，所以称为低通滤波。由于肌电干扰为人体多种电现象混杂在一起，某一生理量有时是信号，在另一场合则可能是噪声，即被测生理变量以外的人体电现象所引起的噪声。肌电干扰由人体肌肉颤动引起，发生率具有随机性，频率范围在5～2 000Hz之间。因此，通过低通滤波，可以有效去除肌电干扰。
步骤S206：对所述体表心电信号和所述体内心电信号进行工频陷波，去除工频干扰。
其中，陷波是电力电子装置在正常工作情况下，交流输入电流从一相切换到另一相(换相)时产生的周期性电压扰动。通过工频陷波，能够去除来自电网电源的工频干扰。
如图4所示，在一个实施例中，步骤S210包括：
步骤S212：对所述体表心电信号和所述体内心电信号的R波幅值进行检测；
步骤S214：获取所述体表心电信号和所述体内心电信号的R波幅值并计算得到所述体表心电信号与所述体内心电信号的R波幅值的比例系数；
步骤S216：将所述体内心电信号与所述比例系数相乘，使得所述体内心电信号的幅值与所述体表心电信号幅值相近。
其中，上述步骤即为以体表心电信号为基准，对体内心电信号进行近似的归一化处理。对体表心电信号和体内心电信号的R波幅值进行检测，并获得体内心电信号R波幅值和体表心电信号R波幅值的比例系数L，对体内的心电信号乘以该比例系数L，实现体内心电信号和体表心电信号幅值的近似归一化。
如图5所示，在一个实施例中，步骤S220包括：
步骤S222：获取所述体表心电信号和经过幅度归一化处理的所述体内心电信号；
步骤S224：将所述体表心电信号减去经过幅度归一化处理的所述体内心电信号，得到所述噪声参考信号。
其中，通过幅度归一化处理，可得到处理后的体内心电信号，该体内心电信号为处理前的体内心电信号与体内心电信号R波幅值和体表心电信号R波幅值的比例系数L的乘积，通过体表心电信号减去该体内心电信号，即可得到与心电信号近似无关而与噪声信号强相关的噪声参考信号。
如图6和图7所示，在一个实施例中，步骤S30包括：
步骤S300：获取所述体内心电信号和所述噪声参考信号，所述体内心电信号包括有效心电信号和噪声信号。
其中，自适应滤波为以得到的噪声参考信号做参考，对体内心电信号做自适应滤波进行噪声消除。因此，系统输入为体内心电信号和噪声参考信号，体内心电信号由有效心电信号ecg1和噪声信号N1组成，有效心电信号则是我们最终需要得到的信号。
步骤S310：对所述噪声参考信号进行自适应滤波，得到输出信号，所述输出信号与所述有效心电信号弱相关而与所述噪声信号强相关。
其中，噪声参考信号是与噪声信号N1强相关而与有效心电信号ecg1弱相关的N2信号。N2信号经过自适应滤波器后输出y(n)信号，则y(n)信号仍与ecg1弱相关而与N1信号强相关。
步骤S320：对所述输出信号与所述体内心电信号进行加权分析，得到误差信号的均方差。
其中，输出信号y(n)与体内心电信号Data1经过加权分析器∑进行分析，得到误差信号e的均方误差。
步骤S330：调整自适应滤波的系数，当所述误差信号的均方差值达到最小时，所述体内心电信号中的噪声信号被去除，得到所述有效心电信号。
其中，因噪声信号ecg1不在自适应滤波器的通道内，要使误差信号e的均方差最小，只能使N1-y(n)→0，即调整自适应滤波器的系数，使y(n)无限接近于N1，此时系统输出的信号Z逼近于有效心电信号ecg1，将体内心电信号中的有效心电信号去除噪声分离出来。
如图8所示，在一个实施例中，提供了一种心电信号自适应滤波装置，包括信号采集器10、递归滤波器20、自适应滤波器30以及加权分析器40，
信号采集器10被配置为获取心电信号，所述心电信号包括体表心电信号以及体内心电信号，通过两种信号的结合处理，能够有效去除体内心电信号中的噪声信号。
递归滤波器20亦即IIR数字滤波器，被配置为对所述信号采集器10采集到的心电信号进行去噪处理，去除心电信号频率段以外的干扰及来自电网电源的工频干扰，得到相应的噪声参考信号。IIR数字滤波器采用递归型结构，即结构上带有反馈环路，其运算结构通常由延时、乘以系数和相加等基本运算组成，可以组合成直接型、正准型、级联型、并联型四种结构形式，都具有反馈回路。
在一个实施例中，递归滤波器20包括：带通滤波器200、工频陷波器210、归一化处理器220以及加权相减器230，如图9所示。其中：带通滤波器200包括高通滤波器202以及低通滤波器204，被配置为对所述心电信号进行滤波，去除漂移以及肌电干扰；工频陷波器210被配置为对所述心电信号进行工频陷波，去除工频干扰；归一化处理器被配置为以所述体表心电信号为基准，对所述体内心电信号进行幅度归一化处理；加权相减器230被配置为对所述体表心电信号和经过幅度归一化处理的所述体内心电信号进行加权相减得到所述噪声参考信号。
自适应滤波器30被配置为对所述噪声参考信号进行滤波，得到相应的输出信号。自适应滤波较为关键的部分为获取一路基本独立与心电信号的与噪声信号强相关的参考信号，还被配置为通过调整系数来改变误差信号的均方差值，当误差信号的均方差值达到最小时，所述自适应滤波器的输出信号接近于所述体内心电信号中包括的噪声信号
加权分析器40被配置为对所述体内心电信号和所述输出信号进行分析，得到误差信号的均方差。当误差信号的均方差值达到最小时，所述自适应滤波器的输出信号接近于所述体内心电信号中包括的噪声信号，进而使所述心电信号自适应装置的输出信号接近于所述有效心电信号。
上述心电信号自适应滤波方法及装置，首先获取体内心电信号与体表心电信号，并进行初步的IIR滤波去噪，去除心电信号频率段以外的干扰及来自电网电源的工频干扰；再对体内心电信号进行特殊处理，保证处理后的体内心电信号与体表心电信号幅值相近，然后采用体表心电信号与处理后的体内心电信号加权相减的方式，得到与心电信号近似无关而与噪声信号强相关的噪声参考信号；进而以得到的噪声参考信号做参考，对体内心电信号做自适应滤波进行噪声消除。因此，上述方法及装置能够较好的去除体内心电信号中的干扰，得到干扰小、稳定的体内信号波形，能够更好的帮助医护人员对心电波形的判断。
此外，上述方法及装置在处理心电波形的过程中，通过自适应滤波，减少了有效心电信号的畸变，能够较为不失真的反映病人心电波形。避免了传统的方法中，仅通过获取穿刺过程中的体内心电信号波形，对采集到的信号进行高通滤波去除漂移，低通滤波去除肌电干扰，工频陷波去除工频干扰的滤波方式，会导致心电波形畸变较大的问题。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种心电信号自适应滤波方法，包括：
获取体表心电信号和体内心电信号；
对所述体内心电信号和所述体表心电信号进行R波幅值检测并进行差值处理，得到与噪声信号强相关而与所述心电信号弱相关的噪声参考信号；
以所述噪声参考信号为参考对象，对所述体内心电信号进行自适应滤波去噪。
2.根据权利要求1所述的心电信号自适应滤波方法，其特征在于，所述对所述体内心电信号和所述体表心电信号进行R波幅值检测并进行差值处理，得到与噪声信号强相关而与所述心电信号弱相关的噪声参考信号，包括：
对所述体表心电信号和所述体内心电信号进行初步处理，去除干扰；
以初步处理后的所述体表心电信号为基准，对所述体内心电信号进行幅度归一化处理；
对所述体表心电信号和经过幅度归一化处理的所述体内心电信号进行加权系数的相减，得到所述噪声参考信号。
3.根据权利要求2所述的心电信号自适应滤波方法，其特征在于，所述对所述体表心电信号和所述体内心电信号进行初步处理，去除干扰，包括：
对所述体表心电信号和所述体内心电信号进行高通滤波，去除漂移；
对所述体表心电信号和所述体内心电信号进行低通滤波，去除肌电干扰；
对所述体表心电信号和所述体内心电信号进行工频陷波，去除工频干扰。
4.根据权利要求2所述的心电信号自适应滤波方法，其特征在于：所述以初步处理后的所述体表心电信号为基准，对所述体内心电信号进行幅度归一化处理，包括：
对所述体表心电信号和所述体内心电信号的R波幅值进行检测；
获取所述体表心电信号和所述体内心电信号的R波幅值并计算得到所述体表心电信号与所述体内心电信号的R波幅值的比例系数；
将所述体内心电信号与所述比例系数相乘，使得所述体内心电信号的幅值与所述体表心电信号幅值相近。
5.根据权利要求2所述的心电信号自适应滤波方法，其特征在于：所述对所述体内心电信号和所述体表心电信号进行加权系数的相减，得到所述噪声参考信号，包括：
获取所述体表心电信号和经过幅度归一化处理的所述体内心电信号；
将所述体表心电信号减去经过幅度归一化处理的所述体内心电信号，得到所述噪声参考信号。
6.根据权利要求1所述的心电信号自适应滤波方法，其特征在于，所述以噪声参考信号为参考，对体内心电信号进行自适应滤波去噪，包括：
获取所述体内心电信号和所述噪声参考信号，所述体内心电信号包括有效心电信号和噪声信号；
对所述噪声参考信号进行自适应滤波，得到输出信号，所述输出信号与所述有效心电信号弱相关而与所述噪声信号强相关；
对所述输出信号与所述体内心电信号进行加权分析，得到误差信号的均方差；
调整自适应滤波的系数，当所述误差信号的均方差值达到最小时，所述体内心电信号中的噪声信号被去除，得到所述有效心电信号。
7.一种心电信号自适应滤波装置，包括信号采集器、递归滤波器、自适应滤波器以及加权分析器，
所述信号采集器被配置为获取心电信号，所述心电信号包括体表心电信号以及体内心电信号；
所述递归滤波器被配置为对所述信号采集器采集到的心电信号进行去噪处理，去除心电信号频率段以外的干扰及来自电网电源的工频干扰，得到相应的噪声参考信号；
所述自适应滤波器被配置为对所述噪声参考信号进行滤波，得到相应的输出信号；
所述加权分析器被配置为对所述体内心电信号和所述输出信号进行分析，得到误差信号的均方差。
8.根据权利要求7所述的心电信号自适应滤波装置，其特征在于：所述递归滤波器包括带通滤波器、工频陷波器、归一化处理器以及加权相减器，
所述带通滤波器被配置为对所述心电信号进行滤波，去除漂移以及肌电干扰；
所述工频陷波器被配置为对所述心电信号进行工频陷波，去除工频干扰；
所述归一化处理器被配置为以所述体表心电信号为基准，对所述体内心电信号进行幅度归一化处理；
所述加权相减器被配置为对所述体表心电信号和经过幅度归一化处理的所述体内心电信号进行加权相减得到所述噪声参考信号。
9.根据权利要求8所述的心电信号自适应滤波装置，其特征在于，所述带通滤波器包括高通滤波器和低通滤波器，
所述高通滤波器被配置为对所述心电信号进行滤波，去除漂移；
所述低通滤波器被配置为对所述心电信号进行滤波，去除肌电干扰。
10.根据权利要求7所述的心电信号自适应滤波装置，其特征在于，所述自适应滤波器还被配置为通过调整系数来改变误差信号的均方差值，当误差信号的均方差值达到最小时，所述自适应滤波器的输出信号接近于所述体内心电信号中包括的噪声信号，进而使所述心电信号自适应装置的输出信号接近于所述有效心电信号。
CN201611095827.0A 2016-11-30 2016-11-30 心电信号自适应滤波方法及装置 Active CN106691376B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611095827.0A CN106691376B (zh) 2016-11-30 2016-11-30 心电信号自适应滤波方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611095827.0A CN106691376B (zh) 2016-11-30 2016-11-30 心电信号自适应滤波方法及装置

Publications (2)

Publication Number Publication Date
CN106691376A true CN106691376A (zh) 2017-05-24
CN106691376B CN106691376B (zh) 2019-05-28

Family

ID=58935525

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611095827.0A Active CN106691376B (zh) 2016-11-30 2016-11-30 心电信号自适应滤波方法及装置

Country Status (1)

Country Link
CN (1) CN106691376B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108685605A (zh) * 2017-12-20 2018-10-23 深圳市科曼医疗设备有限公司 导管末端定位方法和系统
CN109545239A (zh) * 2018-12-06 2019-03-29 华南理工大学 用于采集体音信号的双麦克风自适应滤波算法及应用
CN110584646A (zh) * 2019-08-20 2019-12-20 广东工业大学 一种自适应二阶滤波心电信号去噪预处理装置及方法
CN110613444A (zh) * 2019-09-16 2019-12-27 深圳市理邦精密仪器股份有限公司 一种母胎混合心电信号的显示方法及装置
CN111870223A (zh) * 2020-07-13 2020-11-03 上海电机学院 一种基于变化域lms算法的自适应降噪方法
TWI769449B (zh) * 2020-04-21 2022-07-01 廣達電腦股份有限公司 濾波系統及濾波方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6487295B1 (en) * 1998-09-25 2002-11-26 Ortivus Ab Adaptive filtering system and method
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
WO2006081447A2 (en) * 2005-01-27 2006-08-03 The Board Of Trustees Of The University Of Illinois Blind adaptive filter extraction of fetal electrocardiogram signal estimate
CN104323769A (zh) * 2014-09-19 2015-02-04 中国人民解放军第三军医大学 一种抑制心肺复苏引起的心电干扰的方法、系统及体外除颤仪

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6487295B1 (en) * 1998-09-25 2002-11-26 Ortivus Ab Adaptive filtering system and method
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
WO2006081447A2 (en) * 2005-01-27 2006-08-03 The Board Of Trustees Of The University Of Illinois Blind adaptive filter extraction of fetal electrocardiogram signal estimate
CN104323769A (zh) * 2014-09-19 2015-02-04 中国人民解放军第三军医大学 一种抑制心肺复苏引起的心电干扰的方法、系统及体外除颤仪

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
J.H.MEJÍA-GARCÍA: "ADAPTIVE CANCELLATION OF THE ECG INTERFERENCE IN EXTERNAL ELECTROENTEROGRAM", 《PROCEEDINGS OF THE 25TH ANNUAL INTERNATIONAL CONFERENCE OF THE IEEE EMBS》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108685605A (zh) * 2017-12-20 2018-10-23 深圳市科曼医疗设备有限公司 导管末端定位方法和系统
CN108685605B (zh) * 2017-12-20 2019-12-17 深圳市科曼医疗设备有限公司 导管末端定位方法和系统
CN109545239A (zh) * 2018-12-06 2019-03-29 华南理工大学 用于采集体音信号的双麦克风自适应滤波算法及应用
CN109545239B (zh) * 2018-12-06 2021-11-05 华南理工大学 用于采集体音信号的双麦克风自适应滤波算法及应用
US11735200B2 (en) 2018-12-06 2023-08-22 South China University Of Technology Dual-microphone adaptive filtering algorithm for collecting body sound signals and application thereof
CN110584646A (zh) * 2019-08-20 2019-12-20 广东工业大学 一种自适应二阶滤波心电信号去噪预处理装置及方法
CN110613444A (zh) * 2019-09-16 2019-12-27 深圳市理邦精密仪器股份有限公司 一种母胎混合心电信号的显示方法及装置
CN110613444B (zh) * 2019-09-16 2022-06-07 深圳市理邦精密仪器股份有限公司 一种母胎混合心电信号的显示方法及装置
TWI769449B (zh) * 2020-04-21 2022-07-01 廣達電腦股份有限公司 濾波系統及濾波方法
CN111870223A (zh) * 2020-07-13 2020-11-03 上海电机学院 一种基于变化域lms算法的自适应降噪方法

Also Published As

Publication number Publication date
CN106691376B (zh) 2019-05-28

Similar Documents

Publication Publication Date Title
CN106691376B (zh) 心电信号自适应滤波方法及装置
Kher Signal processing techniques for removing noise from ECG signals
JP2635079B2 (ja) Ｅｃｇ波信号からペース・パルス信号を除去する方法とｅｃｇ波信号からペース・パルス信号を除去する装置
Kumar et al. Performance analysis of different filters for power line interface reduction in ECG signal
US20200107786A1 (en) Method for assessing electrocardiogram signal quality
CN104939820A (zh) 一种起搏信号检测方法及装置
Kaur et al. Powerline interference reduction in ECG using combination of MA method and IIR notch
CN109984742B (zh) 心阻抗信号处理系统和方法
CN105852850A (zh) 一种从心电信号中提取呼吸信号的方法及相关装置
Choudhary et al. Suppression of noise in ECG signal using low pass IIR filters
Pingale Using Pan Tompkin ‘S Method, ECG signal processing and dignose various diseases in Matlab
Prasad et al. Heart rate detection using Hilbert transform
Almalchy et al. Noise removal from ECG signal based on filtering techniques
US20210282717A1 (en) Methods and systems for reducing electrocardiogram artifacts
Verulkar et al. Filtering techniques for reduction of power line interference in electrocardiogram signals
CN117617937A (zh) 基于少电极和信号关联性的血流动力学检测系统及方法
CN110558974B (zh) 一种基于极值能量分解法的心电图信号分析方法
CN113397523B (zh) 一种呼吸率检测方法、装置及医疗设备
Bhanu et al. Analysis of ECG signal and classification of arrhythmia
Chinomso et al. Analysis of Savitzky-Golay Filter for Electrocardiogram De-Noising Using Daubechies Wavelets
CN108784683B (zh) 包括用于特征检测的滤波器的ecg机器
US20150342490A1 (en) Biological signal detecting apparatus and implantable medical device
Suchetha et al. Denoising and arrhythmia classification using EMD based features and neural network
Kim et al. A biomedical signal segmentation algorithm for event detection based on slope tracing
Shama et al. Hamming filter design for ECG signal detection and processing using co-simulation

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Xiao Yunhong

Inventor after: Li Ersong

Inventor after: Wang Xinghong

Inventor after: Zou Haitao

Inventor before: Li Ersong

Inventor before: Wang Xinghong

Inventor before: Zou Haitao

GR01 Patent grant
GR01 Patent grant