CN109199366A - 基于变分模态分解的心电信号qrs波检测方法 - Google Patents
基于变分模态分解的心电信号qrs波检测方法 Download PDFInfo
- Publication number
- CN109199366A CN109199366A CN201811186023.0A CN201811186023A CN109199366A CN 109199366 A CN109199366 A CN 109199366A CN 201811186023 A CN201811186023 A CN 201811186023A CN 109199366 A CN109199366 A CN 109199366A
- Authority
- CN
- China
- Prior art keywords
- electrocardiosignal
- variation mode
- mode decomposition
- decomposition
- qrs complex
- 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]
-
- 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
- A61B5/7235—Details of waveform analysis
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Cardiology (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Pathology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开了一种基于变分模态分解的心电信号QRS波检测方法,包括以下步骤:对心电信号进行变分模态分解,选取最优分解层数C;将心电信号进行C层变分模态分解,得到C个模态分量;确定包含心电信号QRS波的模态分量;对重构的心电信号求取模极值对;根据信号的模极值对定位R波峰值位置,进而确定QRS波的范围。本发明能够有效地检测心电信号中的QRS波。
Description
技术领域
本发明涉及生物医学信号提取技术领域,具体的说,是一种基于变分模态分解的心电信号QRS波检测方法。
背景技术
心电信号是心脏电生理活动在人体体表的表现,提供心脏功能等生理状况的有重要价值的临床医学信息,是临床心脏病智能诊断的基础。
QRS波群是心电信号中最重要的部分,在临床医学上QRS波是心脏信息的重要载体,能够反映出很多心脏问题。
QRS波的检测算法包括差分阈值法、双阈值检测算、经验模态分解和小波变换法。差分阈值法在理论上是最简单且速度最快的方法,但由于心电信号存在高频噪声和基线漂移等噪声干扰,使得差分阈值法在实际应用中效果不理想。双阈值检测算法检测效率较高,但是由于该算法没有确定的数学模型,当心电信号出现异常时该算法会出现较多的误检和漏检。小波变换在心电信号检测中具有良好的时频特性,能够对心电信号的特征进行有效的检测。但是在应对实际检测到的心电信号时,由于心电信号存在一些干扰,虽然小波变换相较于其它算法有一定的优势但是也会出现一些误检和漏检得情况。
发明内容
针对现有技术的不足,本发明提供了一种心电信号QRS波的检测方法,能够有效地检测出心电信号的QRS波。
为达到上述目的,本发明提供了一种基于变分模态分解心电信号QRS波的检测方法,具体步骤如下。
步骤(1):对心电信号进行变分模态分解,选取最优分解层数C。对一个心电信号添
加三个参考信号,得到仿真的心电信号。对仿真心电信号依次进行K=5、6、7、8的变分模态分
解,对每一层模态分解进行频谱分析,将能够完全分解出三个参考信号的对应K值,认为是
变分模态分解的最有分解层。X为心电信号,经过K层变分模态分解得到K个模态分量;每个模态分量的频率中心表示为:,在迭代
求解过程中不断更新模态分量及其频率中心,更新步骤如下:
(a)初始化和n为0;
(b)根据下面两式更新和,为惩罚因子(取值2000),λ为拉格朗日乘法算子;
(c)更新λ ,其中τ为噪声因子,τ=0;
(d)如果或n>K,则停止迭代,否则换回执行
步骤(b),ε表示判断约束条件,ε=0.01。
步骤(2):将心电信号进行C层变分模态分解,得到C个模态分量。
步骤(3):确定包含心电信号QRS波的模态分量。对每一层模态分量进行频谱分析,根据QRS波的频率范围选择对应的模态分量进行重构。
步骤(4):对重构的心电信号求取模极值对。通过小波变换的奇异值检测原理确定心电信号的奇异值进而求取心电信号的模极值对。
步骤(5):根据信号的模极值对定位R波峰值位置,进而确定QRS波的范围。
正负模极值对之间的零点,就是R波的位置。R波为中心在100ms范围内定位QRS波的起始点。在距离R波的一定范围内定位Q波峰,与PR段电位比较,如果大于或等于PR段电位就把Q点认为是QRS波的起始点。同样以R波作为中心在100ms范围内定位QRS波末位置。由ECG可知在S波后会出现一个斜率转折点,能找到这个转折点,则这一点认为是心电信号QRS波的终点位置。
附图说明
图1为基于变分模态分解的心电信号QRS波的检测方法的流程框图。
图2为正常心电信号。
图3为仿真心电信号。
图4为心电信号变分模态分解中参考信号分布情况图。
图5为仿真心电信号7层模态分解图。
图6为待分解心电信号。
图7为心电信号7层模态分解。
图8为心电信号小波分解4尺度分解图。
图9为心电信号QRS波检测结果。
具体实施方法
下面结合附图和实例对本发明做进一步说明,用于实施的硬件环境是普通计算机,软件环境是:Matlab R12和Windows 10。我们用MATLAB软件实现了本发明提出的方法。被分析信号来自美国麻省理工学院与Beth Israel医院联合建立的MIT-BIH心电数据库中的心电信号。
参照图1,图1是本发明方法,基于变分模态分解的心电信号QRS波的检测方法的流程框图,具体实施还需要包括以下步骤。
步骤(1):对心电信号进行变分模态分解,选取最优分解层数C。对如附图2所示的心电信号添加高频、中频和低频三个参考信号,根据心电信号的频率特点添加的三个参考信号频率分别为10Hz、30Hz、50Hz;参考信号幅值分别为0.2mV、0.05mV、0.01mV;得到仿真的心电信号,如附图3所示。对仿真心电信号依次进行K=5、6、7、8的变分模态分解,对每一层模态进行频谱分析,将能够完全分解出三个参考信号的对应K值,认为是变分模态分解的最有分解层。经频谱分析后K=5、6、7、8的变分模态分解模态中三个参考信号情况如附图4所示当心电信号分解层数K为7时,分解得到的模态分量包含所添加的低、中、高三个参考信号如附图5所示,因此心电信号的最佳分解层数为C=7。
步骤(2):将如附图6所示的心电信号进行C层变分模态分解,得到C个模态分量。变分模态分解的参数设置如下:C=7,α=2000,τ=0,tol=1e-6。逐步更新μ k ,ω k 和λ,直到满足停止迭代的精度条件,得到7个模态分量。
步骤(3):确定包含心电信号QRS波的模态分量。对心电信号经过变分模态分解后得到的模态分量做频谱分析,由如附图7所示的模态分量的频谱范围可知心电信号的QRS波特性主要集中在模态3、4、和5上。因此将模态3、模态4和模态5重构为新的待检测心电信号。
步骤(4):对重构的心电信号求取模极值对。通过小波变换的奇异值检测原理确定心电信号的奇异值进而求取心电信号的模极值对如附图8所示。
步骤(5):根据信号的模极值对定位R波峰值位置,进而确定QRS波的范围。模极值点连线的过零点位置是心电信号的峰值点,以此确定心电信号R波峰值位置。R波为中心在100ms范围内定位QRS波的起始点。在距离R波的一定范围内定位Q波峰,与PR段电位比较,如果大于或等于PR段电位就把Q点认为是QRS波的起始点。同样以R波作为中心在100ms范围内定位QRS波末位置。由ECG可知在S波后会出现一个斜率转折点,能找到这个转折点,则这一点认为是心电信号QRS波的终点位置。 检测结果如附图9所示。
Claims (4)
1.一种基于变分模态分解的心电信号QRS波检测方法,其特征在于包括以下步骤:
步骤(1):对心电信号进行变分模态分解,选取最优分解层数C;
步骤(2):将心电信号进行C层变分模态分解,得到C个模态分量;
步骤(3):确定包含心电信号QRS波的模态分量;
步骤(4):对重构的心电信号求取模极值对;
步骤(5):根据信号的模极值对定位R波峰值位置,进而确定QRS波的范围。
2.根据权利要求1所述的基于变分模态分解的心电信号QRS波的检测方法,其特征在于步骤(1)和(2)中所述的对心电信号进行变分模态分解方法:
X为心电信号,经过K层变分模态分解得到K个模态分量;每个模
态分量的频率中心表示为:,在迭代求解过程中不断更新模态分量及
其频率中心,更新步骤如下:
(a)初始化和n为0;
(b)根据下面两式更新和,为惩罚因子(取值2000),λ为拉格朗日乘法算子;
(c)更新λ ,其中τ为噪声因子,τ=0;
(d)如果或n>K,则停止迭代,否则换回执行
步骤(b),ε表示判断约束条件,ε=0.01。
3.根据权利要求1所述的基于变分模态分解的心电信号QRS波的检测方法,其特征在于步骤(1)所述确定心电信号最优的变分模态分解层数的方法:对心电信号添加高频、中频和低频三个参考信号,根据心电信号的频率特点添加的三个参考信号频率分别为10Hz、30Hz、50Hz;参考信号幅值分别为0.2mV、0.05mV、0.01mV,得到仿真的心电信号;对仿真心电信号依次进行K=5、6、7、8的变分模态分解,对每一层模态进行频谱分析,将能够完全分解出三个参考信号的对应K值,认为是变分模态分解的最优分解层。
4.根据权利要求1所述的基于变分模态分解的心电信号QRS波的检测方法,其特征在于步骤(3)所述的确定包含心电信号QRS波的模态分量的方法:对心电信号经过变分模态分解由模态分量的频谱范围得到心电信号的QRS波特性主要集中在模态3、4、和5上;因此将模态3、模态4和模态5重构为新的待检测心电信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811186023.0A CN109199366A (zh) | 2018-10-12 | 2018-10-12 | 基于变分模态分解的心电信号qrs波检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811186023.0A CN109199366A (zh) | 2018-10-12 | 2018-10-12 | 基于变分模态分解的心电信号qrs波检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109199366A true CN109199366A (zh) | 2019-01-15 |
Family
ID=64980042
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811186023.0A Pending CN109199366A (zh) | 2018-10-12 | 2018-10-12 | 基于变分模态分解的心电信号qrs波检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109199366A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110292374A (zh) * | 2019-05-31 | 2019-10-01 | 辽宁师范大学 | 基于奇异谱分析和变分模态分解的心电信号去基线漂移方法 |
CN110558973A (zh) * | 2019-09-06 | 2019-12-13 | 江苏华康信息技术有限公司 | 一种基于极值能量分解法的心电图信号量化分析方法 |
CN112842342A (zh) * | 2021-01-25 | 2021-05-28 | 北京航空航天大学 | 一种结合希尔伯特曲线和集成学习的心电磁信号分类方法 |
CN114869296A (zh) * | 2022-07-08 | 2022-08-09 | 长沙博为软件技术股份有限公司 | 定位qrs-t波参考水平的方法、系统、设备及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102247143A (zh) * | 2011-06-03 | 2011-11-23 | 吉林大学珠海学院 | 一种可集成的心电信号去噪和qrs波识别的快速算法 |
US20150164429A1 (en) * | 2013-12-16 | 2015-06-18 | Siemens Medical Solutions Usa, Inc. | Patient Signal Analysis Based on Actiniform Segmentation |
CN105212922A (zh) * | 2014-06-11 | 2016-01-06 | 吉林大学 | 面向fpga实现心电信号r波自动检测的方法及系统 |
CN107361762A (zh) * | 2017-08-04 | 2017-11-21 | 山东理工大学 | 基于变分模态分解的心电信号基线漂移校正方法 |
CN108056773A (zh) * | 2017-12-11 | 2018-05-22 | 重庆邮电大学 | 基于改进变分模态分解的心电信号qrs波群检测算法 |
-
2018
- 2018-10-12 CN CN201811186023.0A patent/CN109199366A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102247143A (zh) * | 2011-06-03 | 2011-11-23 | 吉林大学珠海学院 | 一种可集成的心电信号去噪和qrs波识别的快速算法 |
US20150164429A1 (en) * | 2013-12-16 | 2015-06-18 | Siemens Medical Solutions Usa, Inc. | Patient Signal Analysis Based on Actiniform Segmentation |
CN105212922A (zh) * | 2014-06-11 | 2016-01-06 | 吉林大学 | 面向fpga实现心电信号r波自动检测的方法及系统 |
CN107361762A (zh) * | 2017-08-04 | 2017-11-21 | 山东理工大学 | 基于变分模态分解的心电信号基线漂移校正方法 |
CN108056773A (zh) * | 2017-12-11 | 2018-05-22 | 重庆邮电大学 | 基于改进变分模态分解的心电信号qrs波群检测算法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110292374A (zh) * | 2019-05-31 | 2019-10-01 | 辽宁师范大学 | 基于奇异谱分析和变分模态分解的心电信号去基线漂移方法 |
CN110292374B (zh) * | 2019-05-31 | 2022-05-17 | 辽宁师范大学 | 基于奇异谱分析和变分模态分解的心电信号去基线漂移方法 |
CN110558973A (zh) * | 2019-09-06 | 2019-12-13 | 江苏华康信息技术有限公司 | 一种基于极值能量分解法的心电图信号量化分析方法 |
CN110558973B (zh) * | 2019-09-06 | 2022-02-18 | 江苏华康信息技术有限公司 | 一种执行基于极值能量分解法的心电图信号量化分析方法的计算机设备 |
CN112842342A (zh) * | 2021-01-25 | 2021-05-28 | 北京航空航天大学 | 一种结合希尔伯特曲线和集成学习的心电磁信号分类方法 |
CN112842342B (zh) * | 2021-01-25 | 2022-03-29 | 北京航空航天大学 | 一种结合希尔伯特曲线和集成学习的心电磁信号分类方法 |
CN114869296A (zh) * | 2022-07-08 | 2022-08-09 | 长沙博为软件技术股份有限公司 | 定位qrs-t波参考水平的方法、系统、设备及介质 |
CN114869296B (zh) * | 2022-07-08 | 2022-10-04 | 长沙博为软件技术股份有限公司 | 定位qrs-t波参考水平的方法、系统、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109199366A (zh) | 基于变分模态分解的心电信号qrs波检测方法 | |
AU2019101755A4 (en) | Method for quantitatively analyzing electrocardiogram signal based on extremum energy decomposition method | |
Kim et al. | ECG signal compression and classification algorithm with quad level vector for ECG holter system | |
KR102532764B1 (ko) | 생리적 레이트 추정 장치 및 그것의 방법 | |
CN105030228B (zh) | 在心电信号中确定其p波位置的方法及装置 | |
CN107822622A (zh) | 基于深度卷积神经网络的心电图诊断方法和系统 | |
CN106037694A (zh) | 一种基于脉搏波的连续血压测量装置 | |
CN108338784A (zh) | 基于eemd的小波熵阈值的心电信号去噪方法 | |
CN105125198A (zh) | 估计心率的方法和对应系统 | |
Nayak et al. | An efficient QRS complex detection using optimally designed digital differentiator | |
Lin et al. | Heartbeat classification using normalized RR intervals and wavelet features | |
CN106491156A (zh) | 一种基于多源信息融合的汽车疲劳驾驶检测方法 | |
CN111481192B (zh) | 一种基于改进U-Net的心电信号R波检测方法 | |
CN111513706B (zh) | 一种针对含有异常r波的心电信号的检测方法和装置 | |
CN102697495A (zh) | 基于总体平均经验模式分解的二代小波肌电信号消噪方法 | |
CN101422362A (zh) | 具有运动伪差消除功能的无线心电监护系统 | |
CN104921722A (zh) | 一种双导联融合心电qrs波检测方法 | |
TWI505816B (zh) | 血氧飽和度檢測方法及裝置 | |
CN113854992A (zh) | 基于77GHz毫米雷达的非接触式精确心率检测方法 | |
CN110327032A (zh) | 一种单导心电信号pqrst波联合精准识别算法 | |
Suboh et al. | ECG-based detection and prediction models of sudden cardiac death: Current performances and new perspectives on signal processing techniques | |
Jenkal et al. | Enhanced algorithm for QRS detection using discrete wavelet transform (DWT) | |
Torres et al. | Heal-T: an efficient PPG-based heart-rate and IBI estimation method during physical exercise | |
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 | |
Manikandan et al. | Automatic SWT based QRS detection using weighted subbands and Shannon energy peak amplification for ECG signal analysis devices |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190115 |
|
WD01 | Invention patent application deemed withdrawn after publication |