CN111671416B - 心电信号滤波方法及装置 - Google Patents
心电信号滤波方法及装置 Download PDFInfo
- Publication number
- CN111671416B CN111671416B CN202010479211.3A CN202010479211A CN111671416B CN 111671416 B CN111671416 B CN 111671416B CN 202010479211 A CN202010479211 A CN 202010479211A CN 111671416 B CN111671416 B CN 111671416B
- Authority
- CN
- China
- Prior art keywords
- low
- pass filter
- signal
- input
- sampling rate
- 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
- A61B5/72—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)
- Signal Processing (AREA)
- Pathology (AREA)
- Medical Informatics (AREA)
- Psychiatry (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biophysics (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Physiology (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Power Engineering (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本申请实施例提供了一种心电信号滤波方法及装置,涉及电子设备技术领域。该方法应用于低通滤波器,且低通滤波器的截止频率为工频频率,在该方法中,获取输入的心电信号;对信号进行滤波,以过滤所述输入的心电信号中的高频信号和工频信号;输出经过滤的心电信号。由此,在抑制高频干扰信号的同时也能抑制工频干扰信号,而无需设置陷波器,可以降低成本并节约功耗。
Description
技术领域
本申请实施例涉及电子设备技术领域,具体地,涉及一种心电信号滤波方法及装置。
背景技术
随着嵌入式和集成技术的发展,心电图机也被小型化,并被应用在各种不同的领域中,例如可穿戴领域。心电信号R波的主要频段处在10Hz-15Hz左右,但在采集的心电信号中存在各种干扰信号,包括高频信号和工频信号。
目前,大多数心电信号滤波器设计相对复杂、计算复杂较高,例如设置低通滤波器和陷波器来分别过滤心电信号中的高频信号和工频信号,导致成本和功耗的增加,不利于在穿戴式场景中使用。
发明内容
鉴于上述问题,本申请实施例提供了一种心电信号滤波方法及装置,以至少解决目前相关技术中心电信号滤波器设计和计算度相对复杂而导致的成本和功耗较大的问题。
本申请实施例采用下述技术方案:
根据本申请实施例的一个方面,提供了一种心电信号滤波方法,应用于低通滤波器,低通滤波器的截止频率为工频频率,所述方法包括:获取输入的心电信号;对信号进行滤波,以过滤所述输入的心电信号中的高频信号和工频信号;输出经过滤的心电信号。
根据本申请实施例的另一方面,还提供一种心电信号滤波装置,包括:心电信号输入单元,被配置为获取输入的心电信号;低通滤波单元,被配置为按照低通滤波器的截止频率对所述输入的心电信号进行滤波,以过滤所述输入的心电信号中的高频信号和工频信号,其中所述截止频率为工频频率;心电信号输出单元,被配置为输出经过滤的心电信号。
本申请实施例的另一方面,还提供一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如上述的方法。
本申请实施例的另一方面,还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如上述的方法。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果:
在该心电信号滤波方法中,低通滤波器的截止频率被设置为工频频率,使得利用该低通滤波器对心电信号进行滤波时,可以在抑制高频信号的同时也能抑制工频信号,产生较佳的陷波效果,而不需要设置额外的陷波器,节约了成本和功耗。
附图说明
通过参照下面的附图,可以实现对于本申请实施例内容的本质和优点的进一步理解。在附图中,类似组件或特征可以具有相同的附图标记。附图是用来提供对本发明实施例的进一步理解,并且构成申请的一部分,与下面的具体实施方式一起用于解释本申请实施例,但并不构成对本申请实施例的限制。在附图中:
图1示出了适于应用本申请实施例的心电信号滤波方法的心电图机的一示例的结构示意图;
图2示出了根据本申请实施例的心电信号滤波方法的一示例的流程图;
图3A示出了原始工频干扰信号的一示例的信号波形仿真示意图;
图3B示出了通过目前相关技术中的浮点陷波器对图3A中的原始工频干扰信号进行滤波后的信号波形仿真示意图;
图3C示出了通过本申请实施例中的低通滤波器对图3A中的原始工频干扰信号进行滤波后的信号波形仿真示意图;
图4示出了根据本申请实施例的低通滤波器进行滤波操作的一示例的流程图;
图5A示出了原始高频干扰信号的一示例的信号波形仿真示意图;
图5B示出了通过目前相关技术中的5阶浮点IIR滤波器对图5A中的原始工频干扰信号进行滤波后的信号波形仿真示意图;
图5C示出了通过本申请实施例中的递归低通滤波器对图5A中的原始高频干扰信号进行滤波后的信号波形仿真示意图;
图6示出了根据本申请实施例的心电信号滤波方法中设置采样率的一示例的流程图;
图7A示出了通过本申请实施例中的低通滤波器的采样率为150Hz的工频信号抑制效果示意图;
图7B示出了通过本申请实施例中的低通滤波器的采样率为280Hz的工频信号抑制效果示意图;
图7C示出了通过本申请实施例中的低通滤波器的采样率为500Hz的工频信号抑制效果示意图;
图7D示出了通过本申请实施例中的低通滤波器的采样率为625Hz的工频信号抑制效果示意图;
图7E示出了通过本申请实施例中的低通滤波器的采样率为1000Hz的工频信号抑制效果示意图;
图8示出了利用表1中的类型2-4的三种低通滤波器在截止频率为50Hz且采样率为250Hz时的幅频响应效果示意图;
图9示出了根据本申请实施例的低通滤波器的滤波函数的一示例的设置流程图;
图10示出了根据本申请实施例的低通滤波器的一示例的系统设计框图;和
图11示出了根据本申请实施例的心电信号滤波装置的一示例的结构框图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本申请说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
另外,在本申请说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
图1示出了适于应用本申请实施例的心电信号滤波方法的心电图机的一示例的结构示意图。
如图1所示,心电图机100包括信号采集单元110、滤波单元120和心电结果输出单元130。这里,信号采集单元110可以用来采集心电信号(例如,R波),滤波单元120可以用来对所采集的心电信号中的杂波信号成分进行过滤处理,心电结果输出单元130可以计算经过滤处理的心电信号所对应的心电结果(或,心电值),并相应地进行输出(例如,在显示器上展示)。
图2示出了根据本申请实施例的心电信号滤波方法的一示例的流程图。这里,该方法由低通滤波器执行,且低通滤波器的截止频率为工频频率。结合上述图1中的示例,心电图机100中的滤波单元120可以采用低通滤波器,并且将低通滤波器的截止频率设置为工频频率。应理解的是,工频频率可以基于不同地区所规定的标准工频设置。例如,一些国家的标准工频为50Hz,若心电图机100应用在这些国家,则可将截止频率设置为50Hz。再例如,另一些国家的标准工频为60Hz,那么,当心电图机100应用在这些国家时,截止频率则可以设置为60Hz。对此,本申请不做限制。
如图2所示的流程200,在步骤210中,获取输入的心电信号。继续结合上述图1中的示例,可以是从信号采集单元110接收所采集的心电信号。
在步骤220中,对心电信号进行滤波,以过滤输入的心电信号中的高频信号和工频信号。
在步骤230中,输出经过滤的心电信号。结合上述图1中的示例,可以是将经过滤的心电信号输出至心电结果输出单元130。
示例性地,当将低通滤波器的截止频率设置为工频频率(例如,50Hz)时,可以通过心电信号R波的主要频段,并且对高频干扰和工频干扰还都能起到较佳的抑制效果。
在本申请实施例的一些示例中,低通滤波器在进行过滤的过程中会产生增益,导致滤波器所输出的心电信号的幅度被放大。在一些实施方式中,低通滤波器可以直接输出增益放大后的心电信号,并利用低通滤波器之外的其他器件或功能模块进行还原,例如由心电结果输出单元130在计算心电结果的过程中,利用预设的该低通滤波器的增益进行还原操作,例如根据增益将信号的幅度还原到原始比例。
在另一些实施方式中,低通滤波器可以自行来完成增益还原操作。具体地,低通滤波器可以按照预设的低通滤波器的增益,将经过滤的心电信号进行还原。相应地,低通滤波器可以输出还原后的心电信号,由此可以将输出信号的幅度还原到原始比例。
通过实验发现,以低通滤波器在截止频率f为50Hz的时候,同时具备极好的50Hz工频抑制效果,可以具备低通滤波器和陷波器双重效果的低通滤波器,而不需要额外的陷波器,有效降低了心电滤波的成本和功耗。
图3A示出了原始工频干扰信号的一示例的信号波形仿真示意图。图3B示出了通过目前相关技术中的浮点陷波器对图3A中的原始工频干扰信号进行滤波后的信号波形仿真示意图。图3C示出了通过本申请实施例中的低通滤波器对图3A中的原始工频干扰信号进行滤波后的信号波形仿真示意图。因此,通过对比滤波后的波形,可以看出,通过本申请实施例的心电滤波器所得到的信号波形更加平滑,对工频抑制的效果更优于浮点陷波器。
需说明的是,在目前相关技术中,心电滤波器设计中所采用的陷波器往往采用的是浮点型参数,这无疑极大增加处理器的要求,此时如果选择无浮点指令集运算处理器,则大大增加运算量;然而,如果选择浮点运算处理器,则增加处理器的功耗和成本。
在本申请实施例的一些示例中,低通滤波器可以是整型滤波器,这样,无需采用浮点型参数,极大地降低运算量,可以采用无浮点指令集运算处理器,能够在各种低功耗、低计算量的电子设备中被使用。
示例性地,以5阶浮点IIR(Infinite Impulse Response,无限冲激响应)滤波器为例,其在采样率为250Hz时的输入关系式为:
y(n)=-0.1923885960012*y(n-5)+1.273999881483*y(n-4)-3.439713310836*y(n-3)+4.751775374707*y(n-2)-3.378011394597*y(n-1)+0.0004894360861347*x(n-5)+0.002447180430673*x(n-4)+0.004894360861347*x(n-3)+0.004894360861347*x(n-2)+0.002447180430673*x(n-1)+0.0004894360861347*x(n)
其中,x表示输入的心电信号,x(n)表示第n个输入的心电信号,x(n-1)表示第n-1个输入的心电信号,以及x(n-s)表示第n-s个输入的心电信号,y表示输出的心电信号,y(n)表示第n个输出的心电信号,y(n-1)表示第n-1个输出的心电信号,以及y(n-s)表示第n-s个输出的心电信号。y(n)表示第n个输出的心电信号,x(n)表示第n个输入的心电信号。
在本申请实施例的一些示例中,低通滤波器可以采用递归滤波器。图3示出了根据本申请实施例的低通滤波器进行滤波操作的一示例的流程图。
如图4所示,在步骤410中,初始化变量。
在步骤420中,移动输入窗口,以循环将x[i-2]赋值给x[i-1](x表示输入信号)。
在步骤430中,移动输出窗口,y2=y1,y1=y0(y表示输出信号)。
在步骤440中,把当前输入赋值给x0。
在步骤450中,通过低通滤波器的递归关系式求出y0。其中,可以将乘2算法替换为左移1位算法。
具体地,取数组x[]的长度为L=(K+1)*2,使得x[L-1]=x[L-2]、x[L-2]=x[L-3]、x[L-3]=x[L-4]……x[2]=x[1],这里L可以表示针对输入信号进行一次处理所需要的信号数量(或,输入窗口中的信号数量),x[m]表示在输入窗口中的第m个输入信号。这样,在处理完一个信号之后,接着需要处理下一个信号。这个时候,x0就变成了x1,x1就变成了x2……,然后最新的值就变成了x0,然后这样代入公式(3)求出下一个y。
在步骤460中,返回y0。此外,如果应用场景或产品业务有需求将滤波信号还原到原始比例,则可以进行增益还原操作,即返回y0/Gain。
在本申请实施例的一些示例中,低通滤波器可以采用递归滤波器,其递归关系式可以是:
y(n)=-y(n-2)+2y(n-1)+x(n-2K-2)-2x(n-K-1)+x(n) 式(1)
其中,K表示整型常量,x表示输入的心电信号,x(n)表示第n个输入的心电信号,x(n-1)表示第n-1个输入的心电信号,以及x(n-s)表示第n-s个输入的心电信号,y表示输出的心电信号,y(n)表示第n个输出的心电信号,y(n-1)表示第n-1个输出的心电信号,以及y(n-s)表示第n-s个输出的心电信号。y(n)表示第n个输出的心电信号,x(n)表示第n个输入的心电信号。
通过对比两条关系式,明显可以看出浮点滤波器的运算项多,而且都是浮点乘法运算(在无浮点运算指令集处理器上运行浮点乘法运算要比整型加减运算多出几个数量级的运算量),因此本申请实施例所提供的心电滤波器具有更低的运算量。
图5A示出了原始高频干扰信号的一示例的信号波形仿真示意图。图5B示出了通过目前相关技术中的5阶浮点IIR滤波器对图5A中的原始工频干扰信号进行滤波后的信号波形仿真示意图。图5C示出了通过本申请实施例中的递归低通滤波器对图5A中的原始高频干扰信号进行滤波后的信号波形仿真示意图。
通过对比,两种滤波器在细节上有一些差别,但是看不出明显的性能优劣,但是本申请实施例中的低通滤波器的运算量要低几个数量级。
需说明的是,在目前相关技术中,心电滤波器往往难以做到与大多数采样率都合适,但是面对不同的场景或信号采集前端,开发者往往又需要面对不同的心电信号采样率情形。然而,针对不同的情形需要不同的设计,消耗了开发资源和成本。
图6示出了根据本申请实施例的心电信号滤波方法中设置采样率的一示例的流程图。
如图6所示的流程600,在步骤610中,获取针对所述低通滤波器的期望的心电信号采样率。示例性地,可以接收用户操作,并确定用户操作所对应的期望的心电信号采样率。
在步骤620中,将低通滤波器的采样率设置为期望的心电信号采样率,并根据低通滤波器的采样率、工频频率来调整整型常量。示例性地,参照上面式(1)的递归关系式,整型常量为递归关系式中的K,用于在低通滤波器的滤波过程中被使用。
在一些实施方式中,低通滤波器的截止频率表达式是与采样率和整型常量相关的函数式。
这样,在截止频率被确定为工频频率的情况下,当应用到不同的采样率情况下时,可以直接设置采样率并通过截止频率表达式来调整整型常量,可以适应多样化的心电信号采样率情形,而无需重新设计滤波器,节约了开发资源和成本。
图7A示出了通过本申请实施例中的低通滤波器的采样率为150Hz的工频信号的抑制效果示意图。图7B示出了通过本申请实施例中的低通滤波器的采样率为280Hz的工频信号的抑制效果示意图。图7C示出了通过本申请实施例中的低通滤波器的采样率为500Hz的工频信号的抑制效果示意图。图7D示出了通过本申请实施例中的低通滤波器的采样率为625Hz的工频信号的抑制效果示意图。图7E示出了通过本申请实施例中的低通滤波器的采样率为1000Hz的工频信号的抑制效果示意图。通过图7A-7E可知,本申请实施例中的递归低通滤波器能够实现在绝大数采样率情况实现较佳的工频抑制效果,并且只需要在开发过程中修改一个参数(采样率),而无需重复设计,节约了开发成本且具有更广泛的应用范围。
结合上面所提出的目前相关技术中的5阶浮点IIR滤波器来说,这个浮点滤波器只是针对采样率为250Hz的,如果需要换成其他采样率,又需要重新设计,换成其它系数,但是本申请实施例中的心电滤波器只需要将采样率进行更改即可,操作便捷。
表1示出了可用于本申请实施例的低通滤波器中的截止频率表达式的一示例的选型列表。
表1
如表1所示,给出了四种不同类型的低通滤波器,类型1和类型3的低通滤波器的截止频率f截止的表达式相同,类型2和类型4的递归低通滤波器的截止频率f截止的表达式相同。
因此,在本申请实施例的一些示例中,整型常量是可以根据低通滤波器的采样率、工频频率和以下的截止频率表达式来进行调整的:
f截止=f采样/(2K+1),或者
f截止=f采样/(K+1);
其中,f截止表示截止频率,f采样表示低通滤波器的采样率,以及K表示整型常量。
参照表1中各种类型的低通滤波器的递归滤波关系式,从类型1到类型4,低通滤波器的计算量逐渐增大(同时需要内存也越大)。不过,如上面的截止频率表达式,这四种类型下的滤波器都是采用整型运算的,相比于浮点运算都能实现更低的计算复杂度,具有计算复杂度非常低、设计方便和滤波效果较好的优点,非常适合在低功耗电子设备(例如,可穿戴电子设备)中使用。
针对表1中的各种类型的滤波器,当f截止为50Hz时,可得到以下的截止频率表达式:
类型1和3:1/(2K+1)T=50;
类型2和4:1/(K+1)T=50;
由于采样间隔T=1/f采样,其中f采样表示采样频率,经过变型得到:
类型1和3:f采样/(2K+1)=50(或,f采样/50=2K+1)
类型2和4:f采样/(K+1)=50(或,f采样/50=K+1)
图8示出了利用表1中的类型2-4三种低通滤波器在截止频率为50Hz且采样率为250Hz时的幅频响应效果示意图。
如图8所示,此三种滤波器在50Hz位置的抑制幅度都达到100dB以上,对50Hz的工频抑制效果都非常好,完全满足大多数情况下的工频抑制需求。
需说明的是,由于心电信号R波的主要频段处在10Hz-15Hz左右,对于滤波器的低通效果,主要看其对频率在15Hz以上的干扰的滤波效果如何,同时在15Hz以下通带区域的放行效果如何。结合从图中的实验效果,通带效果看的优劣关系为:2阶低通滤波器的通带效果优于3阶低通滤波器,3阶低通滤波器的通带效果优于4阶低通滤波器,从截止区域看效果为:2阶低通滤波器的截止区域大于3阶低通滤波器,3阶低通滤波器的截止区域大于4阶低通滤波器。但是从计算量的角度来考虑,三种滤波器的优劣关系为:2阶低通滤波器的计算量小于3阶低通滤波器,3阶低通滤波器的计算量小于4阶低通滤波器。
另外,由于采样率在绝大数情况下都会被选择为50的倍数,或者2的倍数(不排除极端情况是奇数)。例如,250Hz、500Hz、1000Hz等等。由于K值可以为整数,因此选择类型2和4,更加容易使得等式的值刚好等于50,从而在达到最好的50Hz工频干扰的抑制效果的同时,还能满足绝大多数的采样率情形。当选择类型2的滤波器时,可以得到:
K=f采样/50-1,(或,K+1=f采样/50)
这里,类型2的滤波器可以是满足上面递归关系式(1)的递归滤波器。
这样,当采样率为250Hz时,K=4,递归关系式为:
y(n)=-y(n-2)+2y(n-1)+x(n-10)-2x(n-5)+x(n)
经过变型后,该递归关系式为:
y(n)=-y(n-2)+2y(n-1)+x[n-2(K+1)]-2x[n-(K+1)]+x(n) 式(2)
将上面的K+1=f采样/50代入式(2)中,得到以采样率为变量的递归滤波器关系式:
y(n)=-y(n-2)+2y(n-1)+x(n-2f采样/50)-2x(n-f采样/50)+x(n) 式(3)
由式(2)进行Z变换,可以得到滤波器的传递函数H(z)为:
H(z)=Y(z)/X(z)=(1-2z-K-1+z-2K-2)/(1-2z-1+z-2)=(1-z-K-1)2/(1-z-1)2 式(4)
频率响应函数|H(jwT)为:
|H(jwT)|=sin2[(K+1)(wT/2)]/sin2(wT/2) 式(5)
其中w为数字频率,T为采样间隔。
由式(5)可以求出低通滤波器的在0Hz处的增益为:
Gain=(K+1)2 式(6)
因此,如果需要把滤波信号还原到原始比例需要把滤波信号除以Gain,还原后的心电信号yu(n)的表达式如下:
yu(n)=y(n)/Gain 式(7)
需说明的是,在低通滤波器中,低于截止频率的增益都是基本一样的,因此可以利用0Hz处的增益进行增益还原操作,并可以保障经还原的波形与原始波形之间的差别很小。
通过本申请实施例,设定工频50Hz为截止频率,并依据滤波器关联关系求出采样频率与K值的关系式K+1=f采样/50,然后求出只与采样率f采样相关的滤波器输出关系式(即,公式(3)),从而达到满足大多数采样率情况的要求,降低重复开发难度,同时达到低通滤波和50Hz工频抑制效果。
以上式(2)-式(7)是针对50Hz的工频抑制而设计的,当工频频率为其他取值(例如,60Hz)时,也可以通过类似的方式来对上述各式进行适应性调整。
图9示出了根据本申请实施例的低通滤波器的滤波函数的一示例的设置流程图。
在步骤910中,定义心电滤波器的采样率为SAMPLE_FREQUENCY。
在步骤920中,定义K+1为(SAMPLE_FREQUENCY/50)的整数。
在步骤930中,定义增益为(K+1)2。
在步骤940中,定义输入系列数组x[],长度为2(K+1),此处乘以2用左移1位来替换。
在步骤950中,定义输出系列的数组y[],长度为3。
在步骤960中,在上述参数都定义完成之后,确定滤波器函数。
这里,可以是根据设备应用场景或业务需求给SAMPLE_FREQUENCY赋予相应的采样率的值。由此,当心电信号的采样率变动时,不需重新设计滤波器参数,只需要修改采样率输入值,低通滤波器就可以自动调整相应的整型常量,无需重新更改滤波器的设计,降低了二次开发难度。
图10示出了根据本申请实施例的低通滤波器的一示例的系统设计框图。
如图10所示,该低通滤波器中的系统设计满足式(3)的要求。不难看出,滤波器的系统结构非常简单,滤波器的输出只与两个前输出y(n-2)和y(n-1),以及三个输入x(n-2f采样/50)、2x(n-f采样/50)和x(n)相关,而且滤波器的系数非常简单,只有两处需要乘以2,其他系数都是1。
在一些实施方式中,还利用移位方式来设计递归关系式中的乘2运算参量。具体地,将2的乘法在计算机设计中可以转换为左移运算(将x×2可以转换为x<<1),这样就无需用到乘法器。由于乘法运算要比移位算法复杂,可以通过移位方式来进一步降低运算量。
在一些实施方式中,还可以在系统设计中还可以增加增益,如上面所描述的一样,滤波器的增益Gain等于(K+1)2,可以在过滤了心电信号之后,将心电信号还原到原始比例。此外,还可以将系统设计中的增益部分独立出来,例如在不需要用到的时候把这行代码换成注释的代码即可,以进一步降低运算量。
通过图10中系统设计,提供了一种可同时实现对高频干扰和工频干扰进行抑制的低运算量的整型系数滤波器,同时实现低通滤波器和陷波器的功能。而且,所选用的参数简单,只涉及2处乘2运算,并还可以转化为左移1位运算,具有较低的运算量,可以在各种低功耗的电子设备中适用。
图11示出了根据本申请实施例的心电信号滤波装置的一示例的结构框图。
如图11所示,心电信号滤波装置1100包括心电信号输入单元1110、低通滤波单元1120、心电信号输出单元1130、增益还原单元1140和采样率设置单元1150。
心电信号输入单元1110被配置为获取输入的心电信号。
低通滤波单元1120被配置为按照低通滤波器的截止频率对所述输入的心电信号进行滤波,以过滤所述输入的心电信号中的高频信号和工频信号,其中所述截止频率为工频频率。
在一些实施方式中,所述低通滤波器为整型滤波器。
在一些实施方式中,所述低通滤波器为递归滤波器。
心电信号输出单元1130被配置为输出经过滤的心电信号。
在本申请实施例的一些示例中,增益还原单元1140被配置为按照预设的所述低通滤波器的增益,将所述经过滤的心电信号进行还原。相应的,心电信号输出单元1130被配置为输出还原后的心电信号。
在本申请实施例的一些示例中,采样率设置单元1150包括期望采样率获取模块(未示出)和采样率设置模块(未示出),其中期望采样率获取模块被配置为获取针对所述低通滤波器的期望的心电信号采样率,采样率设置模块被配置为将所述低通滤波器的采样率设置为所述期望的心电信号采样率,并根据所述低通滤波器的采样率、所述工频频率来调整整型常量,所述整型常量在所述低通滤波器的滤波过程中被使用。
在一些实施方式中,所述整型常量是根据所述低通滤波器的采样率、所述工频频率和以下的截止频率表达式来进行调整的:
f截止=f采样/(2K+1),或者
f截止=f采样/(K+1);
其中,f截止表示截止频率,f采样表示低通滤波器的采样率,以及K表示整型常量。
在一些实施方式中,所述低通滤波器为递归滤波器,当f截止为50Hz且所述设定关联关系为f截止=f采样/(K+1)时,所述低通滤波器的输入信号和输出信号之间的关系为:
y(n)=-y(n-2)+2y(n-1)+x(n-2f采样/50)-2x(n-f采样/50)+x(n)
其中,x表示输入的心电信号,x(n)表示第n个输入的心电信号,x(n-1)表示第n-1个输入的心电信号,以及x(n-s)表示第n-s个输入的心电信号;y表示输出的心电信号,y(n)表示第n个输出的心电信号,y(n-1)表示第n-1个输出的心电信号,以及y(n-s)表示第n-s个输出的心电信号。
在一些实施方式中,所述低通滤波器的增益Gain为:
Gain=(K+1)2。
需要说明的是,上述单元之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述装置中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请实施例还提供了一种电子设备,该电子设备包括:至少一个处理器、存储器以及存储在所述存储器中并可在所述至少一个处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述任意各个方法实施例中的步骤。这里,由于电子设备中所采用的本申请实施例中的低通滤波器为整型滤波器,其运算量较低,能够较佳地在低功耗电子设备中被使用。
目前,心电图机也被小型化到进入可穿戴设备。虽然当今低功耗处理芯片的功耗越来越低,性能却越来越高,但是面对复杂的心电异常的实时监测还是略显处理能力不足,若强行提高处理器的性能,其能耗的损耗却是大多数穿戴式情形都无法承受的。因此,现有的可穿戴心电设备,只能在待机时长和功能上面做出抉择。当今,绝大多数的穿戴式心电设备,都只具备实时数据采集的功能,然后把数据上传到异地进行分析,这样的做法,即降低实时性能又增加其他成本。另外一些穿戴式心电设备虽然可以实现实时的心电分析,但是局限于功耗的原因,要么只能支持短时间的测量和分析,要么通过增加电池的容量达到长时间监测的目的。此外,增加电池容量必定增加成本、设备的体积和重量,降低“穿戴”的舒适性。
鉴于此,在本申请实施例的一些示例中,电子设备可以是可穿戴电子设备。由此,利用心电滤波器可以同时过滤高频干扰信号和工频干扰信号,且具有较低的运算量,能够保障穿戴式心电设备(例如,智能手环或智能手表)具有较长的续航时间。
本申请实施例还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存储有计算机程序,所述计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品,当计算机程序产品在移动终端上运行时,使得移动终端执行时实现可实现上述各个方法实施例中的步骤。
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,本申请实现上述实施例方法中的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括:能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区,根据立法和专利实践,计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/网络设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/网络设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,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申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (9)
1.一种心电信号滤波方法,应用于低通滤波器,所述低通滤波器的截止频率为工频频率,所述方法包括:
获取输入的心电信号;
对所述输入的心电信号进行滤波,以过滤所述输入的心电信号中的高频信号和工频信号,所述低通滤波器为整型滤波器;
输出经过滤的心电信号;
在获取输入的心电信号之前,所述方法还包括:
获取针对所述低通滤波器的期望的心电信号采样率;
将所述低通滤波器的采样率设置为所述期望的心电信号采样率,并根据所述低通滤波器的采样率、所述工频频率调整整型常量。
2.如权利要求1所述的心电信号滤波方法,在输出经过滤的心电信号之前,所述方法还包括:
按照预设的所述低通滤波器的增益,将所述经过滤的心电信号进行还原;
相应的,所述输出经过滤的心电信号,包括:
输出还原后的心电信号。
3.如权利要求1-2中任一项所述的心电信号滤波方法,其中,所述整型常量用于对所述输入的心电信号进行滤波。
4.如权利要求3所述的心电信号滤波方法,其中,所述整型常量是根据所述低通滤波器的采样率、所述工频频率和以下的截止频率表达式来进行调整的:
f截止=f采样/(2K+1),或者
f截止=f采样/(K+1);
其中,f截止表示截止频率,f采样表示低通滤波器的采样率,以及K表示整型常量。
5.如权利要求4所述的心电信号滤波方法,其中,所述低通滤波器为递归滤波器,当f截止为50Hz,且f截止=f采样/(K+1)时,所述低通滤波器的输入信号和输出信号之间的关系为:
y(n)=-y(n-2)+2y(n-1)+x(n-2f采样/50)-2x(n-f采样/50)+x(n)
其中,x表示输入的心电信号,x(n)表示第n个输入的心电信号,x(n-1)表示第n-1个输入的心电信号,以及x(n-s)表示第n-s个输入的心电信号;y表示输出的心电信号,y(n)表示第n个输出的心电信号,y(n-1)表示第n-1个输出的心电信号,以及y(n-s)表示第n-s个输出的心电信号。
6.如权利要求4所述的心电信号滤波方法,其中,所述低通滤波器的增益Gain为:
Gain=(K+1)2。
7.一种心电信号滤波装置,包括:
心电信号输入单元,被配置为获取输入的心电信号;
低通滤波单元,被配置为按照低通滤波器的截止频率对所述输入的心电信号进行滤波,以过滤所述输入的心电信号中的高频信号和工频信号,其中所述截止频率为工频频率,所述低通滤波器为整型滤波器;
心电信号输出单元,被配置为输出经过滤的心电信号;
采样率设置单元,包括期望采样率获取模块和采样率设置模块,其中期望采样率获取模块被配置为获取针对所述低通滤波器的期望的心电信号采样率,采样率设置模块被配置为将所述低通滤波器的采样率设置为所述期望的心电信号采样率,并根据所述低通滤波器的采样率、所述工频频率来调整整型常量。
8.一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述的方法。
9.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,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至6任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010479211.3A CN111671416B (zh) | 2020-05-29 | 2020-05-29 | 心电信号滤波方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010479211.3A CN111671416B (zh) | 2020-05-29 | 2020-05-29 | 心电信号滤波方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111671416A CN111671416A (zh) | 2020-09-18 |
CN111671416B true CN111671416B (zh) | 2022-11-29 |
Family
ID=72453719
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010479211.3A Active CN111671416B (zh) | 2020-05-29 | 2020-05-29 | 心电信号滤波方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111671416B (zh) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4000461A (en) * | 1973-10-04 | 1976-12-28 | Textronix, Inc. | R-wave detector |
DE4106858A1 (de) * | 1991-03-04 | 1992-09-10 | Siemens Ag | Anordnung zum herausfiltern von grundlinienschwankungen aus physiologischen messsignalen |
US20080159365A1 (en) * | 2006-12-22 | 2008-07-03 | Branislav Dubocanin | Analog Conditioning of Bioelectric Signals |
CN101422362A (zh) * | 2008-12-09 | 2009-05-06 | 华南理工大学 | 具有运动伪差消除功能的无线心电监护系统 |
CN108113666B (zh) * | 2017-12-19 | 2019-06-21 | 中国科学院深圳先进技术研究院 | 房颤信号的识别方法、装置和设备 |
CN110850979B (zh) * | 2019-11-07 | 2023-05-09 | 中国航天员科研训练中心 | 基于航天医监医保信号的手势识别人机交互方法 |
-
2020
- 2020-05-29 CN CN202010479211.3A patent/CN111671416B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111671416A (zh) | 2020-09-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ferdi | Some applications of fractional order calculus to design digital filters for biomedical signal processing | |
SG188867A1 (en) | Electrocardiogram signal processing system | |
CN102916677B (zh) | 无限脉冲响应滤波器以及滤波方法 | |
CN102176312A (zh) | 一种通过小波陷波来降低突发噪音的系统及方法 | |
CN111671416B (zh) | 心电信号滤波方法及装置 | |
CN112785998B (zh) | 信号处理方法、设备及装置 | |
Wu et al. | Design of discrete Fourier transform modulated filter bank with sharp transition band | |
JP2003501914A (ja) | 補聴器用デジタル・フィルタ | |
CN113611279A (zh) | 一种主动降噪系统及降噪耳机 | |
Reddy et al. | Comparison of FIR and IIR Filters using ECG Signal with Different Sampling Frequencies | |
WO2003047097A1 (fr) | Procede de conception d'un filtre numerique, appareil de projet, programme de projet pour la realisation d'un tel filtre, et filtre numerique y relatif | |
Eminaga et al. | Low complexity all-pass based polyphase decimation filters for ECG monitoring | |
Janwadkar et al. | Strategic design and optimization of Vedic low pass FIR filter for ECG signals | |
Niyama et al. | Implementation of IIR and FIR filters in Simulink MATLAB and its application in ECG | |
Ajith Bala et al. | Hum Noise and Breathing Interference Removal from an ECG Signal with Finite Word Length Effects | |
WO2019014388A1 (en) | SYSTEMS, METHODS, AND MEDIA FOR INTEGRATED, EFFICIENT, REAL-TIME PROCESSING OF PHYSIOLOGICAL SIGNALS USING S-PROCESSES | |
Raj et al. | Design of reconfigurable digital filter bank for hearing aid | |
CN117672247B (zh) | 一种实时音频滤除窄带噪声的方法及系统 | |
CN112688666B (zh) | 一种仪器仪表二级均值滤波算法 | |
CN111010146B (zh) | 一种基于快速滤波器组的信号重构结构及其设计方法 | |
Shingne et al. | FPGA based design and implementation of cascaded FIR filter for ECG signal processing | |
Owojori et al. | Digital front-end for software defined radio wideband channelizer | |
Donnelly et al. | A comparative study for performance and power consumption of FPGA digital interpolation filters | |
Reddy et al. | Analyzing Data Compression Techniques for Biomedical Signals and Images Using Downsampling and Upsampling | |
Saxena et al. | Performance Analysis of FIR and IIR Filters Using ECG Signals |
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 |