CN110507317B - 一种心电信号r波的自适应ca-cfar定位方法 - Google Patents

一种心电信号r波的自适应ca-cfar定位方法 Download PDF

Info

Publication number
CN110507317B
CN110507317B CN201910829591.6A CN201910829591A CN110507317B CN 110507317 B CN110507317 B CN 110507317B CN 201910829591 A CN201910829591 A CN 201910829591A CN 110507317 B CN110507317 B CN 110507317B
Authority
CN
China
Prior art keywords
signal
wave
cfar
detection
sliding window
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
Application number
CN201910829591.6A
Other languages
English (en)
Other versions
CN110507317A (zh
Inventor
包志强
罗小宏
赵志超
王宇霆
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.)
Xian University of Posts and Telecommunications
Original Assignee
Xian University of Posts and Telecommunications
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 Xian University of Posts and Telecommunications filed Critical Xian University of Posts and Telecommunications
Priority to CN201910829591.6A priority Critical patent/CN110507317B/zh
Publication of CN110507317A publication Critical patent/CN110507317A/zh
Application granted granted Critical
Publication of CN110507317B publication Critical patent/CN110507317B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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]
    • A61B5/346—Analysis of electrocardiograms
    • A61B5/349—Detecting specific parameters of the electrocardiograph cycle
    • A61B5/352—Detecting R peaks, e.g. for synchronising diagnostic apparatus; Estimating R-R interval
    • 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
    • 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

Landscapes

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

Abstract

本发明公开了一种心电信号R波的自适应CA‑CFAR定位方法，先利用滤波器组对心电信号进行预处理；然后将预处理后的信号利用自适应CA‑CFAR检测判决；最后由心电信号R波的间隔特性做一个不应期剔除规则的处理，得到R波的定位。本发明与经典的滤波后采用动态门限和差分方法的检测算法相比，由于预处理采用了滑动窗口滤波，增强了R波分量，提高了对较小R波的检测精度；与小波变换算法的R波检测和利用双斜率方法检测相比，由于采用了单元平均恒虚警方法，对噪声中信号的检测性能提高。

Description

一种心电信号R波的自适应CA-CFAR定位方法
技术领域
本发明属于医疗器械技术领域，涉及医疗器械中的心电图处理，特别涉及一种心电信号R波的自适应CA-CFAR定位方法。
背景技术
心电图(Electrocardiogram，ECG)信号能简单地记录由心脏产生的电活动，是一种有效的非侵入性工具，可用于测量心率、检查心律、诊断心脏异常、情绪识别和生物特征识别等多种生物医学应用。由于心电图记录的是心脏在一段时间内通过在人体身上放置电极而产生的微小电活动，所以心电图的波幅较小，一般都是毫伏(mV)级别，其频带范围在0.05～100Hz，有时噪声可能直接将信号掩盖，所以是一种低幅值、低频率、低信噪比的生理信号，这对心电信号检测带来了较大的困难。
Pan与Tompkins等提出经典的QRS波群的检测算法，利用了滤波器组对信号滤波预处理，其带通滤波器有效减少了ECG信号中的噪声干扰，并利用差分方法和动态门限对R波进行定位检测；虽然有效的检测到了R波，但是精确度不高，对较小R波检测效果不佳。HulyaK S,Suleyman C等利用小波变换对ECG信号处理，但是算法抗噪性较弱。WangY,Deepu C J等根据ECG信号性质，将信号进行双斜率处理，最终将QRS变为一个单峰进行检测定位，算法提高了检测精度，但对于噪声中的小峰值信号其算法稳定性能减弱。
发明内容
本发明解决的技术问题在于提供一种心电信号R波的自适应CA-CFAR定位方法，可以提高检测精确度和稳定性，同时在低信噪比时仍具有良好的检测性能，克服现有心电信号R波检测的不足。
本发明是通过以下技术方案来实现：
一种心电信号R波的自适应CA-CFAR定位方法，包括以下操作：
1)将待处理的ECG信号经过带通滤波滤除低频噪声和高频噪声，得到QRS波群信号凸显的信号e，然后将信号e经绝对值反转得到信号Smax，并用低通滤波器对信号Smax进行平滑得到信号m，再经滑动窗口滤波对信号m进行求和处理得到信号l(n)；
2)将信号l(n)经过平方律检波，得到输入信号yn；
3)输入信号yn中待测单元D的参考单元的平均功率Z为：
Figure BDA0002190220020000021
其中，xi和yi分别是待测单元D前后N个参考单元内第i个参考单元信号的功率，n为信号长度，Z为平均功率；
将平均功率Z与乘积因子T相乘得到CA-CFAR门限S；所述的乘积因子T根据
Figure BDA0002190220020000022
来设置，其中，Pfa为恒虚警率，Rr是参考单元数；初始参考单元数与数据采样频率fs的关系为Rr＝α×fs，α为系数；
4)再对待测单元D和门限S进行归一化并取其对数：
S＝T×Z
Figure BDA0002190220020000023
Figure BDA0002190220020000024
其中，S为门限，T为乘积因子，Z为平均功率，yD为平方律检波后的待测信号，max(yD)是yD的最大值，max(S)为S的最大值；
5)对Dtest、Stest进行以下判决：
Figure BDA0002190220020000025
其中，H1表示R波存在，H0表示R波不存在；
6)对判决结果为H1的信号进行以下不应期剔除，设每个心跳间隔应满足：
Figure BDA0002190220020000031
其中，
Figure BDA0002190220020000032
为当前次检测到的R波位置，
Figure BDA0002190220020000033
为下一次检测到的R波位置，fs为数据采样频率；
若检测定位到的本次R波与上一个R波的距离不满足上式，则删除本次定位到的R波，若满足则保留；
7)对检测到的R波，根据RR间期计算出平均心率，再根据平均心率更新参考单元数，更新参考单元数后再进行步骤3)～6)的检测；
所述参考单元数Rr与心跳频率xr关系式为：Rr＝-2.376xr+499.911；
待参考单元数Rr更新完成后，完成心电信号中的R波定位。
所述的带通滤波是采用频带为10～25Hz的80阶带通滤波器，其频率和待测信号数据采样频率同；并对ECG信号两端进行边缘延拓，延拓长度为滤波器阶数的长度，延拓值各取其边缘值的大小。
所述的绝对值处理是把波峰都反转为正峰：
Smax＝|en|n＝1,2,3...
en是带通滤波后信号，Smax为信号做绝对值反转后的信号。
所述的信号Smax是通过20阶5Hz的低通滤波器进行平滑得到信号m；
对信号m分别采用以下滑动窗口滤波对信号m进行处理得到信号l(n)；
Figure BDA0002190220020000034
其中，w是滑窗大小，l(n)为滑窗后所得信号。
还在滑窗处理前先对信号m两端延拓避免边缘信号被遗弃；
所述的滑窗处理为两次处理，第一次滑窗大小w1设为8，第二次滑窗w2设为2。
所述的平方律检波的处理为：
yn＝(ln)2,n＝1,2,3...
其中，l(n)为滑动窗口滤波后的信号，yn为平方律检波后的信号。
所述的恒虚警率Pfa设为：Pfa＝10-2；
根据心率快慢调整参考单元大小，初始参考单元与数据采样频率关系中Rr＝α×fs，fs为数据采样频率，系数α＝[0.6,1.2]；初始参考单元数设为300。
设采样频率为360，满足由不应期剔除要求时每次检测定位的距离需大于81；若检测定位到的本次R波与上一个R波的距离小等于81，则删除本次定位到的R波。
与现有技术相比，本发明具有以下有益的技术效果：
本发明提供的心电信号R波的自适应CA-CFAR定位方法，与经典的滤波后采用动态门限和差分方法的检测算法相比，由于预处理采用了滑动窗口滤波，增强了R波分量，提高了对较小R波的检测精度；与小波变换算法的R波检测和利用双斜率方法检测相比，由于采用了单元平均恒虚警方法，对噪声中信号的检测性能提高。
附图说明
图1为本发明的ECG信号R波定位流程示意图。
图2为本发明的ECG信号R波定位信号处理示意图。
图3为ECG信号经过预处理后的信号。
图4为参考单元大小随心跳频率变化的关系示意图。
图5为本发明的ECG信号R波定位的结果示意图。
具体实施方式
下面结合实施例对本发明做进一步详细描述，所述是对本发明的解释而不是限定。
本发明提供的一种心电信号R波的自适应CA-CFAR定位方法，先利用滤波器组对心电信号进行预处理；然后将预处理后的信号利用自适应CA-CFAR检测判决；最后由心电信号R波的间隔特性做一个不应期剔除规则的处理，得到R波的定位。
进一步的参见图1、图2，本发明提供的心电信号R波的自适应CA-CFAR定位方法，包括以下操作：
1)ECG信号预处理：
先通过带通滤波，然后做绝对值翻转，再然后低通滤波，最后经过两次滑动窗口滤波得到预处理信号。
采用80阶，频带为10～25Hz的带通滤波器进行带通滤波，其频率和待测信号数据采样频率同。为避免边缘效应，将ECG信号两端进行边缘延拓，延拓长度为滤波器阶数的长度，延拓值各取其边缘值的大小。经过带通滤波器后得到的信号e主要保留了QRS波群，因为带通滤波器的频带在10～25Hz之间，滤除了低频噪声和高频噪声，而QRS波群能量主要集中在10～25Hz，所以相对于其他信号，QRS波群信号得到凸显，即相对于其他信号增大了QRS波群分量，这对R波检测提供了有用信息。
信号e由于基本滤除了QRS波群以外的信号，会有多个连续相对较高大的正负波峰，对带通滤波后的信号做绝对值处理，把波峰都反转为正峰：
Smax＝|en|n＝1,2,3... (1)
en是带通滤波后信号，n为信号e的长度，Smax为信号做绝对值反转后的信号。
信号Smax会出现多个波峰，所以用低通滤波器对信号Smax进行平滑得到信号m，低通滤波器是一个20阶5Hz的低通滤波器。经过滤波后信号能量有所损失，故而用两次滑动窗口滤波对信号m进行处理，滑动窗口滤波本质是对滑窗内信号求和，即
Figure BDA0002190220020000051
其中，w是滑窗大小，n为信号m的长度，l(n)为滑窗后所得信号。在滑窗处理前先对信号两端延拓避免边缘信号被遗弃，第一次滑窗大小w1设为8，第二次滑窗w2设为2。经过两次滑窗后增强了信号的幅值。
参见图3，图中，第一行信号为ECG信号的原始信号，有明显的基线漂移和微弱的高频噪声；经过带通滤波器(10-25Hz)滤波后的信号如第二行所示，相对于原始信号带通滤波后的信号去除了基线漂移和高频噪声，相对于其他信号，QRS波群信号得到凸显；由于本发明主要任务是定位到R波，所以将带通滤波后的信号做一个绝对值处理，将所有信号变为正，如图3第三行所示，出现多个波峰，用低通滤波器(5Hz)进行滤波，低通滤波器截止高频信号，让信号得到平滑；由于两次滤波对信号能量造成损失，所以信号幅值较低，所以对信号进行滑动窗口滤波，其实质对滑窗内的信号进行求和，信号能量增加，即R波更突显。而且由于预处理采用了滑动窗口滤波，增强了R波分量，提高了对较小R波的检测精度。
2)预处理后的信号经过平方律检波，得到CA-CFAR的输入信号：
yn＝(ln)2,n＝1,2,3... (3)
其中，l(n)为滑动窗口滤波后的信号，yn为平方律检波后的信号。
3)自适应CA-CFAR检测
3.1)恒虚警率Pfa和乘积因子T设置
对于ECG信号，干扰电平通常是来自数据采集设备的工频干扰，人体自身活动或肌肉收缩的肌电噪声干扰，以及呼吸或身体抖动等引起的基线漂移等。这些干扰噪声通常是已知的，且在经过预处理后已经趋于平滑，本发明的自适应CA-CFAR检测将用单元平均处理信号，为提高对噪声中信号的检测性能，需要设置恒虚警率Pfa和乘积因子T。
由于平均虚警概率Pfa也可以不依赖于干扰噪声，所以虚警概率可以精准设定，Pfa为可调参数，在ECG信号检测时适当降低阈值，使得待检信号尽可能被检测到，所以Pfa设置得大一些。具体的Pfa设为：
Pfa＝10-2 (4)
根据Pfa设置乘积因子T：
Figure BDA0002190220020000071
其中，Rr是参考单元数。
3.2)初始参考单元数Rr设置
CA-CFAR检测时，选取合适的参考单元数需要考虑两个因素：一个是希望参考单元大一些，这样能使恒虚警处理在平稳状态下损失较小；另一个，为使恒虚警处理非平稳状态过渡过程短，就需要参考单元小。由于人体心跳频率一般在0.6-1.2s之间，初始参考单元数与心跳频率之间系数设为α，其关系为：初始参考单元与数据采样频率建立函数关系：
Rr＝α×fs (6)
其中，fs为数据采样频率，系数α＝[0.6,1.2]。根据美国麻省理工学院提供的MIT-BIH数据库ECG信号的采样频率为360，由(6)式，这里选取α为0.85s是符合要求的，所以把初始参考单元数设为300是合理的。
3.3)建立参考单元数Rr与心跳频率xr关系式
为使得参考单元能适应ECG信号R波的检测，Rr需要更新。
具体的，通过对MIT-BIH数据库的48例病例进行仿真，分别得到每个病例的最佳检测参考单元数，然后根据每个病例的心率与其对应的最佳参考单元数拟合出如图4的关系，其中横坐标为心跳频率，纵坐标为参考单元数，并求得拟合参考单元Rr与心跳频率的关系的拟合函数如(7)式所示。
Rr＝-2.376xr+499.911 (7)
其中，xr是心跳频率，Rr为参考单元数。
实际上，因为ECG信号中R波幅值相对较大，其他波形幅值相对较小，再经过预处理后，理想情况下，只剩近似一个脉冲的R波存在，两个R波间期之间的信号趋近于0；所以在心率较快的情况下，RR间期较短，而参考单元在做平均时如果参考单元数大于RR间期，会使单元平均值加大，那么动态门限将会增加，可能会检测不到感兴趣的信号，所以应该根据心率快慢适当调整参考单元大小。
3.4)求取参考单元平均功率Z，处理信号的待测单元D和门限S。
待测单元D是每一次滑动参考窗的中间一个信号，yn为整体的输入信号，即经过平方律检波后CFAR检测器的输入信号；心电信号经过Rr+1的滑动参考窗处理，参考单元的平均功率Z为门限S是由乘积因子T与平均功率Z之积得到，因此需要计算参考单元内的平均功率；参考单元的建立：初始参考单元由(6)式可得到，再根据(7)式得到更新的参考单元；
平均功率Z由下式来得到：
Figure BDA0002190220020000081
其中，xi和yi分别是待测信号前后N个参考单元(由于滑窗长度为Rr+1，中间一个是待测信号，所以参考单元仍然是Rr)内信号，n为信号长度，Z为平均功率。
由设定的乘积因子T与平均功率Z相乘得到CA-CFAR门限S，即
S＝T×Z (9)
4)为相应的降低门限，对待测单元D和门限S进行归一化并取其对数：
Figure BDA0002190220020000082
Figure BDA0002190220020000083
其中，yD为平方律检波后的待测信号，max(yD)是yD的最大值，S为动态门限，max(S)为S的最大值。
5)对Dtest、Stest进行以下判决：
取对数处理能提高估计精度，能提升检测的准确性，使待测信号最大限度判决在假设H1下，即目标存在。判决公式为：
Figure BDA0002190220020000091
其中，Dtest为取对数后的待测信号，Stest为取对数后的动态门限；H1表示目标存在，H0表示目标不存在。
6)不应期剔除，更新参考单元数Rr
对H1下信号进行不应期剔除，由ECG信号R波间隔的特性，即本次心跳与下一次心跳之间的间隔至少应该大于0.2s，由于降低了门限，故将间隔扩大到0.225s，即每个心跳间隔应满足：
Figure BDA0002190220020000092
其中，
Figure BDA0002190220020000093
为当前次检测到的R波位置，
Figure BDA0002190220020000094
为下一次检测到的R波位置，fs为数据采样频率。这样满足(13)式保证能剔除不需要的定位，MIT-BIH数据库ECG信号的采样频率为360，故每次检测定位的距离由(13)式可知是大于81的，若检测定位到的本次R波与上一个R波的距离小等于81，则删除本次定位到的R波。
7)对检测到的R波，根据RR间期(即本次心跳的R波峰与下一次心跳R波峰的间隔时间)计算出平均心率，再根据平均心率更新参考单元数做步骤3)～6)的检测，最后得到最佳R波检测。
具体的，将心电信号经CA-CFAR检测得到对数处理后的待检信号和阈值，检测定位到如图5中第一行所示的信号，第二行为在原始信号上R波的定位，该信号没有对信号进行处理，有明显的基线漂移，第三行为去除基线漂移后定位R波的信号，明显R波定位更为准确。
检测结果表明，本发明与经典的滤波后采用动态门限和差分方法的检测算法相比，由于预处理采用了滑动窗口滤波，增强了R波分量，提高了对较小R波的检测精度；与小波变换算法的R波检测和利用双斜率方法检测相比，由于采用了单元平均恒虚警方法，对噪声中信号的检测性能提高。
以上给出的实施例是实现本发明较优的例子，本发明不限于上述实施例。本领域的技术人员根据本发明技术方案的技术特征所做出的任何非本质的添加、替换，均属于本发明的保护范围。

Claims (8)

1.一种心电信号R波的自适应CA-CFAR定位方法，其特征在于，包括以下操作：
1)将待处理的ECG信号经过带通滤波滤除低频噪声和高频噪声，得到QRS波群信号凸显的信号e，然后将信号e经绝对值反转得到信号Smax，并用低通滤波器对信号Smax进行平滑得到信号m，再经滑动窗口滤波对信号m进行求和处理得到信号l(n)；
2)将信号l(n)经过平方律检波，得到输入信号yn；
3)输入信号yn中待测单元D的参考单元的平均功率Z为：
Figure FDA0003238405240000011
其中，xi和yi分别是待测单元D前后N个参考单元内第i个参考单元信号的功率，n为信号长度，Z为平均功率；
将平均功率Z与乘积因子T相乘得到CA-CFAR门限S；所述的乘积因子T根据
Figure FDA0003238405240000012
来设置，其中，Pfa为恒虚警率，Rr是参考单元数；初始参考单元数与数据采样频率fs的关系为Rr＝α×fs，α为系数；
4)再对待测单元D和门限S进行归一化并取其对数：
S＝T×Z
Figure FDA0003238405240000013
Figure FDA0003238405240000014
其中，S为门限，T为乘积因子，Z为平均功率，yD为平方律检波后的待测信号，max(yD)是yD的最大值，max(S)为S的最大值；
5)对Dtest、Stest进行以下判决：
Figure FDA0003238405240000015
其中，H1表示R波存在，H0表示R波不存在；
6)对判决结果为H1的信号进行以下不应期剔除，设每个心跳间隔应满足：
Figure FDA0003238405240000021
其中，
Figure FDA0003238405240000022
为当前次检测到的R波位置，
Figure FDA0003238405240000023
为下一次检测到的R波位置，fs为数据采样频率；
若检测定位到的本次R波与上一个R波的距离不满足上式，则删除本次定位到的R波，若满足则保留；
7)对检测到的R波，根据RR间期计算出平均心率，再根据平均心率更新参考单元数，更新参考单元数后再进行步骤3)～6)的检测；
所述参考单元数Rr与心跳频率xr关系式为：Rr＝-2.376xr+499.911；
待参考单元数Rr更新完成后，完成心电信号中的R波定位。
2.如权利要求1所述的心电信号R波的自适应CA-CFAR定位方法，其特征在于，所述的带通滤波是采用频带为10～25Hz的80阶带通滤波器，其频率和待测信号数据采样频率同；并对ECG信号两端进行边缘延拓，延拓长度为滤波器阶数的长度，延拓值各取其边缘值的大小。
3.如权利要求1所述的心电信号R波的自适应CA-CFAR定位方法，其特征在于，所述的绝对值反转是把波峰都反转为正峰：
Smax＝|en|n＝1,2,3...
en是带通滤波后信号，Smax为信号做绝对值反转后的信号。
4.如权利要求1所述的心电信号R波的自适应CA-CFAR定位方法，其特征在于，所述的信号Smax是通过20阶5Hz的低通滤波器进行平滑得到信号m；
对信号m分别采用以下滑动窗口滤波对信号m进行处理得到信号l(n)；
Figure FDA0003238405240000024
其中，w是滑窗大小，l(n)为滑窗后所得信号。
5.如权利要求3所述的心电信号R波的自适应CA-CFAR定位方法，其特征在于，还在滑窗处理前先对信号m两端延拓避免边缘信号被遗弃；
所述的滑窗处理为两次处理，第一次滑窗大小w1设为8，第二次滑窗w2设为2。
6.如权利要求1所述的心电信号R波的自适应CA-CFAR定位方法，其特征在于，所述的平方律检波的处理为：
yn＝(ln)2,n＝1,2,3...
其中，l(n)为滑动窗口滤波后的信号，yn为平方律检波后的信号。
7.如权利要求1所述的心电信号R波的自适应CA-CFAR定位方法，其特征在于，所述的恒虚警率Pfa设为：Pfa＝10-2；
根据心率快慢调整参考单元大小，初始参考单元与数据采样频率关系中Rr＝α×fs，fs为数据采样频率，系数α＝[0.6,1.2]；初始参考单元数设为300。
8.如权利要求1所述的心电信号R波的自适应CA-CFAR定位方法，其特征在于，设采样频率为360，满足由不应期剔除要求时每次检测定位的距离需大于81；若检测定位到的本次R波与上一个R波的距离小等于81，则删除本次定位到的R波。
CN201910829591.6A 2019-09-03 2019-09-03 一种心电信号r波的自适应ca-cfar定位方法 Active CN110507317B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910829591.6A CN110507317B (zh) 2019-09-03 2019-09-03 一种心电信号r波的自适应ca-cfar定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910829591.6A CN110507317B (zh) 2019-09-03 2019-09-03 一种心电信号r波的自适应ca-cfar定位方法

Publications (2)

Publication Number Publication Date
CN110507317A CN110507317A (zh) 2019-11-29
CN110507317B true CN110507317B (zh) 2021-11-02

Family

ID=68630650

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910829591.6A Active CN110507317B (zh) 2019-09-03 2019-09-03 一种心电信号r波的自适应ca-cfar定位方法

Country Status (1)

Country Link
CN (1) CN110507317B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113296070A (zh) * 2020-02-24 2021-08-24 光宝科技股份有限公司 用于物件检测的运算装置及物件检测方法
CN113499082B (zh) * 2020-03-23 2023-12-19 疆域康健创新医疗科技成都有限公司 Qrs波群检测方法、心电检测装置及可读存储介质
CN113907765B (zh) * 2021-10-10 2024-02-23 北京工业大学 一种无创胎儿心电信号质量评估方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101658432A (zh) * 2008-08-29 2010-03-03 株式会社东芝 超声波诊断装置、超声波图像处理装置以及超声波图像处理方法
CN102243303A (zh) * 2011-04-13 2011-11-16 电子科技大学 一种基于呼吸特征的静止人体穿墙定位方法
CN104502899A (zh) * 2014-12-27 2015-04-08 长安大学 一种自适应的恒虚警率目标检测方法
CN106821347A (zh) * 2016-12-20 2017-06-13 中国人民解放军第三军医大学 一种fmcw宽带生命探测雷达呼吸和心跳信号提取算法
CN107153180A (zh) * 2017-06-15 2017-09-12 中国科学院声学研究所 一种目标信号检测方法及系统
CN108919247A (zh) * 2018-03-30 2018-11-30 中国科学院电子学研究所 一种基于恒虚警率检测的多目标体检测及定位方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7001338B2 (en) * 2003-03-26 2006-02-21 The Johns Hopkins University System and method for diagnosing pathologic heart conditions

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101658432A (zh) * 2008-08-29 2010-03-03 株式会社东芝 超声波诊断装置、超声波图像处理装置以及超声波图像处理方法
CN102243303A (zh) * 2011-04-13 2011-11-16 电子科技大学 一种基于呼吸特征的静止人体穿墙定位方法
CN104502899A (zh) * 2014-12-27 2015-04-08 长安大学 一种自适应的恒虚警率目标检测方法
CN106821347A (zh) * 2016-12-20 2017-06-13 中国人民解放军第三军医大学 一种fmcw宽带生命探测雷达呼吸和心跳信号提取算法
CN107153180A (zh) * 2017-06-15 2017-09-12 中国科学院声学研究所 一种目标信号检测方法及系统
CN108919247A (zh) * 2018-03-30 2018-11-30 中国科学院电子学研究所 一种基于恒虚警率检测的多目标体检测及定位方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
On the modelling of uncertainty in radar CFAR detection;Chehla Alioua;《Springer》;20101115;第381-388页 *
基于Android的心电实时监护系统设计与实现;曾爱林;《计算机测量与控制》;20131125;第2997-3000页 *

Also Published As

Publication number Publication date
CN110507317A (zh) 2019-11-29

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
CN110507317B (zh) 一种心电信号r波的自适应ca-cfar定位方法
Zhang et al. VLSI friendly ECG QRS complex detector for body sensor networks
US20070038382A1 (en) Method and system for limiting interference in electroencephalographic signals
CN103405227B (zh) 基于双层形态学滤波的心电信号预处理方法
Bansal et al. A review of measurement and analysis of heart rate variability
CN110226919B (zh) 心电信号类型检测方法、装置、计算机设备及存储介质
AU2019313480B2 (en) Systems and methods for maternal uterine activity detection
CN107361764B (zh) 一种心电信号特征波形r波的快速提取方法
Li et al. An approach of heartbeat segmentation in seismocardiogram by matched-filtering
KR101048763B1 (ko) 신호 검출 장치 및 방법
Zhang et al. An improved real-time R-wave detection efficient algorithm in exercise ECG signal analysis
US20220378364A1 (en) Systems and methods for maternal uterine activity detection
CN111166322A (zh) 心电信号特征波提取方法
Modak et al. Single channel QRS detection using wavelet and median denoising with adaptive multilevel thresholding
Chinomso et al. Analysis of Savitzky-Golay Filter for Electrocardiogram De-Noising Using Daubechies Wavelets
CN113349753A (zh) 一种基于便携式动态心电监护仪的心律失常检测方法
Gautam et al. ECG signal de-noising with signal averaging and filtering algorithm
Suchetha et al. Denoising and arrhythmia classification using EMD based features and neural network
CN114159068A (zh) 一种心电信号心房扑动的检测方法及检测装置
Buś et al. Feasibility study on the use of heart rate variability parameters for detection of atrial fibrillation with machine learning techniques
Li A novel dual-slope based electrocardiogram peak detection method for wearable devices
CN114504326B (zh) 一种心电信号二进制幅度编码方法
Patil et al. Discrimination between atrial fibrillation (AF) & normal sinus rhythm (NSR) using linear parameters
Ramesh et al. Analysis of ECG Noise Cancellation and Abnormality Classification using Various Adaptive Algorithms

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