CN107341769A - 一种心电信号除噪方法及系统 - Google Patents
一种心电信号除噪方法及系统 Download PDFInfo
- Publication number
- CN107341769A CN107341769A CN201610286732.0A CN201610286732A CN107341769A CN 107341769 A CN107341769 A CN 107341769A CN 201610286732 A CN201610286732 A CN 201610286732A CN 107341769 A CN107341769 A CN 107341769A
- Authority
- CN
- China
- Prior art keywords
- coefficient
- metric space
- decomposition
- noise
- wavelet
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 239
- 238000012545 processing Methods 0.000 claims abstract description 54
- 230000009466 transformation Effects 0.000 claims abstract description 16
- 230000003044 adaptive effect Effects 0.000 claims description 10
- 238000013519 translation Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 description 32
- 238000010586 diagram Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20064—Wavelet transform [DWT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30048—Heart; Cardiac
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明实施例提供一种心电信号除噪方法及系统,该方法包括:根据心电信号所含至少一类型噪声的频段特征,对所采集的心电信号进行小波分解,得到各尺度空间对应的分解系数,所述尺度空间的层数与所述至少一类型噪声的频段特征相应;在各类型噪声相应的尺度空间下,对相应的分解系数进行处理,得到处理后的各尺度空间对应的分解系数,以去除噪声分量,得到有效信号分量;根据所述处理后的各尺度空间对应的分解系数,进行小波逆变换重构,得到除噪后的有效心电信号。本发明实施例可在除噪的过程中,较完整的保留有效心电信号的特征。
Description
技术领域
本发明涉及信号处理技术领域,更具体地说,涉及一种心电信号除噪方法及系统。
背景技术
心电信号是人体产生的重要生物信号,在临床预防和诊治心血管疾病方面,往往需要采集心电信号并通过心电图(ECG)记录。心电信号在采集的过程中,由于人体、采集环境、采集仪器等因素的影响,所采集的心电信号往往会存在工频干扰、肌电干扰、基线漂移等噪声,而这些噪声会与有效心电信号重叠,给有效心电信号的特征分析造成困难,因此对所采集的心电信号进行除噪,得到有效心电信号显得尤为必要。
目前心电信号的除噪方式主要是根据各种噪声的特定频段设计对应的滤波器,通过各种噪声对应的滤波器从采集的心电信号中滤除各种噪声;然而,本发明的发明人发现,所采集的心电信号中噪声与有效心电信号的频谱往往会存在相重叠的情况,采用滤波器从采集的心电信号中滤除对应噪声时,往往会额外的消除掉部分的有效心电信号,使得有效心电信号的特征受到破坏,不利于后续对有效心电信号的特征进行分析;因此如何提供一种新的心电信号除噪方法,以在除噪的过程中,较完整的保留有效心电信号的特征,成为了本领域技术人员的需要考虑的问题。
发明内容
有鉴于此,本发明实施例提供一种心电信号除噪方法及系统,以在除噪的过程中,较完整的保留有效心电信号的特征。
为实现上述目的,本发明实施例提供如下技术方案:
一种心电信号除噪方法,包括:
根据心电信号所含至少一类型噪声的频段特征,对所采集的心电信号进行小波分解,得到各尺度空间对应的分解系数,所述尺度空间的层数与所述至少一类型噪声的频段特征相应;
在各类型噪声相应的尺度空间下,对相应的分解系数进行处理,得到处理后的各尺度空间对应的分解系数,以去除噪声分量,得到有效信号分量;
根据所述处理后的各尺度空间对应的分解系数,进行小波逆变换重构,得到除噪后的有效心电信号。
可选的,所述根据心电信号所含至少一类型噪声的频段特征,对所采集的心电信号进行小波分解,得到各尺度空间对应的分解系数包括:
对基本小波进行伸缩和平移处理,得到小波函数;
根据所述小波函数对所采集的心电信号进行一维小波变换,得到一维小波变换后信号;
对一维小波变换后信号进行离散化处理,得到离散小波变换后信号;
根据所述至少一类型噪声的频段特征所确定的分解层数,以紧支撑正交对称小波基对所述离散小波变换后信号进行小波分解,得到各尺度空间对应的小波分解系数,和最高尺度空间对应的尺度分解系数;其中,所述分解层数与所述尺度空间的层数一致。
可选的,所述对基本小波进行伸缩和平移处理,得到小波函数包括:
根据尺度因子a和平移因子b对基本小波ψ(t)进行伸缩和平移,得到小波函数其中t为时间;
所述根据所述小波函数对所采集的心电信号进行一维小波变换,得到一维小波变换后信号包括:
根据公式利用ψa,b(t)对所采集的心电信号e(t)进行一维小波变换,得到一维小波变换后信号We(a,b);
所述对一维小波变换后信号进行离散化处理,得到离散小波变换后信号包括:
根据公式将尺度因子a和平移因子b离散化,得到离散小波变换后信号We(a,b)’,其中,j和k为尺度因子a和平移因子b的离散化参数,a0为初始的a值,b0为初始的b值。
可选的,所述在各类型噪声相应的尺度空间下,对相应的分解系数进行处理,得到处理后的各尺度空间对应的分解系数包括:
在基线漂移类型的噪声对应的尺度空间下,将相应的小波分解系数和尺度分解系数置零;
在工频干扰类型的噪声对应的尺度空间下,利用通用阈值和硬阈值函数对相应的小波分解系数进行处理,得到工频干扰类型的噪声对应的尺度空间下,处理后的小波分解系数;
在肌电干扰类型的噪声对应的尺度空间下,利用通用阈值和软硬折中阈值函数对相应的小波分解系数进行处理,得到肌电干扰类型的噪声对应的尺度空间下,处理后的小波分解系数;
利用自适应阈值和软阈值函数,对剩余各尺度空间下的小波分解系数进行处理,得到处理后的剩余各尺度空间下的小波分解系数。
可选的,所述尺度空间的层数为8层,第一层尺度空间对应的小波分解系数为d1,k,第二层尺度空间对应的小波分解系数为d2,k,第三层尺度空间对应的小波分解系数为d3,k,第四层尺度空间对应的小波分解系数为d4,k,第五层尺度空间对应的小波分解系数为d5,k,第六层尺度空间对应的小波分解系数为d6,k,第七层尺度空间对应的小波分解系数为d7,k,第八层尺度空间对应的小波分解系数为d8,k;最高尺度空间对应的尺度分解系数为a8。
可选的,所述在基线漂移类型的噪声对应的尺度空间下,将相应的小波分解系数和尺度分解系数置零包括:
根据基线漂移类型的噪声的频段特征,在基线漂移类型的噪声对应的第八层尺度空间下,将第八层尺度空间对应的小波分解系数d8,k和尺度分解系数a8置零。
可选的,所述在工频干扰类型的噪声对应的尺度空间下,利用通用阈值和硬阈值函数对相应的小波分解系数进行处理,得到工频干扰类型的噪声对应的尺度空间下,处理后的小波分解系数包括:
根据工频干扰类型的噪声的频段特征,在工频干扰类型的噪声对应的第二层尺度空间下,以公式对第二层尺度空间对应的小波分解系数d2,k进行处理,得到处理后的第二层尺度空间对应的小波分解系数dd2,k;
其中,λ为通用阈值,N为心电信号采集个数,σ为工频干扰类型的噪声估计。
可选的,所述在肌电干扰类型的噪声对应的尺度空间下,利用通用阈值和软硬折中阈值函数对相应的小波分解系数进行处理,得到肌电干扰类型的噪声对应的尺度空间下,处理后的小波分解系数包括:
根据肌电干扰类型的噪声的频段特征,在肌电干扰类型的噪声对应的第一和第三层尺度空间下,以公式分别对第一和第三层尺度空间对应的小波分解系数d1,k和d3,k进行处理,得到处理后的第一和第三层尺度空间对应的小波分解系数dd1,k和dd3,k;
其中,λj为通用阈值,N为心电信号采集个数,σj为肌电干扰类型的噪声估计,j表示尺度空间的层序数,在对d1,k进行处理时j取1,在对d3,k进行处理时j取3。
可选的,所述利用自适应阈值和软阈值函数,对剩余各尺度空间下的小波分解系数进行处理,得到处理后的剩余各尺度空间下的小波分解系数包括:
根据公式分别对第四、第五、第六和第七层尺度空间对应的小波分解系数d4,k、d5,k,d6,k和d7,k进行处理,得到处理后的第四、第五、第六和第七层尺度空间对应的小波分解系数dd4,k,dd5,k,dd6,k和dd7,k;
其中,λj’为自适应阈值,N为心电信号采集个数,σj为噪声估计,z为设定值,j表示尺度空间的层序数,在对d4,k进行处理时j取4,在对d5,k进行处理时j取5,在对d6,k进行处理时j取6,在对d7,k进行处理时j取7。
本发明实施例还提供一种心电信号除噪系统,包括:
小波分解模块,用于根据心电信号所含至少一类型噪声的频段特征,对所采集的心电信号进行小波分解,得到各尺度空间对应的分解系数,所述尺度空间的层数与所述至少一类型噪声的频段特征相应;
分解系数处理模块,用于在各类型噪声相应的尺度空间下,对相应的分解系数进行处理,得到处理后的各尺度空间对应的分解系数,以去除噪声分量,得到有效信号分量;
重构模块,用于根据所述处理后的各尺度空间对应的分解系数,进行小波逆变换重构,得到除噪后的有效心电信号。
基于上述技术方案,本发明实施例提供的心电信号除噪方法包括:根据心电信号所含至少一类型噪声的频段特征,对所采集的心电信号进行小波分解,得到各尺度空间对应的分解系数,所述尺度空间的层数与所述至少一类型噪声的频段特征相应;在各类型噪声相应的尺度空间下,对相应的分解系数进行处理,得到处理后的各尺度空间对应的分解系数,以去除噪声分量,得到有效信号分量;根据所述处理后的各尺度空间对应的分解系数,进行小波逆变换重构,得到除噪后的有效心电信号。由于本发明实施例是通过小波变换将所采集的心电信号分解到对应不同频段的各个尺度空间进行除噪后重构,因此相比传统的滤波器,本发明实施例能够更有针对性地对不同频段的噪声进行不同的除噪处理,更准确地消除不同的噪声,达到在除噪的过程中,较完整的保留有效心电信号的特征的目的。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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,还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的心电信号除噪方法的流程图;
图2为本发明实施例对所采集的心电信号进行小波分解的方法流程图;
图3为本发明实施例对各尺度空间相应的分解系数进行处理的方法流程图;
图4为原始的心电信号、原始的心电信号分解的各层小波分解系数D1至D8、及原始的心电信号分解的最高层尺度分解系数A8的示意图;
图5为本发明实施例重构得到的除噪后的心电信号的示意图;
图6为本发明实施例提供的心电信号除噪系统的结构框图。
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,所描述的实施例仅仅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。
本发明实施例提供的心电信号除噪方法主要是基于小波变换,在时域、频域同时对所采集的心电信号进行分解,得到心电信号在不同尺度空间下的分量,及各尺度空间的分解系数;在各类型噪声相应的尺度空间下,对相应的分解系数进行更新,去除幅值较小的噪声分量,保留幅值较大的信号分量;进而以更新后的各尺度空间对应的分解系数,通过小波逆变换重构技术,进行心电信号的重构,可得到除噪后的有效心电信号;实现在除噪的过程中,较完整的保留有效心电信号的特征的目的。
图1为本发明实施例提供的心电信号除噪方法的流程图,该方法可应用于具有心电信号处理能力的仪器等设备,参照图1,本发明实施例提供的心电信号除噪方法可以包括:
步骤S100、根据心电信号所含至少一类型噪声的频段特征,对所采集的心电信号进行小波分解,得到各尺度空间对应的分解系数,所述尺度空间的层数与所述至少一类型噪声的频段特征相应;
此处的尺度空间的层数可以认为是所采集的心电信号进行小波分解时的分解层数,分解层数可根据心电信号所含至少一类型噪声的频段特征确定;
心电信号一般只有10μV至4mV,是一种低频信号,主要频率范围为0.05至100Hz,且约90%的能量集中在0.05至40Hz之间,其所含噪声的类型主要有工频干扰、肌电干扰、基线漂移等;
可选的,本发明实施例可根据工频干扰、肌电干扰、基线漂移等类型噪声的频段特征确定分解层数,对所采集的含噪心电信号进行小波分解,得到心电信号在不同尺度空间下的分量及各尺度空间对应的分解系数;
可选的,各尺度空间对应的分解系数主要包括各尺度空间对应的小波分解系数和尺度分解系数;心电信号在各尺度空间下的分量包括心电信号中的噪声分量和有效信号分量。
步骤S110、在各类型噪声相应的尺度空间下,对相应的分解系数进行处理,得到处理后的各尺度空间对应的分解系数,以去除噪声分量,得到有效信号分量;
一类型噪声对应的尺度空间为至少一个,且各类型噪声相应的尺度空间各不相同,如工频干扰类型噪声、肌电干扰类型噪声、基线漂移类型噪声均对应有尺度空间,且工频干扰类型噪声、肌电干扰类型噪声、基线漂移类型噪声对应的尺度空间各不相同;
本发明实施例可在各类型噪声相应的尺度空间下,进行噪声去除,主要方式是进行相应分解系数的处理更新,得到处理后的各尺度空间对应的分解系数,从而达到在各类型噪声相应的尺度空间下,去除幅值较小的噪声分量,得到幅值较大的有效信号分量的目的;
如在工频干扰类型噪声相应的尺度空间下,进行分解系数的处理更新,在该尺度空间下去除幅值较小的噪声分量,得到幅值较大的有效信号分量;在肌电干扰类型噪声相应的尺度空间下,进行分解系数的处理更新,在该尺度空间下去除幅值较小的噪声分量,得到幅值较大的有效信号分量;在基线漂移类型噪声相应的尺度空间下,进行分解系数的处理更新,在该尺度空间下去除幅值较小的噪声分量,得到幅值较大的有效信号分量等。
步骤S120、根据所述处理后的各尺度空间对应的分解系数,进行小波逆变换重构,得到除噪后的有效心电信号。
在各类型噪声相应的尺度空间下去除幅值较小的噪声分量,得到幅值较大的有效信号分量后,本发明实施例可基于处理后的各尺度空间对应的分解系数,实现有效心电信号的重构;由于本发明实施例是通过小波变换将所采集的心电信号分解到对应不同频段的各个尺度空间,然后在各个尺度空间进行相应类型噪声的除噪,得到处理更新后的分解系数,从而能够更有针对性地对不同频段的噪声进行不同的除噪处理,再基于处理后的各尺度空间对应的分解系数进行有效心电信号的重构,可在除噪过程中,保留较为完整的心电信号的特征。
本发明实施例提供的心电信号除噪方法包括:根据心电信号所含至少一类型噪声的频段特征,对所采集的心电信号进行小波分解,得到各尺度空间对应的分解系数,所述尺度空间的层数与所述至少一类型噪声的频段特征相应;在各类型噪声相应的尺度空间下,对相应的分解系数进行处理,得到处理后的各尺度空间对应的分解系数,以去除噪声分量,得到有效信号分量;根据所述处理后的各尺度空间对应的分解系数,进行小波逆变换重构,得到除噪后的有效心电信号。由于本发明实施例是通过小波变换将所采集的心电信号分解到对应不同频段的各个尺度空间进行除噪后重构,因此相比传统的滤波器,本发明实施例能够更有针对性地对不同频段的噪声进行不同的除噪处理,更准确地消除不同的噪声,达到在除噪的过程中,较完整的保留有效心电信号的特征的目的。
同时,本发明实施例只需针对原始采集的心电信号进行处理,无需获取别的噪声参考分量,因而不会引入额外的噪声和硬件开销,方便移植到各种心电采集设备的处理器中进行除噪运算。
可选的,图2示出了本发明实施例对所采集的心电信号进行小波分解的方法流程图,参照图2,该方法可以包括:
步骤S200、对基本小波进行伸缩和平移处理,得到小波函数;
本发明实施例可利用基本小波ψ(t),加入任意实数的尺度因子a和平移因子b对ψ(t)进行伸缩和平移,从而得到小波函数ψa,b(t),其中t为时间。
步骤S210、根据所述小波函数对所采集的心电信号进行一维小波变换,得到一维小波变换后信号;
在得到小波函数ψa,b(t)后,本发明实施例可利用ψa,b(t)对所采集的心电信号e(t)进行一维小波变换,得到一维小波变换后信号We(a,b)。
步骤S220、对一维小波变换后信号进行离散化处理,得到离散小波变换后信号;
得到一维小波变换后信号We(a,b)后,可将尺度因子a和平移因子b离散化,得到离散小波变换后信号We(a,b)’。
步骤S230、根据所述至少一类型噪声的频段特征所确定的分解层数,以紧支撑正交对称小波基对所述离散小波变换后信号进行小波分解,得到各尺度空间对应的小波分解系数,和最高尺度空间对应的尺度分解系数。
其中,所述分解层数与所述尺度空间的层数一致。
本发明实施例可采用紧支撑正交对称小波基bior3.5,并根据所采集的心电信号所含类型噪声的频段特征确定分解层数,对含噪的离散小波变换后信号进行小波分解,得到各尺度空间对应的小波分解系数,和最高尺度空间对应的尺度分解系数。
可选的,如果所采集的心电信号所含噪声的类型主要为工频干扰、肌电干扰、基线漂移等,则可确定分解层数为八层,从而得到各尺度空间下的小波分解系数d1,k至d8,k,及最高尺度空间(第八层)对应的尺度分解系数a8。
可选的,对所采集的心电信号进行小波分解的具体过程可以如下:
根据尺度因子a和平移因子b对基本小波ψ(t)进行伸缩和平移,得到小波函数
根据公式利用ψa,b(t)对所采集的心电信号e(t)进行一维小波变换,得到一维小波变换后信号We(a,b);
根据公式将尺度因子a和平移因子b离散化,得到离散小波变换后信号We(a,b)’,其中,j和k为尺度因子a和平移因子b的离散化参数,a0为初始的a值,b0为初始的b值;
采用紧支撑正交对称小波基bior3.5,并根据噪声的频段特征确定分解层数,对含噪离散小波变换后信号We(a,b)’进行小波分解,得到各尺度空间对应的小波分解系数,和最高尺度空间对应的小波分解系数。
可选的,根据噪声的频段特征确定的分解层数可以为8层;相应的,所述尺度空间的层数为8层,第一层尺度空间对应的小波分解系数为d1,k,第二层尺度空间对应的小波分解系数为d2,k,第三层尺度空间对应的小波分解系数为d3,k,第四层尺度空间对应的小波分解系数为d4,k,第五层尺度空间对应的小波分解系数为d5,k,第六层尺度空间对应的小波分解系数为d6,k,第七层尺度空间对应的小波分解系数为d7,k,第八层尺度空间对应的小波分解系数为d8,k;最高尺度空间对应的尺度分解系数为a8。
可选的,本发明实施例可对基线漂移类型的噪声、工频干扰类型的噪声、肌电干扰类型的噪声对应的尺度空间,及剩余各尺度空间下的分解系数进行处理,得到处理后的各尺度空间对应的分解系数;
图3示出了本发明实施例对各尺度空间相应的分解系数进行处理的方法流程图,参照图3,该方法可以包括:
步骤S300、在基线漂移类型的噪声对应的尺度空间下,将相应的小波分解系数和尺度分解系数置零;
可选的,如果尺度空间的层数为8层,根据基线漂移的频段特征,确定其主要能量分布在第八层尺度空间下的小波分解系数d8,k和尺度系数a8上,该尺度空间下心电信号分量很少,故可将小波分解系数d8,k和尺度系数a8全部置为零。
步骤S310、在工频干扰类型的噪声对应的尺度空间下,利用通用阈值和硬阈值函数对相应的小波分解系数进行处理,得到工频干扰类型的噪声对应的尺度空间下,处理后的小波分解系数;
可选的,如果尺度空间的层数为8层,根据工频干扰的频段特征,确定其主要能量分布在第二层尺度空间下的小波分解系数d2,k上,选用通用阈值λ和硬阈值函数对系数d2,k进行处理;
可选的,处理公式可如下:
根据工频干扰类型的噪声的频段特征,在工频干扰类型的噪声对应的第二层尺度空间下,以公式对第二层尺度空间对应的小波分解系数d2,k进行处理,得到处理后的第二层尺度空间对应的小波分解系数dd2,k;
其中,λ为通用阈值,N为心电信号采集个数,σ为工频干扰类型的噪声估计;
可选的,
步骤S320、在肌电干扰类型的噪声对应的尺度空间下,利用通用阈值和软硬折中阈值函数对相应的小波分解系数进行处理,得到肌电干扰类型的噪声对应的尺度空间下,处理后的小波分解系数;
可选的,如果尺度空间的层数为8层,根据肌电干扰的频段特征,确定其主要能量分布在第一和第三层尺度空间下的小波分解系数d1,k和d3,k,可选用通用阈值λj和软硬折中阈值函数对第一和第三层尺度空间下的小波分解系数d1,k和d3,k进行处理,处理公式可如下:
根据肌电干扰类型的噪声的频段特征,在肌电干扰类型的噪声对应的第一和第三层尺度空间下,以公式分别对第一和第三层尺度空间对应的小波分解系数d1,k和d3,k进行处理,得到处理后的第一和第三层尺度空间对应的小波分解系数dd1,k和dd3,k;
其中,λj为通用阈值,N为心电信号采集个数,σj为肌电干扰类型的噪声估计,j表示尺度空间的层序数,分别取1和3,即在对d1,k进行处理时j取1,在对d3,k进行处理时j取3;
可选的,可选的,当j=1时,a可取0.2,当j=3时,a可取0.7,且a可以根据实际效果进行调整。
步骤S330、利用自适应阈值和软阈值函数,对剩余各尺度空间下的小波分解系数进行处理,得到处理后的剩余各尺度空间下的小波分解系数。
可选的,如果尺度空间的层数为8层,对于剩余的第四、第五、第六和第七层尺度空间,本发明实施例可选用自适应阈值λj’和软阈值函数对d4,k、d5,k,d6,k和d7,k进行处理,处理公式可如下:
根据公式分别对第四、第五、第六和第七层尺度空间对应的小波分解系数d4,k、d5,k,d6,k和d7,k进行处理,得到处理后的第四、第五、第六和第七层尺度空间对应的小波分解系数dd4,k,dd5,k,dd6,k和dd7,k;
其中,λj’为自适应阈值,N为心电信号采集个数,σj为噪声估计,z为设定值,j表示尺度空间的层序数,分别取4至7,即在对d4,k进行处理时j取4,在对d5,k进行处理时j取5,在对d6,k进行处理时j取6,在对d7,k进行处理时j取7;
可选的,z可取为1且可以根据实际效果进行调整,
对于基线漂移类型的噪声、工频干扰类型的噪声和肌电干扰类型等噪声,本发明实施例可以8层的分解层数对心电信号进行除噪处理,具体过程可以如下:
利用基本小波ψ(t),加入尺度因子a和平移因子b对ψ(t)进行伸缩和平移,可得小波函数:
其中a为尺度因子,b为平移因子,通过a、b值的不同对ψa,b(t)的波动范围进行调节,从而实现时域和频域的调节;
利用ψa,b(t)对采集的心电信号e(t)进行一维小波变换:
将尺度因子a和平移因子b离散化,可得离散小波变换:
采用紧支撑正交对称小波基bior3.5,并根据噪声的频段特征确定分解层数为8层,对含噪心电信号We(a,b)’进行小波分解,得到各尺度下的小波分解系数d1,k至d8,k和第八层尺度空间的尺度分解系数a8。
根据基线漂移的频段特征,确定其主要能量分布在第八层尺度空间下的小波分解系数d8,k和尺度分解系数a8上,该尺度下心电信号分量很少,故将小波分解系数d8,k和尺度分解系数a8全部置为零。
根据工频干扰的频段特征,确定其主要能量分布在第二层尺度空间下的小波分解系数d2,k,选用通用阈值λ和硬阈值函数对系数d2,k进行处理,计算公式如下:
dd2,k为阈值处理后的第二层尺度空间新的小波分解系数,通用阈值其中N为心电信号采集个数,σ为噪声估计,计算公式为:
将第二层尺度空间下的小波分解系数d2,k更新为dd2,k。
根据肌电干扰的频段特征,确定其主要能量分布在第一和第三层尺度空间下的小波分解系数d1,k和d3,k,选用通用阈值λj和软硬折中阈值函数对d1,k和d3,k进行处理,计算公式如下:
其中j代表第j尺度空间,此处分别取1和3,ddj,k为阈值处理后的新的小波分解系数,通用阈值当j=1时,a取0.2,当j=3时,a取0.7,且a可以根据实际效果进行调整;
将第1,3层尺度空间下的小波分解系数d1,k和d3,k分别更新为dd1,k和dd3,k。
选用自适应阈值λj’和软阈值函数对小波分解系数d4,k至d7,k进行处理,计算公式如下:
其中尺度j分别取4至7的整数,ddj,k为阈值处理后的新的小波分解系数,自适应阈值其中z取为1且可以根据实际效果进行调整;
将第4至7层尺度空间下的小波分解系数d4,k至d7,k分别更新为dd4,k至dd7,k;
基于上述过程处理后的新的小波分解系数d1,k至d8,k,和新的尺度分解系数a8进行小波逆变换重构得到除噪后的心电信号。
图4示出了原始的心电信号、原始的心电信号分解的各层小波分解系数D1至D8、及原始的心电信号分解的最高层尺度分解系数A8的示意图,图5示出了本发明实施例重构得到的除噪后的心电信号的示意图;参照图4、图5可以看出,本发明实施例能够更有针对性地对不同频段的噪声进行不同的除噪处理,更准确地消除不同的噪声,较完整地保留有效心电信号,如图5所示,本发明实施例除噪后的心电波形消除了大部分的噪声,心电波形清晰完整。
下面对本发明实施例提供的心电信号除噪系统进行介绍,下文描述的心电信号除噪系统可与上文描述的心电信号除噪方法相互对应参照。
图6为本发明实施例提供的心电信号除噪系统的结构框图,参照图6,该心电信号除噪系统可以包括:
小波分解模块100,用于根据心电信号所含至少一类型噪声的频段特征,对所采集的心电信号进行小波分解,得到各尺度空间对应的分解系数,所述尺度空间的层数与所述至少一类型噪声的频段特征相应;
分解系数处理模块200,用于在各类型噪声相应的尺度空间下,对相应的分解系数进行处理,得到处理后的各尺度空间对应的分解系数,以去除噪声分量,得到有效信号分量;
重构模块300,用于根据所述处理后的各尺度空间对应的分解系数,进行小波逆变换重构,得到除噪后的有效心电信号。
可选的,小波分解模块100具体可用于:
对基本小波进行伸缩和平移处理,得到小波函数;根据所述小波函数对所采集的心电信号进行一维小波变换,得到一维小波变换后信号;对一维小波变换后信号进行离散化处理,得到离散小波变换后信号;根据所述至少一类型噪声的频段特征所确定的分解层数,以紧支撑正交对称小波基对所述离散小波变换后信号进行小波分解,得到各尺度空间对应的小波分解系数,和最高尺度空间对应的尺度分解系数;其中,所述分解层数与所述尺度空间的层数一致;
可选的,小波分解模块100具体工作过程涉及的公式算法可参照上文相应部分所示。
可选的,分解系数处理模块200具体可用于:
在基线漂移类型的噪声对应的尺度空间下,将相应的小波分解系数和尺度分解系数置零;在工频干扰类型的噪声对应的尺度空间下,利用通用阈值和硬阈值函数对相应的小波分解系数进行处理,得到工频干扰类型的噪声对应的尺度空间下,处理后的小波分解系数;在肌电干扰类型的噪声对应的尺度空间下,利用通用阈值和软硬折中阈值函数对相应的小波分解系数进行处理,得到肌电干扰类型的噪声对应的尺度空间下,处理后的小波分解系数;利用自适应阈值和软阈值函数,对剩余各尺度空间下的小波分解系数进行处理,得到处理后的剩余各尺度空间下的小波分解系数;
可选的,分解系数处理模块200具体工作过程涉及的公式算法可参照上文相应部分所示。
本发明实施例能够更有针对性地对不同频段的噪声进行不同的除噪处理,更准确地消除不同的噪声,较完整地保留有效心电信号。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种心电信号除噪方法,其特征在于,包括:
根据心电信号所含至少一类型噪声的频段特征,对所采集的心电信号进行小波分解,得到各尺度空间对应的分解系数,所述尺度空间的层数与所述至少一类型噪声的频段特征相应;
在各类型噪声相应的尺度空间下,对相应的分解系数进行处理,得到处理后的各尺度空间对应的分解系数,以去除噪声分量,得到有效信号分量;
根据所述处理后的各尺度空间对应的分解系数,进行小波逆变换重构,得到除噪后的有效心电信号。
2.根据权利要求1所述的心电信号除噪方法,其特征在于,所述根据心电信号所含至少一类型噪声的频段特征,对所采集的心电信号进行小波分解,得到各尺度空间对应的分解系数包括:
对基本小波进行伸缩和平移处理,得到小波函数;
根据所述小波函数对所采集的心电信号进行一维小波变换,得到一维小波变换后信号;
对一维小波变换后信号进行离散化处理,得到离散小波变换后信号;
根据所述至少一类型噪声的频段特征所确定的分解层数,以紧支撑正交对称小波基对所述离散小波变换后信号进行小波分解,得到各尺度空间对应的小波分解系数,和最高尺度空间对应的尺度分解系数;其中,所述分解层数与所述尺度空间的层数一致。
3.根据权利要求2所述的心电信号除噪方法,其特征在于,所述对基本小波进行伸缩和平移处理,得到小波函数包括:
根据尺度因子a和平移因子b对基本小波ψ(t)进行伸缩和平移,得到小波函数ψa,b(t),其中t为时间;
所述根据所述小波函数对所采集的心电信号进行一维小波变换,得到一维小波变换后信号包括:
根据公式利用ψa,b(t)对所采集的心电信号e(t)进行一维小波变换,得到一维小波变换后信号We(a,b);
所述对一维小波变换后信号进行离散化处理,得到离散小波变换后信号包括:
根据公式将尺度因子a和平移因子b离散化,得到离散小波变换后信号We(a,b)’,其中,j和k为尺度因子a和平移因子b的离散化参数,a0为初始的a值,b0为初始的b值。
4.根据权利要求1-3任一项所述的心电信号除噪方法,其特征在于,所述在各类型噪声相应的尺度空间下,对相应的分解系数进行处理,得到处理后的各尺度空间对应的分解系数包括:
在基线漂移类型的噪声对应的尺度空间下,将相应的小波分解系数和尺度分解系数置零;
在工频干扰类型的噪声对应的尺度空间下,利用通用阈值和硬阈值函数对相应的小波分解系数进行处理,得到工频干扰类型的噪声对应的尺度空间下,处理后的小波分解系数;
在肌电干扰类型的噪声对应的尺度空间下,利用通用阈值和软硬折中阈值函数对相应的小波分解系数进行处理,得到肌电干扰类型的噪声对应的尺度空间下,处理后的小波分解系数;
利用自适应阈值和软阈值函数,对剩余各尺度空间下的小波分解系数进行处理,得到处理后的剩余各尺度空间下的小波分解系数。
5.根据权利要求4所述的心电信号除噪方法,其特征在于,所述尺度空间的层数为8层,第一层尺度空间对应的小波分解系数为d1,k,第二层尺度空间对应的小波分解系数为d2,k,第三层尺度空间对应的小波分解系数为d3,k,第四层尺度空间对应的小波分解系数为d4,k,第五层尺度空间对应的小波分解系数为d5,k,第六层尺度空间对应的小波分解系数为d6,k,第七层尺度空间对应的小波分解系数为d7,k,第八层尺度空间对应的小波分解系数为d8,k;最高尺度空间对应的尺度分解系数为a8。
6.根据权利要求5所述的心电信号除噪方法,其特征在于,所述在基线漂移类型的噪声对应的尺度空间下,将相应的小波分解系数和尺度分解系数置零包括:
根据基线漂移类型的噪声的频段特征,在基线漂移类型的噪声对应的第八层尺度空间下,将第八层尺度空间对应的小波分解系数d8,k和尺度分解系数a8置零。
7.根据权利要求5所述的心电信号除噪方法,其特征在于,所述在工频干扰类型的噪声对应的尺度空间下,利用通用阈值和硬阈值函数对相应的小波分解系数进行处理,得到工频干扰类型的噪声对应的尺度空间下,处理后的小波分解系数包括:
根据工频干扰类型的噪声的频段特征,在工频干扰类型的噪声对应的第二层尺度空间下,以公式对第二层尺度空间对应的小波分解系数d2,k进行处理,得到处理后的第二层尺度空间对应的小波分解系数dd2,k;
其中,λ为通用阈值,N为心电信号采集个数,σ为工频干扰类型的噪声估计。
8.根据权利要求5所述的心电信号除噪方法,其特征在于,所述在肌电干扰类型的噪声对应的尺度空间下,利用通用阈值和软硬折中阈值函数对相应的小波分解系数进行处理,得到肌电干扰类型的噪声对应的尺度空间下,处理后的小波分解系数包括:
根据肌电干扰类型的噪声的频段特征,在肌电干扰类型的噪声对应的第一和第三层尺度空间下,以公式分别对第一和第三层尺度空间对应的小波分解系数d1,k和d3,k进行处理,得到处理后的第一和第三层尺度空间对应的小波分解系数dd1,k和dd3,k;
其中,λj为通用阈值,N为心电信号采集个数,σj为肌电干扰类型的噪声估计,j表示尺度空间的层序数,在对d1,k进行处理时j取1,在对d3,k进行处理时j取3。
9.根据权利要求5所述的心电信号除噪方法,其特征在于,所述利用自适应阈值和软阈值函数,对剩余各尺度空间下的小波分解系数进行处理,得到处理后的剩余各尺度空间下的小波分解系数包括:
根据公式分别对第四、第五、第六和第七层尺度空间对应的小波分解系数d4,k、d5,k,d6,k和d7,k进行处理,得到处理后的第四、第五、第六和第七层尺度空间对应的小波分解系数dd4,k,dd5,k,dd6,k和dd7,k;
其中,λj’为自适应阈值,N为心电信号采集个数,σj为噪声估计,z为设定值,j表示尺度空间的层序数,在对d4,k进行处理时j取4,在对d5,k进行处理时j取5,在对d6,k进行处理时j取6,在对d7,k进行处理时j取7。
10.一种心电信号除噪系统,其特征在于,包括:
小波分解模块,用于根据心电信号所含至少一类型噪声的频段特征,对所采集的心电信号进行小波分解,得到各尺度空间对应的分解系数,所述尺度空间的层数与所述至少一类型噪声的频段特征相应;
分解系数处理模块,用于在各类型噪声相应的尺度空间下,对相应的分解系数进行处理,得到处理后的各尺度空间对应的分解系数,以去除噪声分量,得到有效信号分量;
重构模块,用于根据所述处理后的各尺度空间对应的分解系数,进行小波逆变换重构,得到除噪后的有效心电信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610286732.0A CN107341769A (zh) | 2016-05-03 | 2016-05-03 | 一种心电信号除噪方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610286732.0A CN107341769A (zh) | 2016-05-03 | 2016-05-03 | 一种心电信号除噪方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107341769A true CN107341769A (zh) | 2017-11-10 |
Family
ID=60222062
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610286732.0A Pending CN107341769A (zh) | 2016-05-03 | 2016-05-03 | 一种心电信号除噪方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107341769A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107753014A (zh) * | 2017-11-21 | 2018-03-06 | 中国科学院深圳先进技术研究院 | 心电图检测方法 |
CN108596945A (zh) * | 2018-04-26 | 2018-09-28 | 深圳市唯特视科技有限公司 | 一种基于微分算子的视频重复次数估计方法 |
CN109893115A (zh) * | 2019-03-11 | 2019-06-18 | 武汉大学 | 一种基于人体微弱生物电信号的处理分析方法 |
CN111248880A (zh) * | 2020-02-21 | 2020-06-09 | 乐普(北京)医疗器械股份有限公司 | 一种基于光体积变化描记图法信号的血压预测方法和装置 |
CN111616697A (zh) * | 2020-06-05 | 2020-09-04 | 江苏科技大学 | 一种基于新阈值函数小波变换的心电信号去噪算法 |
CN113180685A (zh) * | 2020-12-11 | 2021-07-30 | 上海交通大学 | 基于形态学滤波和小波阈值的心电异常判别系统及方法 |
CN114515151A (zh) * | 2022-02-28 | 2022-05-20 | 韩宏光 | 基于人工智能的心电信号采集系统及处理方法 |
CN114940342A (zh) * | 2022-05-09 | 2022-08-26 | 华中科技大学 | 一种基于采煤机截割声音的刮板输送机智能控制装置及其方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101843480A (zh) * | 2009-03-27 | 2010-09-29 | 华为技术有限公司 | 处理生物电信号的方法及装置 |
US20100317934A1 (en) * | 2009-06-15 | 2010-12-16 | National Taiwan University | Health monitoring device and human electric signal processing method |
CN102783945A (zh) * | 2012-08-09 | 2012-11-21 | 北京工业大学 | 基于小波阈值去噪的胎儿心电信号提取方法 |
-
2016
- 2016-05-03 CN CN201610286732.0A patent/CN107341769A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101843480A (zh) * | 2009-03-27 | 2010-09-29 | 华为技术有限公司 | 处理生物电信号的方法及装置 |
US20100317934A1 (en) * | 2009-06-15 | 2010-12-16 | National Taiwan University | Health monitoring device and human electric signal processing method |
CN102783945A (zh) * | 2012-08-09 | 2012-11-21 | 北京工业大学 | 基于小波阈值去噪的胎儿心电信号提取方法 |
Non-Patent Citations (2)
Title |
---|
张泾周 等: "基于小波变换的心电信号噪声处理", 《西北工业大学学报》 * |
赵晴 等: "基于小波变换的心电信号去噪算法", 《现代生物医学进展》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107753014A (zh) * | 2017-11-21 | 2018-03-06 | 中国科学院深圳先进技术研究院 | 心电图检测方法 |
CN108596945A (zh) * | 2018-04-26 | 2018-09-28 | 深圳市唯特视科技有限公司 | 一种基于微分算子的视频重复次数估计方法 |
CN109893115A (zh) * | 2019-03-11 | 2019-06-18 | 武汉大学 | 一种基于人体微弱生物电信号的处理分析方法 |
CN111248880A (zh) * | 2020-02-21 | 2020-06-09 | 乐普(北京)医疗器械股份有限公司 | 一种基于光体积变化描记图法信号的血压预测方法和装置 |
CN111248880B (zh) * | 2020-02-21 | 2022-07-29 | 乐普(北京)医疗器械股份有限公司 | 一种基于光体积变化描记图法信号的血压预测方法和装置 |
CN111616697A (zh) * | 2020-06-05 | 2020-09-04 | 江苏科技大学 | 一种基于新阈值函数小波变换的心电信号去噪算法 |
CN111616697B (zh) * | 2020-06-05 | 2022-07-08 | 江苏科技大学 | 一种基于新阈值函数小波变换的心电信号去噪算法 |
CN113180685A (zh) * | 2020-12-11 | 2021-07-30 | 上海交通大学 | 基于形态学滤波和小波阈值的心电异常判别系统及方法 |
CN114515151A (zh) * | 2022-02-28 | 2022-05-20 | 韩宏光 | 基于人工智能的心电信号采集系统及处理方法 |
CN114940342A (zh) * | 2022-05-09 | 2022-08-26 | 华中科技大学 | 一种基于采煤机截割声音的刮板输送机智能控制装置及其方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107341769A (zh) | 一种心电信号除噪方法及系统 | |
CN110680308B (zh) | 基于改进emd与阈值法融合的心电信号去噪方法 | |
Zhao et al. | A new method for removal of baseline wander and power line interference in ECG signals | |
Sun et al. | ECG signal conditioning by morphological filtering | |
Sayadi et al. | Model-based fiducial points extraction for baseline wandered electrocardiograms | |
Von Borries et al. | Wavelet transform-based ECG baseline drift removal for body surface potential mapping | |
Bahaz et al. | Efficient algorithm for baseline wander and powerline noise removal from ECG signals based on discrete Fourier series | |
Zheng et al. | Single-lead fetal electrocardiogram estimation by means of combining R-peak detection, resampling and comb filter | |
Kumar et al. | Optimal selection of wavelet function and decomposition level for removal of ECG signal artifacts | |
Bahoura et al. | FPGA-implementation of wavelet-based denoising technique to remove power-line interference from ECG signal | |
US9259167B2 (en) | Method and system for extracting ventricular fibrillation signals in electrocardiogram | |
Martinek et al. | Fetal ECG preprocessing using wavelet transform | |
Yadav et al. | Denoising and SNR improvement of ECG signals using wavelet based techniques | |
Almalchy et al. | Noise removal from ECG signal based on filtering techniques | |
Niegowski et al. | Wavelet-based unsupervised learning method for electrocardiogram suppression in surface electromyograms | |
KR101048763B1 (ko) | 신호 검출 장치 및 방법 | |
Mishu et al. | Denoising of ECG signals using dual tree complex wavelet transform | |
Zhidong et al. | A novel cancellation method of powerline interference in ECG signal based on EMD and adaptive filter | |
Adochiei et al. | Comparative filtering methods for noisy ECG signals | |
CN111631707A (zh) | 心电信号中基线漂移的滤除方法、装置、设备及存储介质 | |
Roy et al. | A new method for denoising ECG signal using sharp cut-off FIR filter | |
Subramaniam et al. | Motion artifact suppression in the ECG signal by successive modifications in frequency and time | |
Jha et al. | Modified approach for ECG signal denoising based on empirical mode decomposition and moving average filter | |
Bhogeshwar et al. | Study of structural complexity of optimal order digital filters for de-noising ECG signal | |
El Bouny et al. | Removal of 50Hz PLI from ECG signal using undecimated wavelet transform |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171110 |
|
RJ01 | Rejection of invention patent application after publication |