CN111631707A - 心电信号中基线漂移的滤除方法、装置、设备及存储介质 - Google Patents

心电信号中基线漂移的滤除方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN111631707A
CN111631707A CN202010359177.6A CN202010359177A CN111631707A CN 111631707 A CN111631707 A CN 111631707A CN 202010359177 A CN202010359177 A CN 202010359177A CN 111631707 A CN111631707 A CN 111631707A
Authority
CN
China
Prior art keywords
sequence
electrocardiosignal
filtering
sampling time
original
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
Application number
CN202010359177.6A
Other languages
English (en)
Inventor
申超波
郭维
阮晓雯
徐亮
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.)
Ping An Technology Shenzhen Co Ltd
Original Assignee
Ping An Technology Shenzhen Co Ltd
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 Ping An Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Priority to CN202010359177.6A priority Critical patent/CN111631707A/zh
Priority to PCT/CN2020/099571 priority patent/WO2021217873A1/zh
Publication of CN111631707A publication Critical patent/CN111631707A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7225Details 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)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Physiology (AREA)
  • Psychiatry (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Power Engineering (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明涉及数据处理领域,公开了一种基于心电信号中基线漂移的滤除方法、装置、设备及存储介质。所述心电信号中基线漂移的滤除方法包括:读取待处理的原始心电信号,并对所述原始心电信号进行预处理,得到第一心电信号序列;将所述第一心电信号序列水平翻转后正向输入预置IIR滤波器,并进行滤除干扰处理,得到第二心电信号序列;将所述第二心电信号序列水平翻转后反向输入所述IIR滤波器,并进行校正延迟相位处理,得到第三心电信号序列;将所述第三心电信号序列作为滤除基线漂移干扰后的心电信号并输出。本发明能在滤除心电信号的基线漂移同时,尽可能地保留了心电信号的特征信号,提高心电信号的保真性。本发明还可应用于智慧医疗领域中,从而推动智慧城市的建设。

Description

心电信号中基线漂移的滤除方法、装置、设备及存储介质
技术领域
本发明涉及数据处理技术领域,尤其涉及一种心电信号中基线漂移的滤除方法、装置、设备及存储介质。
背景技术
心电信号是一种常用的检测和诊断心血管疾病的方法。为了快速获得心电信号的诊断结果,深度学习被引入了这个领域。深度学习能够通过提取心电信号的深层特征,从而弥补传统的滤波方法的缺陷。但是深度学习大部分模型都是通过提取含噪音的信号特征来进行学习,从而去除信号所含噪声,因此这需要在输入深度学习的训练样本前需要获得干净的心电信号。
基线漂移是心电信号噪音中最为常见的一种,它的幅值也是心电信号中最高的,在观测到的心电信号中最容易发现。它源自于人体的呼吸对器官的影响,导致心电信号的基线偏离正常的基线水平,从而影响到心电信号的形态,严重时还会影响到医生对信号的分析判断。基线漂移的频率一般在0.05~2 Hz之间,属于低频噪音。目前用于滤除基线漂移的方法主要是采用高通滤波器将其滤除。但是心电信号本身的频率范围为0.05~100Hz,基线漂移的频率在心电信号的频率范围内,因此采用高通滤波器往往导致心电信号的低频部分发生损失从而引起ST段失真,严重情况下还会影响最后的诊断结果。
发明内容
本发明的主要目的在于解决心电信号在滤除基线漂移过程中出现特征损失的问题。
本发明第一方面提供了一种心电信号中基线漂移方法,包括:
读取待处理的原始心电信号,并对所述原始心电信号进行预处理,得到第一心电信号序列;
将所述第一心电信号序列水平翻转后正向输入预置IIR滤波器,并进行滤除干扰处理,得到第二心电信号序列;
将所述第二心电信号序列水平翻转后反向输入所述IIR滤波器,并进行校正延迟相位处理,得到第三心电信号序列;
将所述第三心电信号序列作为滤除基线漂移干扰后的心电信号并输出。
可选的,在本发明第一方面的第一种实现方式中,所述读取待处理的原始心电信号,并对所述原始心电信号进行预处理,得到第一心电信号序列包括:
读取待处理的原始心电信号;
对所述原始心电信号进行采样,得到采样时间点和所述采样时间点对应的采样值;
根据各采样时间点,依次将所述采样时间点和所述采样值写入预置二维数组中,得到第一心电信号序列。
可选的,在本发明第一方面的第二种实现方式中,在所述读取待处理的原始心电信号,并对所述原始心电信号进行预处理,得到第一心电信号序列的步骤之后,还包括:
判断所述第一心电信号序列的第一个采样时间点的数值是否为零;
若否,则将所有采样值的采样时间点减去第一采样时间点的数值,以使所述第一心电信号序列的第一个采样时间点的数值为零;
输出第一个采样时间点的数值为零的所述第一心电信号序列。
可选的,在本发明第一方面的第三种实现方式中,在所述将所述第一心电信号序列水平翻转后正向输入预置IIR滤波器,并进行滤除干扰处理,得到第二心电信号序列的步骤之前,还包括:
基于小波变换模极大值方法,确定所述第一心电信号序列中幅度突变点;
根据所述幅度突变点对应的突变采样值s0和突变采样时间点n0,将所述第一心电信号序列分段;
对分段后所述第一信号序列进行增加延拓序列,并输出增加延拓序列后的所述第一信号序列,其中,所述延拓序列为长度为3p的预置信号序列,p 为所述IIR滤波器的阶数;
其中,所述小波变换模极大值方法的公式为|Wf(s0,n)|≤|Wf(s0,n0)|,n 为采样时间点,|Wf(s0,n)|为n对应的模,s0和n0分别为所述幅度突变点对应的突变采样值和突变采样时间点。
可选的,在本发明第一方面的第四种实现方式中,所述将所述第一心电信号序列水平翻转后正向输入预置IIR滤波器,并进行滤除干扰处理,得到第二心电信号序列包括:
将所述第一心电信号序列水平翻转,得到第四心电信号序列,其中所述第四心电信号序列的第一个数值和最后一个数值分别为所述第一心电信号序列的最后一个数值和第一个数值;
根据所述IIR滤波器的幅度平方函数,确定对应的冲激响应序列;
将所述第四心电信号序列与所述冲激响应序列进行正向卷积,以滤除所述第一心电信号序列中干扰产生的偏差,得到第二心电信号序列。
可选的,在本发明第一方面的第五种实现方式中,所述IIR滤波器的幅度平方函数的表达式为
Figure RE-GDA0002609013260000031
其中,p表示所述IIR滤波器的阶数,ε为波纹参数,Rp(W)为阶数p的,以输入频率W为自变量的有理函数;
当p为奇数时,
Figure RE-GDA0002609013260000032
当p为偶数时,
Figure RE-GDA0002609013260000033
其中Wi为输入频率,0<Wi<1且i=1,2,…k。
可选的,在本发明第一方面的第六种实现方式中,所述将所述第二心电信号序列水平翻转后反向输入所述IIR滤波器,并进行校正延迟相位处理,得到第三心电信号序列包括:
将所述第二心电信号序列水平翻转,得到第五心电信号序列,其中所述第五心电信号序列的第一个数值和最后一个数值分别为所述第二心电信号序列的最后一个数值和第一个数值;
将所述第五心电信号序列与所述冲激响应序列进行反向卷积,以校正所述正向卷积产生的延迟相位得到第六心电信号序列;
根据所述幅度突变点,将所述第六信号序列减去延拓序列后合并得到第三心电信号序列。
本发明第二方面提供了一种心电信号中基线漂移的滤除装置,所述滤除装置包括:
预处理模块,用于读取待处理的原始心电信号,并对所述原始心电信号进行预处理,得到第一心电信号序列;
第一滤除模块,用于将所述第一心电信号序列水平翻转后正向输入预置 IIR滤波器,并进行滤除干扰处理,得到第二心电信号序列;
第二滤除模块,用于将所述第二心电信号序列水平翻转后反向输入所述 IIR滤波器,并进行校正延迟相位处理,得到第三心电信号序列;
输出模块,用于将所述第三心电信号序列作为滤除基线漂移干扰后的心电信号并输出。
可选的,在本发明第二方面的第一种实现方式中,所述预处理模块具体用于:
读取待处理的原始心电信号;
对所述原始心电信号进行采样,得到采样时间点和所述采样时间点对应的采样值;
根据各采样时间点,依次将所述采样时间点和所述采样值写入预置二维数组中,得到所述第一心电信号序列。
可选的,本发明第二方面的第二种实现方式中,所述滤除装置还包括校对模块,所述校对模块具体用于:
判断所述第一心电信号序列的第一个采样时间点的数值是否为零;
若否,则将所有采样值的采样时间点减去第一采样时间点的数值,以使所述第一心电信号序列的第一个采样时间点的数值为零;
输出第一个采样时间点的数值为零的所述第一心电信号序列。
可选的,本发明第二方面的第三种实现方式中,所述滤除装置还包括:
延拓模块,所述延拓模块具体用于:
基于小波变换模极大值方法,确定所述第一心电信号序列中幅度突变点;
根据所述幅度突变点对应的突变采样值s0和突变采样时间点n0,将所述第一心电信号序列分段;
对分段后所述第一信号序列进行增加延拓序列,并输出增加延拓序列后的所述第一信号序列,其中,所述延拓序列为长度为3p的预置信号序列,所述p为所述IIR滤波器的阶数;
其中,所述小波变换模极大值方法的公式为|Wf(s0,n)|≤|Wf(s0,n0)|, |Wf(s0,n)|为采样时间点n对应的模,s0和n0分别为所述幅度突变点对应的突变采样值和突变采样时间点。
可选的,本发明第二方面的第四种实现方式中,所述第一滤除模块包括:
第一翻转单元,用于将所述第一心电信号序列水平翻转,得到第四心电信号序列,其中所述第四心电信号序列的第一个数值和最后一个数值分别为所述第一心电信号序列的最后一个数值和第一个数值;
确定单元,用于根据所述IIR滤波器的幅度平方函数,确定对应的冲激响应序列;
第一卷积单元,用于将所述第四心电信号序列与所述冲激响应序列进行正向卷积,以滤除所述第一心电信号序列中干扰产生的偏差,得到第二心电信号序列。
可选的,本发明第二方面的第五种实现方式中,所述第二滤除模块包括:
第二翻转单元,用于将所述第二心电信号序列水平翻转,得到第五心电信号序列,其中所述第五心电信号序列的第一个数值和最后一个数值分别为所述第二心电信号序列的最后一个数值和第一个数值;
第二卷积单元,用于将所述第五心电信号序列与所述冲激响应序列进行反向卷积,以校正所述正向卷积产生的延迟相位得到第六心电信号序列;
合并单元,用于根据所述幅度突变点,将所述第六信号序列减去延拓序列后合并得到第三心电信号序列。
本发明第三方面提供了一种心电信号中基线漂移的滤除设备,包括:存储器和至少一个处理器,所述存储器中存储有指令,所述存储器和所述至少一个处理器通过线路互连;所述至少一个处理器调用所述存储器中的所述指令,以使得所述心电信号中基线漂移的滤除设备执行上述的滤除方法。
本发明的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述的心电信号中基线漂移的滤除方法。
本发明技术方案从数据库或心电图仪中获取心电信号后,将心电信号平移至数据起始点为0的位置,然后将平移后的心电信号以y=(N-1)/2作为对称轴进行反转,此时的频域相位为|e-jw(N-1)||Y1(ejw)|,反转后再通过滤波器,此时的频域相位为|Y2(ejw)|=|H(ejw)||Y1(ejw)|。其后将通过滤波器的心电信号再次反转,反向通过滤波器,最后得到的心电信号的相位为|Y(ejw)|=|H(ejw))|2|X(ejw)|,因此滤除前和滤除后的心电信号不存在相位差,也即零相位。从而尽可能地保留了心电信号的特征信号,有利于之后心电信号的特征提取和分类识别。此外在本方案中,输出的第三心电信号序列时会出现幅度突变点有信号的提前输出。因此将所述第一心电信号序列在幅度突变点分段再进行两次反转滤波,消除反时序提前输出,从而保留了更多的心电信号的特征。通过本发明获得的心电信号分布更为平缓和均一,且减少了突变点的发生畸变的可能,有利于提取心电信号的特征。本发明还可应用于智慧医疗领域中,从而推动智慧城市的建设。
附图说明
图1为本发明实施例中心电信号中基线漂移的滤除方法的第一个实施例示意图;
图2为本发明实施例中心电信号中基线漂移的滤除方法的第二个实施例示意图;
图3为本发明实施例中心电信号中基线漂移的滤除方法的第三个实施例示意图;
图4为本发明实施例中心电信号中基线漂移的滤除方法的第四个实施例示意图;
图5为本发明实施例中心电信号中基线漂移的滤除装置的一个实施例示意图;
图6为本发明实施例中心电信号中基线漂移的滤除装置的另一个实施例示意图;
图7为本发明实施例中心电信号中基线漂移的滤除设备的一个实施例示意图。
具体实施方式
本发明实施例提供了心电信号中基线漂移的滤除方法、装置、设备及存储介质。从数据库或心电图仪中获取心电信号后,将心电信号平移至数据起始点为0的位置,然后将平移后的心电信号以y=(N-1)/2作为对称轴进行反转,反转后再通过滤波器,其后将通过滤波器的心电信号再次反转,反向通过滤波器,滤除前和滤除后的心电信号不存在相位差,也即零相位。从而尽可能地保留了心电信号的特征信号,有利于之后心电信号的特征提取和分类识别。此外通过本发明获得的心电信号分布更为平缓和均一,且减少了突变点的发生畸变的可能,有利于提取心电信号的特征。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”或“具有”及其任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解,下面对本发明实施例的具体流程进行描述,请参阅图1,本发明实施例中,心电信号中基线漂移的滤除方法的一个实施例包括:
101、读取待处理的原始心电信号,并对所述原始心电信号进行预处理,得到第一心电信号序列;
MATLAB是一种常见的数字计算分析的计算机语言和交互环境。在本实施例中,在MATLAB中处理心电信号。
首先获取待处理的第一心电信号序列。待处理的原始心电信号的获取可通过直接获取和数据库获取两种方式。
直接获取即通过心电信号采集系统直接从人体采集心电信号。数据库获取即从数据库中下载心电信号的原始数据。
在MATLAB中载入心电信号后,心电信号的每一个采样点包括采样时间和电压两个数值。将其中的时间作为自变量,电压作为因变量,则在MATLAB 中可得到对应的函数关系f(n)(n为采样时间),该函数关系即为该心电信号在时域上的表达式,也即其第一心电信号序列。
102、将所述第一心电信号序列水平翻转后正向输入预置IIR滤波器,并进行滤除干扰处理,得到第二心电信号序列;
现有的数字滤波器都是常见的非递归型滤波器,比如FIR滤波器。而本发明的滤波器采用了IIR滤波器。
本实施例采用的滤波器为MATLAB环境下的数字滤波器且为IIR滤波器中,椭圆通带滤波器。
在MATLAB中加载获取的第一心电信号序列,并通过if函数判断该心电信号的第一个采样时间点是否为零。若不为零,则将第一心电信号序列进行平移,以使第一心电信号序列起始的采样时间点数值为零。
将第一心电信号序列带入方程y1(n)=x(N-1-n)的x(n)中,其中N表示第一心电信号序列的长度。
由于该方程是将x(n)函数以y=(N-1)/2位为对称轴进行对称,实现水平翻转。因此通过该方程得到的第四心电信号序列的第一个数值和最后一个数值分别为第一心电信号序列的最后一个数值和第一个数值。从而实现了第一心电信号序列的反向。
冲激响应序列也称为单位序列。在MATLAB中有一个求离散系统脉冲响应的专门函数y=impz(b,a,N),其中N为心电信号中所有采样时间点的数量,也就是心电信号的长度。通过此函数可将心电信号序列与滤波器的冲激响应序列进行卷积,得到过滤之后的第二心电信号序列。
103、将所述第二心电信号序列水平翻转后反向输入所述IIR滤波器,并进行校正延迟相位处理,得到第三心电信号序列;
在本实施例中,运行环境为MATLAB。
将第二心电信号序列带入方程y(n)=x(N-1-n)的x(n)中,其中N表示第二心电信号序列的长度。
由于该方程是将x(n)函数以y=(N-1)/2位为对称轴进行对称,实现水平翻转。因此通过该方程得到的第五心电信号序列的第一个数值和最后一个数值分别为第二心电信号序列的最后一个数值和第一个数值。从而实现了第一心电信号序列的反向。
104、将所述第三心电信号序列作为滤除基线漂移干扰后的心电信号并输出。
在本实施例中,第三心电信号序列与第一心电信号序列相比,基线漂移干扰已经被滤除。输出第三心电信号序列后通过plot()函数得到第三心电信号序列的时域图。
计算第一心电信号序列和第三心电信号序列的均值和方差,发现第三心电信号序列的方差较第一心电信号序列的方差小很多,使心电信号的第三心电信号序列波形分布更为均一,有利于后续更进一步的分析。
在本发明实施例中,从数据库或心电图仪中获取心电信号后,将心电信号平移至数据起始点为0的位置,然后将平移后的心电信号以y=(N-1)/2 作为对称轴进行反转,此时的频域相位为|e-jw(N-1)||Y1(ejw)|,反转后再通过滤波器,此时的频域相位为|Y2(ejw)|=|H(ejw)||Y1(ejw)|。其后将通过滤波器的心电信号再次反转,反向通过滤波器,最后得到的心电信号的相位为 |Y(ejw)|=|H(ejw))|2|X(ejw)|,因此滤除前和滤除后的心电信号不存在相位差,也即零相位。从而尽可能地保留了心电信号的特征信号,有利于之后心电信号的特征提取和分类识别。
请参阅图2,本发明实施例中,心电信号中基线漂移的滤除方法的另一个实施例包括:
201、读取待处理的原始心电信号
202、对所述原始心电信号进行采样,得到采样时间点和所述采样时间点对应的采样值;
在MATLAB中加载所述心电信号,通过MATLAB的处理模块将心电信号转换为由数字组成的数据。
由于心电信号是每隔一个采样时间,记录一次电压变化,因此得到的数据中包括两种类型数据,一个是采样时间,一个是电压值,也即采样值。
例如采样时间点分别为:0,1,2,3,4,对应的采样值为:10,20,10, 20,10。
203、根据各采样时间点,依次将所述采样时间点和所述采样值写入预置二维数组中,得到第一心电信号序列;
预先设置一个空白数组,数组长度的整数数量即为采样值的数量,也就是采样时间点的数量。
将采样时间点和采样值进行一一对应后,将这两个数值按照时间顺序依次放置在空白数组中,第一心电信号序列为[01234]x[1020102010],也可表示为(0,10),(1,20),(2,10),(3,20)和(4,10)。
207、将所述第一心电信号序列水平翻转,得到第四心电信号序列,其中所述第四心电信号序列的第一个数值和最后一个数值分别为所述第一心电信号序列的最后一个数值和第一个数值;
将第一心电信号序列带入方程y1(n)=x(N-1-n)的x(n)中,其中N 表示第一心电信号序列的长度。
由于该方程是将x(n)函数以y=(N-1)/2位为对称轴进行对称,实现水平翻转,因此通过该方程得到的第四心电信号序列的第一个数值和最后一个数值分别为第一心电信号序列的最后一个数值和第一个数值。从而实现了第一心电信号序列的反向。
208、根据所述IIR滤波器的幅度平方函数,确定对应的冲激响应序列,其中,所述IIR滤波器的幅度平方函数的表达式为
Figure RE-GDA0002609013260000101
其中,p表示所述IIR滤波器的阶数,ε为波纹参数,Rp(W)为阶数p的,以输入频率W为自变量的有理函数;
当p为奇数时,
Figure RE-GDA0002609013260000102
当p为偶数时,
Figure RE-GDA0002609013260000103
其中Wi为输入频率,0<Wi<1且i=1,2,…k;
冲激响应序列也称为单位序列。输入滤波器进行滤波也可被视为心电信号序列的每一个采样点与其时间对应的冲激响应序列进行卷积的过程。
在本实施例中,所采用的滤波器为椭圆滤波器,椭圆滤波器的通带和阻带都具有切比雪夫波纹。
预先在选择滤波器类型后输入参数,包括采样频率(Fs)、通带频率(Wp)、阻带频率(Ws)、通带波动(Rp)和阻带最小衰减(Rs)。由这些参数可在预置的幅度平方函数模型基础上设计IIR滤波器的幅度平方函数。求得幅度平方函数后,即可得到该滤波器的冲激响应序列。
设置滤波器的长度M=64,采样频率fs=8000等等滤波器的特征频率,然后以采样频率的一半,对频率进行归一化,得到归一化后的频率 wn_lpf=fc_lpf*2/fs。最后将参数M-1,wn_lpf代入预置的幅度平方函数,得到该滤波器的幅度平方函数(b_lpf)2,最后求得每个采样时间点的冲击响应序列 m_lpf=10*log(abs(fft(b_lpf))2)。
设置完参数后点击“Design Filter”即可得到所设计的IIR滤波器。
209、将所述第四心电信号序列与所述冲激响应序列进行正向卷积,以滤除所述第一心电信号序列中干扰产生的偏差,得到第二心电信号序列;
通过MATLAB的Simulink环境下的Digital Filter Design(数字滤波器) 模块导入设计好的滤波器。得到第一心电信号序列反转后的第四心电信号序列后,加载第四心电信号序列,将第四心电信号序列输入预置的滤波器中对信号进行滤波。
函数表达式为y2=y1(n)*h(n)。其中h(n)为采样时间点为n对应的冲激响应序列,“*”表示序列的卷积。
进行滤波后的第二心电信号序列的模为|Y2(ejw)|=|H(ejw)||Y1(ejw)|。
210、将所述第二心电信号序列水平翻转后反向输入所述IIR滤波器,并进行校正延迟相位处理,得到第三心电信号序列;
211、将所述第三心电信号序列作为滤除基线漂移干扰后的心电信号并输出。
请参阅图3,本发明实施例中,心电信号中基线漂移的滤除方法的第三个实施例包括:
301、读取待处理的原始心电信号,并对所述原始心电信号进行预处理,得到第一心电信号序列;
302、判断所述第一心电信号序列的第一个采样时间点的数值是否为零;
由于IIR滤波器的特性,需要将信号的第一个采样值的时间点为零。通过 if函数判断该心电信号的第一个采样值对应的采样时间点是否为零。
建立一个len=length()函数,以获取整个心电信号的长度。
303、若否,则将所有采样值的采样时间点减去第一采样时间点的数值,以使所述第一心电信号序列的第一个采样时间点的数值为零;
在一个实施例中,用f(n)表示第一心电信号序列的时域表达式。若第一心电信号序列最开始的点对应的坐标不是原点,在获取整个心电信号的长度后,将len值带入到f(n)中,得到心电信号中最后一个值,即f(len)。预设一个变量temp,通过“=”将f(len)的值赋值至变量temp中以保护最后一个值。将最后一个值保护后,进入for循环中,通过f(n-1)=f(n)将所有的点向前移位,直到该心电信号的最开始的值x对应的位置为0。再把temp 赋值至f(len)中,完成整个原始心电信号序列的平移。
304、输出第一个采样时间点的数值为零的所述第一心电信号序列;
305、将所述第一心电信号序列水平翻转后正向输入预置IIR滤波器,并进行滤除干扰处理,得到第二心电信号序列;
306、将所述第二心电信号序列水平翻转后反向输入所述IIR滤波器,并进行校正延迟相位处理,得到第三心电信号序列;
307、将所述第三心电信号序列作为滤除基线漂移干扰后的心电信号并输出。
请参阅图4,本发明实施例中,心电信号中基线漂移的滤除方法的第四个实施例包括:
401、读取待处理的原始心电信号,并对所述原始心电信号进行预处理,得到第一心电信号序列;
402、基于小波变换模极大值方法,确定所述第一心电信号序列中幅度突变点,其中,所述小波变换模极大值方法的公式为|Wf(s0,n)|≤|Wf(s0,n0)|, |Wf(s0,n)|为采样时间点n对应的模,s0和n0分别为所述幅度突变点对应的突变采样值和突变采样时间点;
小波变换模极大值定义为:若对属于n0的某一领域内的任意点,有 |Wf(s0,n)|,则称(s0,n0)为小波变换的模极大值点,即所述第一心电信号序列的幅度突变点。
因为心电信号是一种不平稳的信号,因此在心电信号序列中存在幅值发生剧烈变化的点,被称为突变点。突变点由于幅值变化与其他平稳值差值过大,因此相当于在信号序列的此处引入了新的端点。而IIR滤波器是一种递归型滤波器,前一个输出值对下一个输入值会产生影响,因此在滤除干扰和基线漂移时,第一信号序列在突变点会发生一定的畸变。
403、根据所述幅度突变点对应的突变采样值s0和突变采样时间点n0,将所述第一心电信号序列分段;
突变点也是一种采样点,包含了采样值和采样时间点。根据采样时间点与突变点的采样时间点的大小,将第一心电信号序列分为两段。
404、对分段后所述第一信号序列进行增加延拓序列,并输出增加延拓序列后的所述第一信号序列,其中,所述延拓序列为,长度为3p的预置信号序列,所述p为所述IIR滤波器的阶数;
在本实施例中,取L=3p(p为滤波器阶数)为拓展长度。
在长度为N的信号序列前后两端各加上L个信号点构成长度为2L+N的信号序列。
在前方增加的信号序列为[2x(1)-x(3p+1),2x(1)-x(3p),…,2x(1)-x(2)],在后方增加的信号序列为[2x(N)-x(N-1),x(N)-x(N-2),…,2x(N)-x(N-3p)],其中p为阶数。
405、将所述第一心电信号序列水平翻转后正向输入预置IIR滤波器,并进行滤除干扰处理,得到第二心电信号序列;
406、将所述第二心电信号序列水平翻转,得到第五心电信号序列,其中所述第五心电信号序列的第一个数值和最后一个数值分别为所述第二心电信号序列的最后一个数值和第一个数值;
将第二心电信号序列带入方程y(n)=x(N-1-n)的x(n)中,其中N 表示第二心电信号序列的长度。
由于该方程是将x(n)函数以y=(N-1)/2位为对称轴进行对称,实现水平翻转。因此通过该方程得到的第五心电信号序列的第一个数值和最后一个数值分别为第二心电信号序列的最后一个数值和第一个数值。从而实现了第一心电信号序列的反向。
407、将所述第五心电信号序列与所述冲激响应序列进行反向卷积,以校正所述正向卷积产生的延迟相位得到第六心电信号序列;
得到反转后的第五心电信号后,加载第五心电信号,对信号进行滤波。
第二次通过滤波器后,第六心电信号序列的模为|Y(ejw)|=|H(e-jw)||Y2(ejw)|,相位为Arg[Y(ejw)]=Arg[H(e-jw)]+Arg[Y3(ejw)]。
常用于描述相位失真的指针是群时延,即
Figure RE-GDA0002609013260000141
当τ(ω)为ω的函数时,表示系统具有非线性相位,输入信号的各频率之间具有相对时延,这将导致滤波后信号时域发生变化,即弥散现象。当τ(ω) 为零时,表示系统零相位,信号频率之间不存在相对时延,输入和输出信号在时域上也没有时间延迟。
由上可知,将第六心电信号序列经过傅里叶变换可得 |Y(ejw)|=|H(ejw)||Y3(ejw)|=|H(ejw)|2|X(ejw)|。
408、根据所述幅度突变点,将所述第六信号序列减去延拓序列后合并得到第三心电信号序列;
由于经过步骤302和步骤303,第一心电信号序列被分段。因此经过两次滤波后得到的第六心电信号序列为分段序列。
之后,将第六心电信号序列按照幅度突变点进行合并得到第三心电信号序列。
在一个实施例中,幅度突变点为s0=0.6,n0=500,第一心电信号序列被分为两段,则将第一段心电信号序列采样时间点从0到500的采样值与第二段心电序号采样时间点从500至最后一个采样时间点进行合并,得到第三心电信号序列。
由于合并后心电信号序列的模和相位不会发生改变,因此第三心电信号序列与未分段的第一心电信号序列没有发生相位变化。
所以,本方法实现了滤波前和滤波后的群时延为零,第三心电信号序列的频率之间不存在相对时延,第一心电信号序列和第三心电信号序列在时域上也没有时间延迟,从而避免了通过滤波器之后心电信号的特征损失。
409、将所述第三心电信号序列作为滤除基线漂移干扰后的心电信号并输出。
在实际应用中,信号序列的起始和结束端存在直流分量,滤波后的信号序列两段存在高频突变,为了克服这个问题,本方案采用延拓信号序列使信号序列的两段平滑,从而减少突变对本身心电信号的影响。同时,在第二次通过通过滤波器后,得到的心电信号的相位为|Y(ejw)|=|H(ejw))|2|X(ejw)|,因此滤除前和滤除后的心电信号不存在相位差,也即零相位。从而尽可能地保留了心电信号的特征信号,有利于之后心电信号的特征提取和分类识别。本发明还可应用于智慧医疗领域中,从而推动智慧城市的建设。
上面对本发明实施例中心电信号中基线漂移的滤除方法进行了描述,下面对本发明实施例中心电信号中基线漂移的滤除装置进行描述,请参阅图5,本发明实施例中一种心电信号中基线漂移的滤除装置一个实施例包括:
预处理模块501,用于读取待处理的原始心电信号,并对所述原始心电信号进行预处理,得到第一心电信号序列;
第一滤除模块502,用于将所述第一心电信号序列水平翻转后正向输入预置IIR滤波器,并进行滤除干扰处理,得到第二心电信号序列;
第二滤除模块503,用于将所述第二心电信号序列水平翻转后反向输入所述IIR滤波器,并进行校正延迟相位处理,得到第三心电信号序列;
输出模块504,用于将所述第三心电信号序列作为滤除基线漂移干扰后的心电信号并输出。
在本发明实施例中,从数据库或心电图仪中获取心电信号后,将心电信号平移至数据起始点为0的位置,然后将平移后的心电信号以y=(N-1)/2 作为对称轴进行反转,此时的频域相位为|e-jw(N-1)||Y1(ejw)|,反转后再通过滤波器,此时的频域相位为|H(ejw)||Y1(ejw)|。其后将通过滤波器的心电信号再次反转,反向通过滤波器,最后得到的心电信号的相位为|H(ejw))|2|X(ejw)|,因此滤除前和滤除后的心电信号不存在相位差,也即零相位。从而尽可能地保留了心电信号的特征信号,有利于之后心电信号的特征提取和分类识别。本发明还可应用于智慧医疗领域中,从而推动智慧城市的建设。
请参阅图6,在本发明实施例中心电信号中基线漂移的滤除装置的第二个实施例包括:
预处理模块501,用于读取待处理的原始心电信号,并对所述原始心电信号进行预处理,得到第一心电信号序列;
第一滤除模块502,用于将所述第一心电信号序列水平翻转后正向输入预置IIR滤波器,并进行滤除干扰处理,得到第二心电信号序列;
第二滤除模块503,用于将所述第二心电信号序列水平翻转后反向输入所述IIR滤波器,并进行校正延迟相位处理,得到第三心电信号序列;
输出模块504,用于将所述第三心电信号序列作为滤除基线漂移干扰后的心电信号并输出。
可选的,预处理模块501具体用于:
读取待处理的原始心电信号
对所述原始心电信号进行采样,得到采样时间点和所述采样时间点对应的采样值;
根据各采样时间点,依次将所述采样时间点和所述采样值写入预置二维数组中,得到第一心电信号序列。
可选的,所述预处理模块501和所述第一滤除模块702之间,还包括校对模块505,所述校对模块505具体用于:
断所述第一心电信号序列的第一个采样时间点的数值是否为零;若否,则将所有采样值的采样时间点减去第一采样时间点的数值,以使所述第一心电信号序列的第一个采样时间点的数值为零;输出第一个采样时间点的数值为零的所述第一心电信号序列。
可选的,所述心电信号中基线漂移的滤除装置还包括延拓模块506,所述延拓模块506具体用于:
基于小波变换模极大值方法,确定所述第一心电信号序列中幅度突变点,其中,所述小波变换模极大值方法的公式为,|Wf(s0,n)|≤|Wf(s0,n0)|,所述 n表示采样时间点,所述|Wf(s0,n)|为所述采样时间点对应的模,所述s0和所述n0分别为所述幅度突变点对应的突变采样值和突变采样时间点;
根据所述幅度突变点对应的突变采样值s0和突变采样时间点n0,将所述第一心电信号序列分段;对分段后所述第一信号序列进行增加延拓序列,并输出增加延拓序列后的所述第一信号序列,其中,所述延拓序列为长度为3p 的预置信号序列,所述p为所述IIR滤波器的阶数。
可选的,所述第一滤除模块502包括:
第一翻转单元5021,用于将所述第一心电信号序列水平翻转,得到第四心电信号序列,其中所述第四心电信号序列的第一个数值和最后一个数值分别为所述第一心电信号序列的最后一个数值和第一个数值;
确定单元5022,用于根据所述IIR滤波器的幅度平方函数,确定对应的冲激响应序列;
第一卷积单元5023,用于将所述第四心电信号序列与所述冲激响应序列进行正向卷积,以滤除所述第一心电信号序列中干扰产生的偏差,得到第二心电信号序列。
可选的,所述第二滤除模块503包括:
第二翻转单元5031,用于将所述第二心电信号序列水平翻转,得到第五心电信号序列,其中所述第五心电信号序列的第一个数值和最后一个数值分别为所述第二心电信号序列的最后一个数值和第一个数值;
第二卷积单元5032,用于将所述第五心电信号序列与所述冲激响应序列进行反向卷积,以校正所述正向卷积产生的延迟相位得到第六心电信号序列;
合并单元5033,用于根据所述幅度突变点,将所述第六信号序列减去延拓序列后合并得到第三心电信号序列。
在本方案中,输出的第三心电信号序列时会出现幅度突变点有信号的提前输出。因此将所述第一心电信号序列在幅度突变点分段再进行两次反转滤波,消除反时序提前输出,从而保留了更多的心电信号的特征。通过本发明获得的心电信号分布更为平缓和均一,且减少了突变点的发生畸变的可能,有利于提取心电信号的特征。
上面图5和图6从模块化功能实体的角度对本发明实施例中的心电信号中基线漂移的滤除装置进行详细描述,下面从硬件处理的角度对本发明实施例中心电信号中基线漂移的滤除设备进行详细描述。
图7是本发明实施例提供的一种心电信号中基线漂移的滤除设备的结构示意图,该心电信号中基线漂移的滤除设备600可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(central processing units,CPU) 610(例如,一个或一个以上处理器)和存储器620,一个或一个以上存储应用程序833或数据632的存储介质630(例如一个或一个以上海量存储设备)。其中,存储器620和存储介质630可以是短暂存储或持久存储。存储在存储介质630的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括心电信号中基线漂移的滤除设备600中的一系列指令操作。更进一步地,处理器610可以设置为与存储介质630通信,在心电信号中基线漂移的滤除设备600上执行存储介质630中的一系列指令操作。
基于心电信号中基线漂移的滤除设备600还可以包括一个或一个以上电源640,一个或一个以上有线或无线网络接口650,一个或一个以上输入输出接口660,和/或,一个或一个以上操作系统631,例如Windows Serve,Mac OS X,Unix,Linux,FreeBSD等等。本领域技术人员可以理解,图7示出的心电信号中基线漂移的滤除设备结构并不构成对基于心电信号中基线漂移的滤除设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
本发明还提供一种计算机可读存储介质,该计算机可读存储介质可以为非易失性计算机可读存储介质,该计算机可读存储介质也可以为易失性计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在计算机上运行时,使得计算机执行心电信号中基线漂移的滤除方法的步骤。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种心电信号中基线漂移的滤除方法,其特征在于,所述心电信号中基线漂移的滤除方法包括:
读取待处理的原始心电信号,并对所述原始心电信号进行预处理,得到第一心电信号序列;
将所述第一心电信号序列水平翻转后正向输入预置IIR滤波器,并进行滤除干扰处理,得到第二心电信号序列;
将所述第二心电信号序列水平翻转后反向输入所述IIR滤波器,并进行校正延迟相位处理,得到第三心电信号序列;
将所述第三心电信号序列作为滤除基线漂移干扰后的心电信号并输出。
2.根据权利要求1所述的心电信号中基线漂移的滤除方法,其特征在于,所述读取待处理的原始心电信号,并对所述原始心电信号进行预处理,得到第一心电信号序列包括:
读取待处理的原始心电信号;
对所述原始心电信号进行采样,得到采样时间点和所述采样时间点对应的采样值;
根据各采样时间点,依次将所述采样时间点和所述采样值写入预置二维数组中,得到第一心电信号序列。
3.根据权利要求2所述的心电信号中基线漂移的滤除方法,其特征在于,在所述读取待处理的原始心电信号,并对所述原始心电信号进行预处理,得到第一心电信号序列之后,还包括:
判断所述第一心电信号序列的第一个采样时间点的数值是否为零;
若否,则将所有采样值的采样时间点减去第一采样时间点的数值,以使所述第一心电信号序列的第一个采样时间点的数值为零;
输出第一个采样时间点的数值为零的所述第一心电信号序列。
4.根据权利要求3所述的心电信号中基线漂移的滤除方法,其特征在于,在所述将所述第一心电信号序列水平翻转后正向输入预置IIR滤波器,并进行滤除干扰处理,得到第二心电信号序列之前,还包括:
基于小波变换模极大值方法,确定所述第一心电信号序列中幅度突变点;
根据所述幅度突变点对应的突变采样值s0和突变采样时间点n0,将所述第一心电信号序列分段;
对分段后所述第一信号序列进行增加延拓序列,并输出增加延拓序列后的所述第一信号序列,其中,所述延拓序列为长度为3p的预置信号序列,p为所述IIR滤波器的阶数;
其中,所述小波变换模极大值方法的公式为|Wf(s0,n)|≤|Wf(s0,n0)|,n为采样时间点,|Wf(s0,n)|为所述采样时间点对应的模,s0和n0分别为所述幅度突变点对应的突变采样值和突变采样时间点。
5.根据权利要求4所述的心电信号中基线漂移的滤除方法,其特征在于,所述将所述第一心电信号序列水平翻转后正向输入预置IIR滤波器,并进行滤除干扰处理,得到第二心电信号序列包括:
将所述第一心电信号序列进行水平翻转,得到第四心电信号序列,其中所述第四心电信号序列的第一个数值和最后一个数值分别为所述第一心电信号序列的最后一个数值和第一个数值;
根据所述IIR滤波器的幅度平方函数,确定对应的冲激响应序列;
将所述第四心电信号序列与所述冲激响应序列进行正向卷积,以滤除所述第一心电信号序列中干扰产生的偏差,得到第二心电信号序列。
6.根据权利要求5所述的心电信号中基线漂移的滤除方法,其特征在于,所述IIR滤波器的幅度平方函数的表达式为
Figure RE-FDA0002609013250000021
其中,ε为波纹参数,Rp(W)为阶数p的,以输入频率W为自变量的有理函数;
当p为奇数时,
Figure RE-FDA0002609013250000022
当p为偶数时,
Figure RE-FDA0002609013250000023
其中Wi为输入频率,0<Wi<1且i=1,2,…k。
7.据权利要求6的心电信号中基线漂移的滤除方法,其特征在于,所述将所述第二心电信号序列水平翻转后反向输入所述IIR滤波器,并进行校正延迟相位处理,得到第三心电信号序列包括:
将所述第二心电信号序列水平翻转,得到第五心电信号序列,其中所述第五心电信号序列的第一个数值和最后一个数值分别为所述第二心电信号序列的最后一个数值和第一个数值;
将所述第五心电信号序列与所述冲激响应序列进行反向卷积,以校正所述正向卷积产生的延迟相位得到第六心电信号序列;
根据所述幅度突变点,将所述第六信号序列减去延拓序列后合并,得到第三心电信号序列。
8.一种心电信号中基线漂移的滤除装置,其特征在于,所述滤除装置包括:
预处理模块,用于读取待处理的原始心电信号,并对所述原始心电信号进行预处理,得到第一心电信号序列;
第一滤除模块,用于将所述第一心电信号序列水平翻转后正向输入预置IIR滤波器,并进行滤除干扰处理,得到第二心电信号序列;
第二滤除模块,用于将所述第二心电信号序列水平翻转后反向输入所述IIR滤波器,并进行校正延迟相位处理,得到第三心电信号序列;
输出模块,用于将所述第三心电信号序列作为滤除基线漂移干扰后的心电信号并输出。
9.一种心电信号中基线漂移的滤除设备,其特征在于,所述心电信号中基线漂移的滤除设备包括:存储器和至少一个处理器,所述存储器中存储有指令,所述存储器和所述至少一个处理器通过线路互连;
所述至少一个处理器调用所述存储器中的所述指令,以使得所述心电信号中基线漂移的滤除设备执行如权利要求1-7中任一项所述的心电信号中基线漂移的滤除方法。
10.一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的心电信号中基线漂移的滤除方法。
CN202010359177.6A 2020-04-29 2020-04-29 心电信号中基线漂移的滤除方法、装置、设备及存储介质 Pending CN111631707A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202010359177.6A CN111631707A (zh) 2020-04-29 2020-04-29 心电信号中基线漂移的滤除方法、装置、设备及存储介质
PCT/CN2020/099571 WO2021217873A1 (zh) 2020-04-29 2020-06-30 心电信号中基线漂移的滤除方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010359177.6A CN111631707A (zh) 2020-04-29 2020-04-29 心电信号中基线漂移的滤除方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN111631707A true CN111631707A (zh) 2020-09-08

Family

ID=72323699

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010359177.6A Pending CN111631707A (zh) 2020-04-29 2020-04-29 心电信号中基线漂移的滤除方法、装置、设备及存储介质

Country Status (2)

Country Link
CN (1) CN111631707A (zh)
WO (1) WO2021217873A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114118175A (zh) * 2021-12-21 2022-03-01 中元汇吉生物技术股份有限公司 Maldi-tof质谱信号的预处理方法、设备及介质
CN114689968A (zh) * 2022-03-16 2022-07-01 河南翔宇医疗设备股份有限公司 一种电磁兼容试验中的滤波方法及相关装置

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5297557A (en) * 1992-10-14 1994-03-29 Del Mar Avionics Stress test system with bidirectional filter
CN101361650B (zh) * 2007-08-07 2012-07-04 深圳市理邦精密仪器股份有限公司 Iir滤波器的零相位实现方法及零相位iir滤波装置
US9247911B2 (en) * 2013-07-10 2016-02-02 Alivecor, Inc. Devices and methods for real-time denoising of electrocardiograms
CN107174262B (zh) * 2017-05-27 2021-02-02 西南交通大学 注意力评测方法和系统
CN107361753A (zh) * 2017-08-29 2017-11-21 哈尔滨理工大学 基于脉搏波形特征点的人体健康状态监护方法

Also Published As

Publication number Publication date
WO2021217873A1 (zh) 2021-11-04

Similar Documents

Publication Publication Date Title
Sun et al. ECG signal conditioning by morphological filtering
CN110680308B (zh) 基于改进emd与阈值法融合的心电信号去噪方法
Bahaz et al. Efficient algorithm for baseline wander and powerline noise removal from ECG signals based on discrete Fourier series
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
CN107341769A (zh) 一种心电信号除噪方法及系统
CN111772625A (zh) 心电图数据增广方法、装置、电子设备及介质
Arvinti et al. Electrocardiogram baseline wander removal using stationary wavelet approximations
Bahoura et al. FPGA-implementation of wavelet-based denoising technique to remove power-line interference from ECG signal
Shin et al. Removal of baseline wandering in ECG signal by improved detrending method
Houamed et al. ECG signal denoising by fractional wavelet transform thresholding
Liu et al. ECG signal denoising based on morphological filtering
Farahabadi et al. Detection of QRS complex in electrocardiogram signal based on a combination of hilbert transform, wavelet transform and adaptive thresholding
CN110101407B (zh) 一种胎心音去噪方法、系统、装置及存储介质
Kaur et al. An efficient R-peak detection using Riesz fractional-order digital differentiator
CN106529425B (zh) 一种心电信号的r波提取方法及系统
Elouaham et al. Combination time-frequency and empirical wavelet transform methods for removal of composite noise in EMG signals
Chandramouleeswaran et al. Wavelet diagnosis of ECG signals with kaiser based noise diminution
Subramaniam et al. Motion artifact suppression in the ECG signal by successive modifications in frequency and time
CN113040784B (zh) 一种心电信号的肌电噪声滤波方法
Bhogeshwar et al. Study of structural complexity of optimal order digital filters for de-noising ECG signal
Vaishnavi et al. Noise Removal from ECG Signal using LMS Adaptive Filter Implementation in Xilinx System Generator
Malhotra et al. A real time wavelet filtering for ECG baseline wandering removal
Reddy et al. Comparison of FIR and IIR Filters using ECG Signal with Different Sampling Frequencies
El Bouny et al. Removal of 50Hz PLI from ECG signal using undecimated wavelet transform
Kaur et al. High frequency noise removal from electrocardiogram using FIR low pass filter based on window technique

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40031383

Country of ref document: HK

SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination