CN107714027B - 一种基于信号分段平滑的心电信号处理方法 - Google Patents
一种基于信号分段平滑的心电信号处理方法 Download PDFInfo
- Publication number
- CN107714027B CN107714027B CN201711095756.9A CN201711095756A CN107714027B CN 107714027 B CN107714027 B CN 107714027B CN 201711095756 A CN201711095756 A CN 201711095756A CN 107714027 B CN107714027 B CN 107714027B
- Authority
- CN
- China
- Prior art keywords
- ecg
- signal
- smoothing
- raw
- electrocardiosignal
- 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
Images
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]
-
- 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
-
- 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
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
- A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
-
- 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
-
- 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
- A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
-
- 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
- A61B5/7253—Details of waveform analysis characterised by using transforms
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Signal Processing (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Cardiology (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
一种基于信号分段平滑的心电信号处理方法,包括以下步骤:S1原始信号获取:采集并获取心电信号的原始数据,记为ECGraw;S2心电信号预处理:对ECGraw进行预处理操作,得到输出信号记为ECGfiltered;S3QRS特征识别:对ECGfiltered进行QRS波群特征点识别操作;S4分段线性平滑:对ECGfiltered进行分段线性平滑滤波操作,得到输出信号记为ECGsmooth;S5全局二阶平滑:对ECGsmooth进行全局二阶平滑滤波操作,得到输出心电信号。本发明同时满足去除高频噪声、去除运动干扰以及信号波形平滑需求,适用于对心电信号质量要求较高的场合,经处理的心电信号质量效果好。
Description
技术领域
本发明涉及生物电信号的数字信号处理领域,尤其涉及一种基于信号分段平滑的心电信号处理方法。
背景技术
心电信号是一种重要的人体生命体征信号,该信号通过生物电极测量人体表面的电势差而获得,可用于反映心脏的工作状态和内部的特征信息,从而可对心血管相关疾病作出快速诊断。
心电信号是一种幅值非常微弱的电信号,原始心电信号容易淹没在采集过程中生成的各类噪声中,因此需要对心电信号进行信号处理操作以达到用于疾病分析和诊断的需求。常用于心电信号处理领域的数字信号处理技术包括:数字滤波技术、小波变换技术、平滑滤波技术等。心电信号的信号处理需求包括去除高频噪声、去除运动干扰,以及信号波形平滑等要求,使用上述单一技术实现的心电信号处理方法难以达到全部需求,因此考虑结合已有信号处理技术以满足上述需求。
发明内容
为了克服已有心电信号处理方法难以同时实现去除高频噪声、去除运动干扰以及信号波形平滑需求的不足,本发明提供了一种同时满足去除高频噪声、去除运动干扰以及信号波形平滑需求的基于信号分段平滑的心电信号处理方法。
本发明解决其技术问题所采用的技术方案是:
一种基于信号分段平滑的心电信号处理方法,所述方法包括以下步骤:
S1原始信号获取:采集并获取心电信号的原始数据,记为ECGraw;
S2心电信号预处理:对ECGraw进行预处理操作,得到输出信号记为ECGfiltered;
S3QRS特征识别:对ECGfiltered进行QRS波群特征点识别操作;
S4分段线性平滑:对ECGfiltered进行分段线性平滑滤波操作,得到输出信号记为ECGsmooth;
S5全局二阶平滑:对ECGsmooth进行全局二阶平滑滤波操作,得到输出心电信号,记为ECGoutput。
进一步,所述步骤S1中,原始信号ECGraw为数字信号,原始信号ECGraw为数字信号,其中ECGraw[n]用于表征原始信号中第n个采样点对应的信号电压值。
所述步骤S2中,原始信号ECGraw需要进行预处理操作,信号预处理的操作步骤可包括数字陷波、数字低通滤波和小波变换去基线,经信号预处理操作得到的输出信号记为ECGfiltered。
所述步骤S3中,心电信号ECGfiltered需要进行QRS波群特征点识别操作,该步骤可识别出心电信号中每一心拍对应的Q波、R波、S波特征点,并确定每一心拍对应的QRS间期。
所述步骤S4中,信号ECGfiltered需进行分段线性平滑滤波操作,包括设置线性平滑滤波的循环次数loop,同时在每次循环操作下对心电信号进行遍历,针对非处于QRS间期内的信号采样点进行m点线性平滑滤波操作,循环操作完成后得到步骤S4的输出信号记为ECGsmooth。
所述步骤S5中,信号ECGsmooth需进行全局二阶平滑滤波操作,包括设置二阶平滑滤波的循环次数loop,同时在每次循环操作下对心电信号进行遍历,针对信号全部采样点进行全局m点二阶平滑滤波操作,循环操作完成后得到步骤S5的输出信号记为ECGoutput,ECGoutput亦即本方法最终输出的心电信号。
本发明的有益效果主要表现在:通过不同数字信号处理技术的结合实现了一种全新的心电信号处理方法,可同时满足心电信号去除高频噪声、去除运动干扰,以及信号波形平滑的需求。进一步,本发明提出的方法采用了基于心电信号波形特点的分段平滑滤波操作,该操作在保留心电信号QRS波群特征的同时,也为信号其余区间部分提供了较好的波形平滑效果。
附图说明
为了更清楚地说明本发明及其具体实施例中的技术方案,下面将对本发明及其具体实施例中所需使用的附图作简单介绍,显而易见地,下面描述中的附图仅仅是本发明及其技术对应的一项实施例,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,还可以根据这些附图获得其他的附图。
图1为本发明提供的一种基于信号分段平滑的心电信号处理方法的整体流程示意图;
图2为本发明提供的一种基于信号分段平滑的心电信号处理方法中心电信号预处理步骤的一项实施例的流程示意图;
图3为本发明提供的一种基于信号分段平滑的心电信号处理方法中分段线性平滑步骤的一项实施例的流程示意图;
图4为本发明提供的一种基于信号分段平滑的心电信号处理方法中全局二阶平滑步骤的一项实施例的流程示意图。
具体实施方式
下面结合附图对本发明作进一步描述。
参照图1~图4,一种基于信号分段平滑的心电信号处理方法,所述方法包括以下步骤:
S1原始信号获取:采集并获取心电信号的原始数据,记为ECGraw;
S2心电信号预处理:对ECGraw进行预处理操作,得到输出信号记为ECGfiltered;
S3QRS特征识别:对ECGfiltered进行QRS波群特征点识别操作;
S4分段线性平滑:对ECGfiltered进行分段线性平滑滤波操作,得到输出信号记为ECGsmooth;
S5全局二阶平滑:对ECGsmooth进行全局二阶平滑滤波操作,得到输出心电信号,记为ECGoutput。
本实施例中,所述基于信号分段平滑的心电信号处理方法,其步骤S1中所述的原始信号ECGraw为数字信号,设ECGraw信号的采样点个数(即信号长度)为len,其中ECGraw[n]用于表征原始信号中第n个采样点对应的信号电压值,满足1≤n≤len,其他用于表征心电原始信号的方法也应当包含在本发明当中。
参照图2,本实施例中,所述基于信号分段平滑的心电信号处理方法,其步骤S2中需要对原始信号ECGraw进行预处理操作以得到输出信号ECGfiltered,信号预处理的操作步骤包括数字陷波、数字低通滤波、小波变换去基线等步骤。本实施例提供的步骤S2的一种具体操作流程为:
S21将ECGraw信号通过陷波频率为50Hz的数字陷波滤波器,得到输出信号记为ECG1;
S22将ECG1信号通过陷波频率为100Hz的数字陷波滤波器,得到输出信号记为ECG2;
S23将ECG2信号通过截止频率为40Hz的数字低通滤波器,得到输出信号记为ECG3;
S24对ECG3信号进行小波分解及重构,提取并剔除信号基线后得到预处理操作的输出信号,记为ECGfiltered。
该步骤中所述心电信号预处理操作流程的不同顺序及组合,及其他可用于进行心电信号预处理操作的方法也应当包含在本发明当中。
本实施例中,所述基于信号分段平滑的心电信号处理方法,其步骤S3为针对ECGfiltered信号进行QRS波群特征点的识别操作,目标识别出心电信号中每一心拍对应的Q波、R波、S波特征点,并确定每一心拍对应的QRS间期。本实施例提供的步骤S3的一种具体操作流程为:首先将心电信号中所有信号值超过幅值50%的峰值点识别为R波点,再将R波波峰前60毫秒内的信号最小值点识别为Q波点,最后将R波波峰后60毫秒内的信号最小值点识别为S波点,每一心拍识别出的Q波至S波区域即为其对应的QRS间期。其他可用于实现QRS波群特征点识别的操作及方法也应当包含在本发明当中。
参照图3,本实施例中,所述基于信号分段平滑的心电信号处理方法,其步骤S4中需针对信号ECGfiltered进行分段线性平滑滤波操作,包括设置线性平滑滤波的循环次数loop,同时在每次循环操作下对心电信号进行遍历,针对非处于QRS间期内的信号采样点进行m点线性平滑滤波操作,循环操作完成后得到步骤S4的输出信号记为ECGsmooth。本实施例提供的步骤S4的一种具体操作流程为:
S41建立两组信号,分别记为ECG1和ECG2,其信号长度均与ECGfiltered相同,并将信号ECGfiltered赋值给ECG1;
S42设线性平滑滤波的总次数为loop,设整数变量k=1;
S43若k≤loop,则执行步骤S44;否则,执行步骤S46;
S44以下标n对信号ECG2进行遍历(1≤n≤len),同时判断采样点ECGfiltered[n]是否处于QRS间期之内:若处于,则令ECG2[n]=ECG1[n];否则,对其进行m点线性平滑滤波操作,本实施例中取m=7,具体公式为ECG2[n]=(ECG1[n-3]+ECG1[n-2]+ECG1[n-1]+ECG1[n]+ECG1[n+1]+ECG1[n+2]+ECG1[n+3])/7;
S45令k=k+1,并将ECG2赋值给ECG1,同时返回步骤S43;
S46将ECG2赋值ECGsmooth,ECGsmooth即为分段线性平滑滤波操作的输出信号。
该步骤中所述心电信号分段线性平滑操作对应的不同参数选取,流程中的不同顺序及组合,及其他可用于进行分段线性平滑操作的方法也应当包含在本发明当中。
参照图4,本实施例中,所述基于信号分段平滑的心电信号处理方法,其步骤S5需针对信号ECGsmooth进行全局二阶平滑滤波操作,包括设置二阶平滑滤波的循环次数loop,同时在每次循环操作下对心电信号进行遍历,针对信号全部采样点进行全局m点二阶平滑滤波操作,循环操作完成后得到步骤S5的输出信号记为ECGoutput,ECGoutput亦即本方法最终输出的心电信号。本实施例提供的步骤S5的一种具体操作流程为:
S51建立两组信号,分别记为ECG1和ECG2,其信号长度均与ECGsmooth相同,并将信号ECGsmooth赋值给ECG1;
S52设线性平滑滤波的总次数为loop,设整数变量k=1;
S53若k≤loop,则执行步骤S54;否则,执行步骤S55;
S54以下标n对信号ECG2进行遍历(1≤n≤len),对其进行全局m点二阶平滑滤波操作,本实施例中取m=7,具体公式为ECG2[n]=(-2*ECG1[n-3]+3*ECG1[n-2]+6*ECG1[n-1]+7*ECG1[n]+6*ECG1[n+1]+3*ECG1[n+2]-2*ECG1[n+3])/21;
S55令k=k+1,并将ECG2赋值给ECG1,同时返回步骤S53;
S56将ECG2赋值ECGoutput,ECGoutput即为全局二阶平滑滤波的输出信号。
该步骤中所述心电信号全局二阶平滑操作对应的不同参数选取,流程中的不同顺序及组合,及其他可用于进行分段线性平滑操作的方法也应当包含在本发明当中。
以上实施方式仅用于说明本发明,而非对本发明的限制。尽管参照实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,对本发明的技术方案进行各种组合、修改或者等同替换,都不脱离本发明技术方案的精神和范围,均应涵盖在本发明的权利要求范围当中。
Claims (5)
1.一种基于信号分段平滑的心电信号处理方法,其特征在于:所述方法包括以下步骤:
S1 原始信号获取:采集并获取心电信号的原始数据,记为ECGraw;
S2 心电信号预处理:对ECGraw进行预处理操作,得到输出信号记为ECGfiltered;
S3 QRS特征识别:对ECGfiltered进行QRS波群特征点识别操作;
S4 分段线性平滑:对ECGfiltered进行分段线性平滑滤波操作,得到输出信号记为ECGsmooth;
所述步骤S4中,信号ECGfiltered需进行分段线性平滑滤波操作,包括设置线性平滑滤波的循环次数loop,同时在每次循环操作下对心电信号进行遍历,针对非处于QRS间期内的信号采样点进行m点线性平滑滤波操作,循环操作完成后得到步骤S4的输出信号记为ECGsmooth;
S5 全局二阶平滑:对ECGsmooth进行全局二阶平滑滤波操作,得到输出心电信号,记为ECGoutput。
2.如权利要求1所述的一种基于信号分段平滑的心电信号处理方法,其特征在于:所述步骤S1中,原始信号ECGraw为数字信号,其中ECGraw [n]用于表征原始信号中第n个采样点对应的信号电压值。
3.如权利要求1或2所述的一种基于信号分段平滑的心电信号处理方法,其特征在于:所述步骤S2中,原始信号ECGraw需要进行预处理操作,信号预处理的操作步骤包括数字陷波、数字低通滤波和小波变换去基线,经信号预处理操作得到的输出信号记为ECGfiltered。
4.如权利要求1或2所述的一种基于信号分段平滑的心电信号处理方法,其特征在于:所述步骤S3中,心电信号ECGfiltered需要进行QRS波群特征点识别操作,该步骤可识别出心电信号中每一心拍对应的Q波、R波、S波特征点,并确定每一心拍对应的QRS间期。
5.如权利要求1或2所述的一种基于信号分段平滑的心电信号处理方法,其特征在于:所述步骤S5中,信号ECGsmooth需进行全局二阶平滑滤波操作,包括设置二阶平滑滤波的循环次数loop,同时在每次循环操作下对心电信号进行遍历,针对信号全部采样点进行全局m点二阶平滑滤波操作,循环操作完成后得到步骤S5的输出信号记为ECGoutput,ECGoutput亦即本方法最终输出的心电信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711095756.9A CN107714027B (zh) | 2017-11-09 | 2017-11-09 | 一种基于信号分段平滑的心电信号处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711095756.9A CN107714027B (zh) | 2017-11-09 | 2017-11-09 | 一种基于信号分段平滑的心电信号处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107714027A CN107714027A (zh) | 2018-02-23 |
CN107714027B true CN107714027B (zh) | 2020-11-03 |
Family
ID=61214271
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711095756.9A Active CN107714027B (zh) | 2017-11-09 | 2017-11-09 | 一种基于信号分段平滑的心电信号处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107714027B (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6884218B2 (en) * | 2002-12-09 | 2005-04-26 | Charles W. Olson | Three dimensional vector cardiograph and method for detecting and monitoring ischemic events |
US8954140B2 (en) * | 2012-09-27 | 2015-02-10 | Samsung Electronics Co., Ltd. | Method and system for determining QRS complexes in electrocardiogram signals |
US9132274B2 (en) * | 2013-07-26 | 2015-09-15 | Medtronic, Inc. | Determining onsets and offsets of cardiac depolarization and repolarization waves |
CN103654770B (zh) * | 2013-12-03 | 2015-11-18 | 上海理工大学 | 移动心电信号qrs波实时波检测方法及装置 |
CN106974617A (zh) * | 2016-01-19 | 2017-07-25 | 深圳市卡迪赛克科技有限公司 | 一种高效准确的信号预处理方法及信号波峰检测方法 |
-
2017
- 2017-11-09 CN CN201711095756.9A patent/CN107714027B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN107714027A (zh) | 2018-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109907752B (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系统 | |
CN108647565B (zh) | 一种基于深度学习模型对心电信号分类的数据预处理方法 | |
CN110680308B (zh) | 基于改进emd与阈值法融合的心电信号去噪方法 | |
CN108272451B (zh) | 一种基于改进小波变换的qrs波识别方法 | |
CN103405227B (zh) | 基于双层形态学滤波的心电信号预处理方法 | |
KR20100008239A (ko) | 피피지 신호의 동잡음 제거방법 | |
Bono et al. | Development of an automated updated selvester QRS scoring system using SWT-based QRS fractionation detection and classification | |
CN106419898A (zh) | 一种去除心电信号基线漂移的方法 | |
Fotiadou et al. | Enhancement of low-quality fetal electrocardiogram based on time-sequenced adaptive filtering | |
Laciar et al. | Improved alignment method for noisy high-resolution ECG and Holter records using multiscale cross-correlation | |
CN114469124A (zh) | 一种运动过程中异常心电信号的识别方法 | |
CN104382589B (zh) | 基于部分按段重采样的胎儿心电图分离提取方法 | |
Lu et al. | Recycling cardiogenic artifacts in impedance pneumography | |
CN113180685B (zh) | 基于形态学滤波和小波阈值的心电异常判别系统及方法 | |
CN108836305B (zh) | 一种融合巴特沃斯滤波和小波变换的ecg特征提取方法 | |
Zhao et al. | Denoising of ECG signals based on CEEMDAN | |
CN107714027B (zh) | 一种基于信号分段平滑的心电信号处理方法 | |
KR102451623B1 (ko) | 실시간 측정을 위해 서로 다른 샘플링 주파수와 필터 기법을 이용한 심전도 신호의 특징 비교 방법 및 장치 | |
Vega-Martínez et al. | Wavelet packet based algorithm for QRS region detection and R/S wave identification | |
CN114580477A (zh) | 一种基于多时间序列融合的可穿戴动态呼吸率估测系统 | |
WO2018023698A1 (zh) | 一种胎儿心电分离方法及装置 | |
Murugan et al. | Electrocardiogram signal analysis using zoom FFT | |
Joshi et al. | DWT based beat rate detection in ECG analysis | |
Chinmayi et al. | VLSI implementation of ECG feature extraction using Integer Haar Wavelet and EMD Algorithm | |
Gonzalez et al. | Implementation of real-time filter using an open-source platform oriented to R-wave detection |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |