CN107693011A - 一种心电图信号基线滤波方法 - Google Patents
一种心电图信号基线滤波方法 Download PDFInfo
- Publication number
- CN107693011A CN107693011A CN201711114853.8A CN201711114853A CN107693011A CN 107693011 A CN107693011 A CN 107693011A CN 201711114853 A CN201711114853 A CN 201711114853A CN 107693011 A CN107693011 A CN 107693011A
- Authority
- CN
- China
- Prior art keywords
- structural element
- sequence
- signal sequence
- carry out
- pending signal
- 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
Classifications
-
- 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]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
- A61B5/366—Detecting abnormal QRS complex, e.g. widening
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Cardiology (AREA)
- Veterinary Medicine (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Psychiatry (AREA)
- Physiology (AREA)
- Power Engineering (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明提供了一种心电图信号基线滤波方法,属于心电图技术领域。它解决了现有心电图滤波方法效率较低等技术问题,本发明基于数学形态学滤波方法的原理,来消除基线漂移;在滤除基线漂移的过程中,主要用到的运算为腐蚀运算和膨胀运算,开运算和闭运算;数学形态学最基本的概念是结构元素,相当于一个探针,不断移动进行匹配;在数据量不大的情况下,能够快速彻底的消除基线漂移,再用巴特沃斯滤波器消除10Hz左右的信号。本发明具有滤波效率高等优点。
Description
技术领域
本发明属于心电图技术领域,涉及一种心电图信号基线滤波方法。
背景技术
QRS波群作为心电图(ECG)信号最为明显的特征,其实时准确检测是心电设备的基本要求。然而由于人体自主的或者不自觉的运动,以及其他误差,会造成ECG导联的上下漂移,这就是基线漂移。基线漂移不仅在视觉上给ECG信号的判断引起不便,更是在其特征波群QRS的检测上带来很大的干扰。
正常来说,普通正常人的ECG信号幅度在10uV~5mV之间,频率范围是0.15Hz~150Hz,其中90%以上的ECG信号能量集中在0.25Hz~35Hz之间。心电信号的特征是强度小、频率低,而且各种类型的噪声会包含在心电信号的波形中。这些噪声包含肌肉噪声,由于探测电极的移动造成的人为噪声,电源线的干扰,基线漂移和T波高频类似于QRS波群。基线漂移是人的呼吸运动,还有电极在皮肤上的轻微移动移动所引起的,频率一般低于5Hz。基线漂移能够直接影响心电信号的上下位置,给心电信号QRS波群的检测和对心电图的直接诊断带来麻烦。
目前QRS检测方法包括数字滤波技术,自适应滤波技术、小波变换、数学形态学、神经网络及独立分量的分析等。这些算法各有优点,也各有缺陷,使用时要看具体的情况而定,例如经典滤波器的算法复杂度不高,实现起来也比较简单,但滤波的效果达不到理想的要求,故而效率太低。
发明内容
本发明的目的是针对现有的技术存在的上述问题,提供一种心电图信号基线滤波方法,本发明所要解决的技术问题是如何高效的对心电图基线进行滤波。
本发明的目的可通过下列技术方案来实现:一种心电图信号基线滤波方法,其特征在于,本方法包括如下步骤:
利用数学形态学消除基线漂移:
设f(n),(n=0,1,…,N-1)和k(m)(m=0,1,…,M-1)分别是一维离散函数,N>M,其中f(n)是待处理的信号序列,k(m)为结构元素序列;f(n)关于k(m)的腐蚀运算定义为:
f(n)关于k(m)的膨胀运算定义为:
这两种基本的运算可组成开运算和闭运算,其中,开运算定义为信号被结构元素腐蚀后再进行膨胀运算,记为°,即为(f°k)(n)=(fΘk⊕k)(n);闭运算定义为信号被结构元素膨胀后再进行腐蚀运算,记为·,即(f·k)(n)=(f⊕kΘk)(n);
进行第一级滤波
步骤一、将待处理的信号序列f0与结构元素序列k1进行闭运算,再与结构元素序列k1进行开运算,得到待处理的信号序列的预估值一(f0·k1)°k1;将待处理的信号序列f0与结构元素序列k1进行开运算,再与结构元素序列k1进行闭运算,得到待处理的信号序列的预估值二(f0°k1)·k1,取预估值一和预估值二的平均值f1;
步骤二、将步骤一得到的平均值f1与结构元素序列k2进行闭运算,再与结构元素序列k2进行开运算,得到待处理的信号序列的预估值一(f1·k2)°k2;将待处理的信号序列f1与结构元素序列k2进行开运算,再与结构元素序列k2进行闭运算,得到待处理的信号序列的预估值二(f1°k2)·k2,取预估值一和预估值二的平均值f2;依此类推,获得平均值f0,f1,…,fn;
步骤三、取f0,f1,…,fn的平均值f即为滤波后的信号序列。
第二级滤波,设计结构元素k2,由基线形状选定线段,如取1.5T×Fs,就是54个采样单位。
巴特沃斯滤波器滤除10Hz左右低频信号经过形态学方法矫正后的心电信号依然存在10Hz左右的噪声干扰,这里选择IIR滤波器中的典型,巴特沃斯数字滤波器。
下面采用IIR的方法对10Hz左右的噪声进行滤除,使其更好的突出QRS波群。在360Hz为采样频率的情况下,通带为20Hz以上,不少于40dB的阻带衰减到2Hz,通带波纹小于3dB。在以MATLAB作为计算工具的情况下得到滤波器阶数为2,进一步的到的滤波器差分方程为:
y[n]-1.5181[y-1]+0.6135y[n-2]=0.0239x[n]+0.0477x[n-1]+0.0239x[n-2]
滤波器的实现通常用递归算法。
本专利基于数学形态学滤波方法的原理,来消除基线漂移。在滤除基线漂移的过程中,主要用到的运算为腐蚀运算和膨胀运算,开运算和闭运算。数学形态学最基本的概念是结构元素(Structuring Element),它本身具有一定形态(如点、线段和圆等),相当于一个探针,不断移动进行匹配。在数据量不大的情况下,能够快速彻底的消除基线漂移,效果显著。再用巴特沃斯滤波器消除10Hz左右的信号。
与现有技术相比,本发明具有以下优点:
1、本专利更好的解决了ECG信号的基线漂移,让ECG信号重归一条基线上面,有利于ECG的视觉观察,更方便ECG的QRS波群检测。
2、本专利还可以使用巴特沃斯滤波器,消除其他干扰的信号,如10Hz噪声和50Hz工频干扰。
附图说明
图1是本实施例中利用形态学方法滤除基线漂移流程图。
图2是本实施例中结构元素的形态设计图。
图3中的三个信号,从上至下依次为:原始心电信号、对原信号利用数学形态学消除基线漂移后的信号、对消除基线漂移后的信号再消除10Hz噪声后的信号。
具体实施方式
以下是本发明的具体实施例并结合附图,对本发明的技术方案作进一步的描述,但本发明并不限于这些实施例。
利用数学形态学消除基线漂移:
设f(n),(n=0,1,…,N-1)和k(m)(m=0,1,…,M-1)分别是一维离散函数,N>M,其中f(n)是待处理的信号序列,k(m)为结构元素序列;f(n)关于k(m)的腐蚀运算定义为:
f(n)关于k(m)的膨胀运算定义为:
这两种基本的运算可组成开运算和闭运算,其中,开运算定义为信号被结构元素腐蚀后再进行膨胀运算,记为°,即为(f°k)(n)=(fΘk⊕k)(n);闭运算定义为信号被结构元素膨胀后再进行腐蚀运算,记为·,即(f·k)(n)=(f⊕kΘk)(n);
如图1所示,进行第一级滤波(只进行两次)
步骤一、将待处理的信号序列f0与结构元素序列k1进行闭运算,再与结构元素序列k1进行开运算,得到待处理的信号序列的预估值一(f0·k1)°k1;将待处理的信号序列f0与结构元素序列k1进行开运算,再与结构元素序列k1进行闭运算,得到待处理的信号序列的预估值二(f0°k1)·k1,取预估值一和预估值二的平均值f1;
步骤二、将步骤一得到的平均值f1与结构元素序列k2进行闭运算,再与结构元素序列k2进行开运算,得到待处理的信号序列的预估值一(f1·k2)°k2;将待处理的信号序列f1与结构元素序列k2进行开运算,再与结构元素序列k2进行闭运算,得到待处理的信号序列的预估值二(f1°k2)·k2,取预估值一和预估值二的平均值f2;
步骤三、取f0,f1的平均值f3,,即为滤波后的信号序列。
如图2所示,第二级滤波,设计结构元素k2,由基线形状选定线段,如取1.5T×Fs,就是54个采样单位。
巴特沃斯滤波器滤除10Hz左右低频信号经过形态学方法矫正后的心电信号依然存在10Hz左右的噪声干扰,这里选择IIR滤波器中的典型,巴特沃斯数字滤波器。
下面采用IIR的方法对10Hz左右的噪声进行滤除,使其更好的突出QRS波群。在360Hz为采样频率的情况下,通带为20Hz以上,不少于40dB的阻带衰减到2Hz,通带波纹小于3dB。在以MATLAB作为计算工具的情况下得到滤波器阶数为2,进一步的到的滤波器差分方程为:
y[n]-1.5181[y-1]+0.6135y[n-2]=0.0239x[n]+0.0477x[n-1]+0.0239x[n-2]
滤波器的实现通常用递归算法。
中的三个信号,从上至下依次为:原始心电信号、对原信号利用数学形态学消除基线漂移后的信号、对消除基线漂移后的信号再消除10Hz噪声后的信号。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
Claims (3)
1.一种心电图信号基线滤波方法,其特征在于,本方法包括如下步骤:
利用数学形态学消除基线漂移:
设f(n),(n=0,1,…,N-1)和k(m)(m=0,1,…,M-1)分别是一维离散函数,N>M,其中f(n)是待处理的信号序列,k(m)为结构元素序列;f(n)关于k(m)的腐蚀运算定义为:
f(n)关于k(m)的膨胀运算定义为:
这两种基本的运算可组成开运算和闭运算,其中,开运算定义为信号被结构元素腐蚀后再进行膨胀运算,记为°,即为(f°k)(n)=(fΘk⊕k)(n);闭运算定义为信号被结构元素膨胀后再进行腐蚀运算,记为·,即(f·k)(n)=(f⊕kΘk)(n);
进行第一级滤波
步骤一、将待处理的信号序列f0与结构元素序列k1进行闭运算,再与结构元素序列k1进行开运算,得到待处理的信号序列的预估值一(f0·k1)°k1;将待处理的信号序列f0与结构元素序列k1进行开运算,再与结构元素序列k1进行闭运算,得到待处理的信号序列的预估值二(f0°k1)·k1,取预估值一和预估值二的平均值f1;
步骤二、将步骤一得到的平均值f1与结构元素序列k2进行闭运算,再与结构元素序列k2进行开运算,得到待处理的信号序列的预估值一(f1·k2)°k2;将待处理的信号序列f1与结构元素序列k2进行开运算,再与结构元素序列k2进行闭运算,得到待处理的信号序列的预估值二(f1°k2)·k2,取预估值一和预估值二的平均值f2;依此类推,获得平均值f0,f1,…,fn。
2.根据权利要求1所述一种心电图信号基线滤波方法,其特征在于,巴特沃斯滤波器滤除10Hz左右低频信号:
经过形态学方法矫正后的心电信号依然存在10Hz左右的噪声干扰,选择IIR滤波器中的典型,巴特沃斯数字滤波器;
采用IIR的方法对10Hz左右的噪声进行滤除,使其更好的突出QRS波群;在360Hz为采样频率的情况下,通带为20Hz以上,不少于40dB的阻带衰减到2Hz,通带波纹小于3dB;在以MATLAB作为计算工具的情况下得到滤波器阶数为2,进一步的到的滤波器差分方程为:
y[n]-1.5181[y-1]+0.6135y[n-2]=0.0239x[n]+0.0477x[n-1]+0.0239x[n-2]。
3.根据权利要求2所述一种心电图信号基线滤波方法,其特征在于,滤波器的实现采用递归算法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711114853.8A CN107693011A (zh) | 2017-11-13 | 2017-11-13 | 一种心电图信号基线滤波方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711114853.8A CN107693011A (zh) | 2017-11-13 | 2017-11-13 | 一种心电图信号基线滤波方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107693011A true CN107693011A (zh) | 2018-02-16 |
Family
ID=61178492
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711114853.8A Pending CN107693011A (zh) | 2017-11-13 | 2017-11-13 | 一种心电图信号基线滤波方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107693011A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108836305A (zh) * | 2018-05-08 | 2018-11-20 | 北京理工大学 | 一种融合巴特沃斯滤波和小波变换的ecg特征提取方法 |
CN108937919A (zh) * | 2018-06-04 | 2018-12-07 | 湖北工业大学 | 一种消除心电信号基线漂移的方法 |
CN110916672A (zh) * | 2019-11-15 | 2020-03-27 | 中南民族大学 | 一种基于一维卷积神经网络的老年人日常活动监测方法 |
CN110988232A (zh) * | 2019-11-28 | 2020-04-10 | 南通乐尔环保科技有限公司 | 一种色谱基线降噪方法及其装置 |
CN113017614A (zh) * | 2021-03-04 | 2021-06-25 | 中国科学院深圳先进技术研究院 | 一种具有眨眼监测功能的可穿戴设备、方法和系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103083013A (zh) * | 2013-01-18 | 2013-05-08 | 哈尔滨工业大学深圳研究生院 | 基于形态学与小波变换的心电信号qrs复波检测方法 |
CN104182625A (zh) * | 2014-08-15 | 2014-12-03 | 重庆邮电大学 | 基于形态学与emd类小波阈值的心电信号去噪方法 |
CN104367316A (zh) * | 2014-11-13 | 2015-02-25 | 重庆邮电大学 | 基于形态学滤波与提升小波变换的心电信号去噪方法 |
CN105207645A (zh) * | 2015-08-25 | 2015-12-30 | 苏州汇川技术有限公司 | 基于数学形态学的滤波方法以及滤波系统 |
-
2017
- 2017-11-13 CN CN201711114853.8A patent/CN107693011A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103083013A (zh) * | 2013-01-18 | 2013-05-08 | 哈尔滨工业大学深圳研究生院 | 基于形态学与小波变换的心电信号qrs复波检测方法 |
CN104182625A (zh) * | 2014-08-15 | 2014-12-03 | 重庆邮电大学 | 基于形态学与emd类小波阈值的心电信号去噪方法 |
CN104367316A (zh) * | 2014-11-13 | 2015-02-25 | 重庆邮电大学 | 基于形态学滤波与提升小波变换的心电信号去噪方法 |
CN105207645A (zh) * | 2015-08-25 | 2015-12-30 | 苏州汇川技术有限公司 | 基于数学形态学的滤波方法以及滤波系统 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108836305A (zh) * | 2018-05-08 | 2018-11-20 | 北京理工大学 | 一种融合巴特沃斯滤波和小波变换的ecg特征提取方法 |
CN108836305B (zh) * | 2018-05-08 | 2019-04-12 | 北京理工大学 | 一种融合巴特沃斯滤波和小波变换的ecg特征提取方法 |
CN108937919A (zh) * | 2018-06-04 | 2018-12-07 | 湖北工业大学 | 一种消除心电信号基线漂移的方法 |
CN110916672A (zh) * | 2019-11-15 | 2020-03-27 | 中南民族大学 | 一种基于一维卷积神经网络的老年人日常活动监测方法 |
CN110988232A (zh) * | 2019-11-28 | 2020-04-10 | 南通乐尔环保科技有限公司 | 一种色谱基线降噪方法及其装置 |
CN113017614A (zh) * | 2021-03-04 | 2021-06-25 | 中国科学院深圳先进技术研究院 | 一种具有眨眼监测功能的可穿戴设备、方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107693011A (zh) | 一种心电图信号基线滤波方法 | |
CN109907752A (zh) | 一种去除运动伪影干扰与心电特征检测的心电诊断与监护方法及系统 | |
CN104367316B (zh) | 基于形态学滤波与提升小波变换的心电信号去噪方法 | |
CN103479349A (zh) | 心电信号数据获取及处理方法和系统 | |
KR20100008239A (ko) | 피피지 신호의 동잡음 제거방법 | |
CN108272451B (zh) | 一种基于改进小波变换的qrs波识别方法 | |
CN101259016A (zh) | 实时自动检测癫痫特征波的方法 | |
Patro et al. | De-noising of ECG raw signal by cascaded window based digital filters configuration | |
CN103405227A (zh) | 基于双层形态学滤波的心电信号预处理方法 | |
CN108937919A (zh) | 一种消除心电信号基线漂移的方法 | |
CN103610460A (zh) | 一种基于自适应flann滤波器的胎儿心电信号提取方法 | |
CN106889981A (zh) | 一种用于提取胎儿心率的智能终端 | |
CN108523881A (zh) | 一种准确提取qrs内异常电位的方法 | |
CN103750835A (zh) | 一种心电信号特征检测算法 | |
CN109009086A (zh) | 一种心电信号r波检测方法及系统 | |
CN107361764A (zh) | 一种心电信号特征波形r波的快速提取方法 | |
CN108460350A (zh) | 一种自学习ecg qrs波检测装置及其自学习方法 | |
CN106691437B (zh) | 一种基于母体心电信号的胎儿心率提取方法 | |
CN106037729A (zh) | 一种腰椎间盘突出症的判断方法及系统 | |
Prabhakararao et al. | Efficient and robust ventricular tachycardia and fibrillation detection method for wearable cardiac health monitoring devices | |
CN113576438B (zh) | 一种非侵入式血压提取方法和系统 | |
El Khadiri et al. | A Comparison of the Denoising Performance Using Capon Time-Frequency and Empirical Wavelet Transform Applied on Biomedical Signal. | |
Karnewar et al. | The combined effect of median and FIR filter in pre-processing of ECG signal using MATLAB | |
Mou et al. | Noise removal and QRS detection of ECG signal | |
CN103494609B (zh) | 一种肌电信号干扰的指示方法及干扰去除的方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180216 |