CN112966566A - 一种心电信号基线滤除方法及装置 - Google Patents
一种心电信号基线滤除方法及装置 Download PDFInfo
- Publication number
- CN112966566A CN112966566A CN202110162183.7A CN202110162183A CN112966566A CN 112966566 A CN112966566 A CN 112966566A CN 202110162183 A CN202110162183 A CN 202110162183A CN 112966566 A CN112966566 A CN 112966566A
- Authority
- CN
- China
- Prior art keywords
- data
- value
- data segment
- baseline
- signal
- 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.)
- Granted
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
- A61B5/7235—Details of waveform analysis
- A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Abstract
本发明涉及一种心电信号基线滤除方法,包括以下步骤:获取S_G滤波器当前窗口的脉冲响应信号作为加权系数信号;将加权系数信号均分为多个加权数据段,以每一加权数据段的代表值代替相应加权数据段中各数据点的值,得到处理后加权系数信号;将S_G滤波器当前窗口内输入的原始心电信号均分为多个心电数据段,以每一心电数据段的代表值代替相应心电数据段中各数据点的值,得到处理后心电数据;将处理后加权系数信号与处理后心电数据相乘,得到当前窗口的基线预测值;移动S_G滤波器的窗口,并计算每一窗口的基线预测值,得到基线预测信号;用原始心电信号减去基线预测信号,得到滤除基线后的心电信号。本发明对心电信号进行基线滤除时计算量小。
Description
技术领域
本发明涉及心电信号滤波技术领域,尤其涉及一种心电信号基线滤除方法、装置及计算机存储介质。
背景技术
心电信号,即ECG信号,为附接至皮肤的外表面的电极所记录的心脏的电活动的测试信号。由于呼吸或其他的身体活动引起的记录电极和皮肤之间的阻抗变化可以导致在心电信号中的基线变化,也被称为低频漂移。基线变化是心电信号噪声中的一种。
目前,存在多种用于从心电信号中滤除基线的方法,包括高通滤波、自适应滤波、小波变换、时频分析、曲线拟合等等。ECG基线变化能够包括在0到0.8Hz范围内的低频信号。根据美国健康协会(AHA),在心电信号中的频率典型为在0.05Hz以上。由于基线噪声的频带与感兴趣的心电信号重叠,因此简单的高通滤波器对于滤除基线是不足的。
基线滤除的另一种方法是Savitzky_Golay滤波器,简称S_G滤波器,其基本原理是在待处理信号上加一个滑动窗口,在窗口每次向前滑动一个数据点前,对窗口内的值进行加权求和,用加权求和得出的值替代窗口中数据点的值,最终完成对信号基线的提取,然后用原始信号减去提取出的基线信号,就得到了基线滤除后的心电信号。Savitzky_Golay滤波器最大的优点就是在滤除噪声的同时能够确保信号中的“尖峰”的形状、宽度不变,其次是对基线的拟合不需要取特征点。
然而,Savitzky_Golay滤波器在对高采样率(例如1000Hz)心电信号的基线滤除过程中,由于窗口宽度的取值需要很大(例如2000个数据点),因此仅仅在对单导联信号中每个窗口中点的基线值进行预测时,对心电信号每个数据点进行基线提取时,计算机都需要进行大量的乘法运算(例如1000次)和加法运算(例如1000次),对于一般的心电信号机来说,其CPU性能不足以完成这样大量的运算。
发明内容
有鉴于此,有必要提供一种心电信号基线滤除方法及装置,用以解决心电信号基线滤除时计算量大的问题。
本发明提供一种心电信号基线滤除方法,包括以下步骤:
获取S_G滤波器当前窗口的脉冲响应信号,作为加权系数信号;
将所述加权系数信号均分为多个加权数据段,以每一所述加权数据段的代表值代替相应加权数据段中各数据点的值,得到处理后的加权系数信号;
将所述S_G滤波器当前窗口内输入的原始心电信号均分为多个心电数据段,以每一所述心电数据段的代表值代替相应心电数据段中各数据点的值,得到处理后的心电数据;
将处理后的加权系数信号与处理后的心电数据相乘,得到当前窗口对应的基线预测值;
移动所述S_G滤波器的窗口,并计算每一窗口对应的基线预测值,得到基线预测信号;
利用所述原始心电信号减去所述基线预测信号,得到滤除基线后的心电信号。
进一步的,获取S_G滤波器当前窗口的脉冲响应信号,作为加权系数信号,具体为:
将脉冲函数输入所述S_G滤波器,得到所述S_G滤波器当前窗口输出的脉冲响应信号,作为所述加权系数信号。
进一步的,将所述加权系数信号均分为多个加权数据段,具体为:
将所述加权系数信号划分为多个连续的加权数据段,且每一所述加权数据段包含设定数量的数据点,所述加权系数信号结尾处如不足设定数量的数据点,则划分为最后一个加权数据段;
将所述S_G滤波器当前窗口内输入的原始心电信号均分为多个心电数据段,具体为:
将所述原始心电信号划分为多个连续的心电数据段,且每一所述心电数据段包含设定数量的数据点,所述原始心电信号结尾处如不足设定数量的数据点,则划分为最后一个心电数据段。
进一步的,以每一所述加权数据段的代表值代替相应加权数据段中各数据点的值,得到处理后的加权系数信号,具体为:
以每一所述加权数据段中设定位置处的数据点的值作为相应加权数据段的代表值,以每一所述加权数据段的代表值代替相应加权数据段中各数据点的值,得到处理后的加权系数信号。
进一步的,以每一所述加权数据段中设定位置处的数据点的值作为相应加权数据段的代表值,具体为:
以每一所述加权数据段中位于中间位置的数据点的值作为相应加权数据段的代表值。
进一步的,以每一所述心电数据段的代表值代替相应心电数据段中各数据点的值,得到处理后的心电数据,具体为:
以每一所述心电数据段中设定位置处的数据点的值作为相应心电数据段的代表值,以每一所述心电数据段的代表值代替相应心电数据段中各数据点的值,得到处理后的心电数据。
进一步的,以每一所述心电数据段中设定位置处的数据点的值作为相应心电数据段的代表值,具体为:
以每一所述心电数据段中位于中间位置的数据点的值作为相应心电数据段的代表值。
进一步的,将处理后的加权系数信号与处理后的心电数据相乘,得到当前窗口对应的基线预测值,具体为:
将各所述加权数据段的代表值与对应的心电数据段的代表值相乘,得到各数据段的代表值乘积;
将所述代表值乘积与所述加权数据段所包含的数据点数量相乘,得到相应数据段的基线预测值;
将各数据段的基线预测值相加,得到当前窗口对应的基线预测值。
本发明还提供一种心电信号基线滤除装置,包括处理器以及存储器,所述存储器上存储有计算机程序,所述计算机程序被所述处理器执行时,实现所述心电信号基线滤除方法。
本发明还提供一种计算机存储介质,其上存储有计算机程序,所述计算机该程序被处理器执行时,实现所述心电信号基线滤除方法。
有益效果:本发明首先获取S_G滤波器当前窗口的脉冲响应信号,作为加权系数信号。然后对加权系数信号和原始心电信号分别进行简化处理,采用代表值代表数据段的方式进行简化处理,简化后的信号有利于减小后续滤波过程中的计算难度,提高滤波效率。将处理后的加权系数信号与处理后的心电数据相乘,即可得到当前窗口对应的基线预测值。S_G滤波器每移动一个窗口,就采用上述方式求取一个基线预测值,结合各窗口的基线预测值得到基线预测信号。最后用原始心电信号减去基线预测信号,得到滤除基线后的心电信号,完成基线滤波。相较于现有的S_G滤波器技术,本发明不仅大大减少了基线滤波过程中乘法和加法的数量,而且还保证了S_G滤波器的滤波效果。
附图说明
图1为本发明提供的心电信号基线滤除方法第一实施例的方法流程图;
图2为本发明提供的心电信号基线滤除方法第一实施例的原始心电信号图;
图3为本发明提供的心电信号基线滤除方法第一实施例的加权系数信号图;
图4为本发明提供的心电信号基线滤除方法第一实施例的处理后的加权系数信号图;
图5为本发明提供的心电信号基线滤除方法第一实施例的处理后的心电数据图;
图6为本发明提供的心电信号基线滤除方法第一实施例的基线预测信号图;
图7为本发明提供的心电信号基线滤除方法第一实施例的基线滤除的结果图;
图8为采用现有技术中S_G滤波器对图2中原始心电信号进行基线滤除的结果图;
图9为图7与图8的滤波效果对比图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例,其中,附图构成本申请一部分,并与本发明的实施例一起用于阐释本发明的原理,并非用于限定本发明的范围。
实施例1
如图1所示,本发明的实施例1提供了心电信号基线滤除方法,包括以下步骤:
S1、获取S_G滤波器当前窗口的脉冲响应信号,作为加权系数信号;
S2、将所述加权系数信号均分为多个加权数据段,以每一所述加权数据段的代表值代替相应加权数据段中各数据点的值,得到处理后的加权系数信号;
S3、将所述S_G滤波器当前窗口内输入的原始心电信号均分为多个心电数据段,以每一所述心电数据段的代表值代替相应心电数据段中各数据点的值,得到处理后的心电数据;
S4、将处理后的加权系数信号与处理后的心电数据相乘,得到当前窗口对应的基线预测值;
S5、移动所述S_G滤波器的窗口,并计算每一窗口对应的基线预测值,得到基线预测信号;
S6、利用所述原始心电信号减去所述基线预测信号,得到滤除基线后的心电信号。
本实施例中需要进行基线滤波的原始心电信号如图2所示,采样率为1000Hz,如图2所示。S_G滤波器为在输入信号的一系列数据点的值上执行局部多项式回归,以确定每个点的平滑值的滤波器。在使用S_G滤波器对原始心电信号进行基线滤波处理前,先确定S_G滤波器的参数,参数包括使用S_G滤波器进行的多项式拟合的窗口长度(M)和阶数(N)。通过证明得知,S_G滤波器相当于一个FIR滤波器,该FIR滤波器的脉冲响应等于窗口内的加权系数,因此,获取S_G滤波器当前窗口的脉冲响应信号,作为加权系数信号。然后对加权系数信号和原始心电信号分别进行简化处理,采用代表值代表数据段的方式进行简化处理,这样有利于简化信号,简化后续滤波过程中的计算,提高滤波效率。将处理后的加权系数信号与处理后的心电数据相乘,即可得到当前窗口对应的基线预测值。S_G滤波器每移动一个窗口,就采用上述方式求取一个基线预测值,结合各窗口的基线预测值得到基线预测信号。最后用原始心电信号减去基线预测信号,得到滤除基线后的心电信号,完成基线滤波。
相较于现有的S_G滤波器技术,本实施例提不仅大大减少了乘法和加法的数量,而且还保证了S_G滤波器的滤波效果。具体的,本实施例在滤波时,在S_G滤波器的窗口内,针对每一个数据段,用心电数据段的代表值与对应加权数据段的代表值相乘得到的乘积,替代心电数据段中多个点与加权系数段中多个点相乘的结果,将多次乘法运算简化为一次乘法运算,提升了S_G滤波器的运算速度。同时,一般而言,心电信号的采样率很高,例如本实施例中为1000Hz,这是为了保证心电信号中信息被尽可能多地提取。而基线信息仅仅只包含低频的噪声漂移信息,因此尽管采用代表值代替数据段内数据点的操作相当于降低了S_G滤波器窗口内心电信号和对应加权系数的采样率,也不会对基线信息造成破坏。
优选的,获取S_G滤波器当前窗口的脉冲响应信号,作为加权系数信号,具体为:
将脉冲函数输入所述S_G滤波器,得到所述S_G滤波器当前窗口输出的脉冲响应信号,作为所述加权系数信号。
将一个脉冲函数输入S_G滤波器,得到输出,进而确定相应S_G滤波器的脉冲响应信号,脉冲响应信号共包含M个数据点,M为S_G滤波器窗口长度,得到的脉冲响应信号即加权系数信号,本实施例中加权系数信号如图3所示。
优选的,将所述加权系数信号均分为多个加权数据段,具体为:
将所述加权系数信号划分为多个连续的加权数据段,且每一所述加权数据段包含设定数量的数据点,所述加权系数信号结尾处如不足设定数量的数据点,则划分为最后一个加权数据段;
将所述S_G滤波器当前窗口内输入的原始心电信号均分为多个心电数据段,具体为:
将所述原始心电信号划分为多个连续的心电数据段,且每一所述心电数据段包含设定数量的数据点,所述原始心电信号结尾处如不足设定数量的数据点,则划分为最后一个心电数据段。
由于本实施例需要对处理后的加权系数信号和处理后的心电数据进行对应数据段的相乘,因此在对加权系数信号和心电数据进行划分和处理时,采用相同的数据段长度进行划分,使得加权系数信号与心电数据的数据段划分数量相等且一一对应。本实施例中加权系数信号和心电数据划分的数据段长度均设置为K,即K个数据点划分为一个数据段,结尾处不足K个数据点的划分为最后一个数据段。
优选的,以每一所述加权数据段的代表值代替相应加权数据段中各数据点的值,得到处理后的加权系数信号,具体为:
以每一所述加权数据段中设定位置处的数据点的值作为相应加权数据段的代表值,以每一所述加权数据段的代表值代替相应加权数据段中各数据点的值,得到处理后的加权系数信号。
对图3中加权系数信号进行划分后,进行如下处理:
每K个数据点都视为相同的值;
加权系数信号结尾不足K个数据点的,也视为相同的值;
每K个数据点(或不足K个数据点)的代表值为K个数据点(或不足K个数据点)的设定位置处数据点的值;从而得到处理后的加权系数信号,如图4所示。
优选的,以每一所述加权数据段中设定位置处的数据点的值作为相应加权数据段的代表值,具体为:
以每一所述加权数据段中位于中间位置的数据点的值作为相应加权数据段的代表值。
本实施例以加权数据段位于中间位置的数据点的值作为代表值。应该理解的,也可以选择其它位置处,例如采样时间最小的数据点值,或采样时间最大的数据点的值,作为代表值。
优选的,以每一所述心电数据段的代表值代替相应心电数据段中各数据点的值,得到处理后的心电数据,具体为:
以每一所述心电数据段中设定位置处的数据点的值作为相应心电数据段的代表值,以每一所述心电数据段的代表值代替相应心电数据段中各数据点的值,得到处理后的心电数据。
针对S_G滤波器当前窗口内的输入的原始心电信号,做如下处理:
每K个数据点都视为相同的值;
心电数据结尾处不足K个数据点的,也视为相同的值;
每K个数据点(或不足K个数据点)的代表值为K个数据点(或不足K个数据点)的设定位置处的数据点的值;从而得到处理后的心电数据,如图5所示。
优选的,以每一所述心电数据段中设定位置处的数据点的值作为相应心电数据段的代表值,具体为:
以每一所述心电数据段中位于中间位置的数据点的值作为相应心电数据段的代表值。
本实施例以心电数据段位于中间位置的数据点的值作为代表值。应该理解的,也可以选择其它位置处,例如采样时间最小的数据点值,或采样时间最大的数据点的值,作为代表值。
心电数据段的代表值的选择方式优选与加权数据段的代表值的选择方式相同,例如本实施例均选择中间位置处的数据点的值,这样有利于两者的一致性,提高后续两者相乘得到的基线预测值的准确率。
优选的,将处理后的加权系数信号与处理后的心电数据相乘,得到当前窗口对应的基线预测值,具体为:
将各所述加权数据段的代表值与对应的心电数据段的代表值相乘,得到各数据段的代表值乘积;
将所述代表值乘积与所述加权数据段所包含的数据点数量相乘,得到相应数据段的基线预测值;
将各数据段的基线预测值相加,得到当前窗口对应的基线预测值。
将处理后的心电信号与处理后的S_G滤波器的加权系数信号相乘。具体操作如下:
将处理后的S_G滤波器窗口内的每个加权数据段的代表值和处理后的S_G滤波器窗口内的每个心电数据段的代表值对应相乘。
将上一步得到的乘积与值K相乘。
在一个S_G滤波器窗口中,将上一步得到的各数据段对应的乘积相加。
将上一步得到乘积之和作为当前S_G滤波器窗口的中间点的基线预测值。
在原始心电信号上将S_G滤波器的窗口向右移动1个数据点;再次利用上述方式计算当前窗口的基线预测值,结合每一窗口的基线预测值,得到心电信号的基线预测信号,如图6所示。
从原始心电信号中减去基线预测信号,从而得到滤除基线后的心电信号,如图7。
根据上述相乘操作可以清楚的看到,本实施例显著减少了乘法和加法的数量。
针对本实施例中S_G滤波器,每个S_G滤波器窗口内的每K个数据点只需要执行两次乘法:第一个乘法:用窗口内每K个加权系数数据点的代表值乘以窗口内每K个心电信号数据点的代表值;第二个乘法:用点数K乘以第一个乘法的乘积。从而整个窗口内(M个点),心电信号每个数据点的基线预测只需要执行2M/K次乘法和M-1次加法。而现有的技术的S_G滤波器,对每个数据点的基线预测需要多达M次乘法和(M-1)次加法,M次乘法即处理前的S_G滤波器窗口中的每个数据点与对应的加权系数相乘,(M-1)次加法即将得到的乘积相加。相较而言,本实施例大大提升了S_G滤波器的运算速度。
一般而言,心电信号的采样率很高(1000Hz),这是为了保证心电信号中信息被尽可能多地提取。而基线信息仅仅只包含低频的噪声漂移信息,因此尽管本实施例中取代表值的操作相当于降低了S_G滤波器窗口内心电信号和对应加权系数的采样率,也不会对基线信息造成破坏。
为了更清楚的说明本实施例的效果,采用现有技术的S_G滤波器对图2中原始心电信号进行了基线滤波,滤波效果如图8所示。本实施例的滤波效果与现有S_G滤波器的滤波效果进行对比,对比结果如图9所示。如9中(a)为本实施例的滤波效果图,(b)为现有S_G滤波器的滤波效果图,(c)为两者之间的差异图,即两者相减之后的差值信号;通过对(c)中对比差值可以发现,两者之间的滤波效果的差距可以忽略不记。
实施例2
本发明的实施例2提供了心电信号基线滤除装置,包括处理器以及存储器,所述存储器上存储有计算机程序,所述计算机程序被所述处理器执行时,实现实施例1提供的心电信号基线滤除方法。
本发明实施例提供的心电信号基线滤除装置,用于实现心电信号基线滤除方法,因此,心电信号基线滤除方法所具备的技术效果,心电信号基线滤除装置同样具备,在此不再赘述。
实施例3
本发明的实施例3提供了计算机存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时,实现实施例1提供的心电信号基线滤除方法。
本发明实施例提供的计算机存储介质,用于实现心电信号基线滤除方法,因此,心电信号基线滤除方法所具备的技术效果,计算机存储介质同样具备,在此不再赘述。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种心电信号基线滤除方法,其特征在于,包括以下步骤:
获取S_G滤波器当前窗口的脉冲响应信号,作为加权系数信号;
将所述加权系数信号均分为多个加权数据段,以每一所述加权数据段的代表值代替相应加权数据段中各数据点的值,得到处理后的加权系数信号;
将所述S_G滤波器当前窗口内输入的原始心电信号均分为多个心电数据段,以每一所述心电数据段的代表值代替相应心电数据段中各数据点的值,得到处理后的心电数据;
将处理后的加权系数信号与处理后的心电数据相乘,得到当前窗口对应的基线预测值;
移动所述S_G滤波器的窗口,并计算每一窗口对应的基线预测值,得到基线预测信号;
利用所述原始心电信号减去所述基线预测信号,得到滤除基线后的心电信号。
2.根据权利要求1所述的心电信号基线滤除方法,其特征在于,获取S_G滤波器当前窗口的脉冲响应信号,作为加权系数信号,具体为:
将脉冲函数输入所述S_G滤波器,得到所述S_G滤波器当前窗口输出的脉冲响应信号,作为所述加权系数信号。
3.根据权利要求1所述的心电信号基线滤除方法,其特征在于,将所述加权系数信号均分为多个加权数据段,具体为:
将所述加权系数信号划分为多个连续的加权数据段,且每一所述加权数据段包含设定数量的数据点,所述加权系数信号结尾处如不足设定数量的数据点,则划分为最后一个加权数据段;
将所述S_G滤波器当前窗口内输入的原始心电信号均分为多个心电数据段,具体为:
将所述原始心电信号划分为多个连续的心电数据段,且每一所述心电数据段包含设定数量的数据点,所述原始心电信号结尾处如不足设定数量的数据点,则划分为最后一个心电数据段。
4.根据权利要求1所述的心电信号基线滤除方法,其特征在于,以每一所述加权数据段的代表值代替相应加权数据段中各数据点的值,得到处理后的加权系数信号,具体为:
以每一所述加权数据段中设定位置处的数据点的值作为相应加权数据段的代表值,以每一所述加权数据段的代表值代替相应加权数据段中各数据点的值,得到处理后的加权系数信号。
5.根据权利要求1所述的心电信号基线滤除方法,其特征在于,以每一所述加权数据段中设定位置处的数据点的值作为相应加权数据段的代表值,具体为:
以每一所述加权数据段中位于中间位置的数据点的值作为相应加权数据段的代表值。
6.根据权利要求1所述的心电信号基线滤除方法,其特征在于,以每一所述心电数据段的代表值代替相应心电数据段中各数据点的值,得到处理后的心电数据,具体为:
以每一所述心电数据段中设定位置处的数据点的值作为相应心电数据段的代表值,以每一所述心电数据段的代表值代替相应心电数据段中各数据点的值,得到处理后的心电数据。
7.根据权利要求1所述的心电信号基线滤除方法,其特征在于,以每一所述心电数据段中设定位置处的数据点的值作为相应心电数据段的代表值,具体为:
以每一所述心电数据段中位于中间位置的数据点的值作为相应心电数据段的代表值。
8.根据权利要求1所述的心电信号基线滤除方法,其特征在于,将处理后的加权系数信号与处理后的心电数据相乘,得到当前窗口对应的基线预测值,具体为:
将各所述加权数据段的代表值与对应的心电数据段的代表值相乘,得到各数据段的代表值乘积;
将所述代表值乘积与所述加权数据段所包含的数据点数量相乘,得到相应数据段的基线预测值;
将各数据段的基线预测值相加,得到当前窗口对应的基线预测值。
9.一种心电信号基线滤除装置,其特征在于,包括处理器以及存储器,所述存储器上存储有计算机程序,所述计算机程序被所述处理器执行时,实现如权利要求1-8任一项所述的心电信号基线滤除方法。
10.一种计算机存储介质,其上存储有计算机程序,其特征在于,所述计算机该程序被处理器执行时,实现如权利要求1-8任一项所述的心电信号基线滤除方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110162183.7A CN112966566B (zh) | 2021-02-05 | 2021-02-05 | 一种心电信号基线滤除方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110162183.7A CN112966566B (zh) | 2021-02-05 | 2021-02-05 | 一种心电信号基线滤除方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112966566A true CN112966566A (zh) | 2021-06-15 |
CN112966566B CN112966566B (zh) | 2023-07-07 |
Family
ID=76274542
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110162183.7A Active CN112966566B (zh) | 2021-02-05 | 2021-02-05 | 一种心电信号基线滤除方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112966566B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5269313A (en) * | 1991-09-09 | 1993-12-14 | Sherwood Medical Company | Filter and method for filtering baseline wander |
US5503160A (en) * | 1993-10-12 | 1996-04-02 | Hewlett-Packard Company | Dynamic filter for real-time artifact removal from waveforms |
US5762068A (en) * | 1995-11-27 | 1998-06-09 | Quinton Instrument Company | ECG filter and slew rate limiter for filtering an ECG signal |
US6280391B1 (en) * | 1999-02-08 | 2001-08-28 | Physio-Control Manufacturing Corporation | Method and apparatus for removing baseline wander from an egg signal |
US20020062328A1 (en) * | 2000-11-20 | 2002-05-23 | Ando Electric Co., Ltd. | Digital filter and data processing method thereof |
US20080109505A1 (en) * | 2004-12-23 | 2008-05-08 | Austriamicrosystems Ag | Fir Decimation Filter and Arrangement Comprising the Same |
US20090143693A1 (en) * | 2007-12-04 | 2009-06-04 | Shenzhen Mindray Bio-Medical Electronics Co., Ltd. | Method and apparatus for generating determination indexes for identifying ecg interfering signals |
CN103857327A (zh) * | 2011-09-08 | 2014-06-11 | 德尔格医疗系统有限公司 | 心电图基线滤除 |
US20150018702A1 (en) * | 2013-07-10 | 2015-01-15 | Alivecor, Inc. | Devices and Methods for Real-Time Denoising of Electrocardiograms |
US20160262645A1 (en) * | 2013-11-08 | 2016-09-15 | Koninklijke Philips N.V. | Variable bandwidth ecg high pass filter |
US20160287180A1 (en) * | 2015-04-03 | 2016-10-06 | The Regents Of The University Of Michigan | Adaptive epsilon-tube filter for blunt noise removal |
WO2018120637A1 (zh) * | 2016-12-30 | 2018-07-05 | 深圳市善行医疗科技有限公司 | 一种心电信号的降噪方法及装置 |
CN109497992A (zh) * | 2019-01-04 | 2019-03-22 | 济南汇医融工科技有限公司 | 基于机器学习方法的冠心病智能筛查装置 |
KR20200081798A (ko) * | 2018-12-28 | 2020-07-08 | 조선대학교산학협력단 | 심전도 신호의 기저선 변동 잡음 제거 방법 및 컴퓨터 프로그램 |
CN111832431A (zh) * | 2020-06-23 | 2020-10-27 | 杭州电子科技大学 | 一种基于cnn的情绪脑电分类方法 |
-
2021
- 2021-02-05 CN CN202110162183.7A patent/CN112966566B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5269313A (en) * | 1991-09-09 | 1993-12-14 | Sherwood Medical Company | Filter and method for filtering baseline wander |
US5503160A (en) * | 1993-10-12 | 1996-04-02 | Hewlett-Packard Company | Dynamic filter for real-time artifact removal from waveforms |
US5762068A (en) * | 1995-11-27 | 1998-06-09 | Quinton Instrument Company | ECG filter and slew rate limiter for filtering an ECG signal |
US6280391B1 (en) * | 1999-02-08 | 2001-08-28 | Physio-Control Manufacturing Corporation | Method and apparatus for removing baseline wander from an egg signal |
US20020062328A1 (en) * | 2000-11-20 | 2002-05-23 | Ando Electric Co., Ltd. | Digital filter and data processing method thereof |
US20080109505A1 (en) * | 2004-12-23 | 2008-05-08 | Austriamicrosystems Ag | Fir Decimation Filter and Arrangement Comprising the Same |
US20090143693A1 (en) * | 2007-12-04 | 2009-06-04 | Shenzhen Mindray Bio-Medical Electronics Co., Ltd. | Method and apparatus for generating determination indexes for identifying ecg interfering signals |
CN103857327A (zh) * | 2011-09-08 | 2014-06-11 | 德尔格医疗系统有限公司 | 心电图基线滤除 |
US20150018702A1 (en) * | 2013-07-10 | 2015-01-15 | Alivecor, Inc. | Devices and Methods for Real-Time Denoising of Electrocardiograms |
US20160262645A1 (en) * | 2013-11-08 | 2016-09-15 | Koninklijke Philips N.V. | Variable bandwidth ecg high pass filter |
US20160287180A1 (en) * | 2015-04-03 | 2016-10-06 | The Regents Of The University Of Michigan | Adaptive epsilon-tube filter for blunt noise removal |
WO2018120637A1 (zh) * | 2016-12-30 | 2018-07-05 | 深圳市善行医疗科技有限公司 | 一种心电信号的降噪方法及装置 |
KR20200081798A (ko) * | 2018-12-28 | 2020-07-08 | 조선대학교산학협력단 | 심전도 신호의 기저선 변동 잡음 제거 방법 및 컴퓨터 프로그램 |
CN109497992A (zh) * | 2019-01-04 | 2019-03-22 | 济南汇医融工科技有限公司 | 基于机器学习方法的冠心病智能筛查装置 |
CN111832431A (zh) * | 2020-06-23 | 2020-10-27 | 杭州电子科技大学 | 一种基于cnn的情绪脑电分类方法 |
Non-Patent Citations (5)
Title |
---|
夏恒超,詹永麒: "一种新的基于三次样条插值技术的心电图基线漂移消除方法", 生物医学工程学杂志 * |
李惠军,胡广书,周礼杲: "心电信号的实时基线漂移校正与P波检测", 航天医学与医学工程 * |
罗小刚等: "一种心电信号FIR数字滤波算法研究", 《重庆大学生物工程学院》 * |
范能胜等: "基于平滑滤波器的心电信号基线漂移的矫正", 《医疗卫生装备》 * |
葛丁飞;徐爱群;: "基于宽带正交ECG的不同阶段心肌梗死特征提取和分类", 航天医学与医学工程 * |
Also Published As
Publication number | Publication date |
---|---|
CN112966566B (zh) | 2023-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jain et al. | Riemann Liouvelle fractional integral based empirical mode decomposition for ECG denoising | |
EP0222830B1 (en) | Heart rate detection utilizing autoregressive analysis | |
Pandey et al. | High frequency noise removal from ECG using moving average filters | |
Fotiadou et al. | Enhancement of low-quality fetal electrocardiogram based on time-sequenced adaptive filtering | |
KR20140139564A (ko) | Ecg 모니터링을 위한 시스템들 및 방법들 | |
Mir et al. | ECG denoising and feature extraction techniques–a review | |
Bajaj et al. | A robust approach to denoise ECG signals based on fractional Stockwell transform | |
KR20220150901A (ko) | 모체 자궁 활동 검출을 위한 융합 신호 처리 | |
Kaur et al. | An efficient R-peak detection using Riesz fractional-order digital differentiator | |
Prakash et al. | Noise reduction of ECG using Chebyshev filter and classification using machine learning algorithms | |
Bhogeshwar et al. | To verify and compare denoising of ECG signal using various denoising algorithms of IIR and FIR filters | |
CN112966566B (zh) | 一种心电信号基线滤除方法及装置 | |
CN114795241B (zh) | 一种心电信号的噪声检测方法及系统 | |
CN110638441A (zh) | 一种心电图降噪方法、装置、计算机设备及存储介质 | |
Jha et al. | Modified approach for ECG signal denoising based on empirical mode decomposition and moving average filter | |
Kotas et al. | ECG signals reconstruction in subbands for noise suppression | |
Jain | Hardware Simulation of BRAM Digital FIR filter for Noise Removal of ECG Signal | |
Zivanovic et al. | A low-rank matrix factorization approach for joint harmonic and baseline noise suppression in biopotential signals | |
Bansod et al. | A new approach for removal of baseline wande in ECG signal using Empirical Mode Decomposition & Hurst Exponent | |
Garcillanosa et al. | FPGA based powerline and baseline interference removal in electrocardiogram using modified EWT-DWT filtering | |
JP7457266B2 (ja) | 信号解析装置、信号解析方法及びプログラム | |
CN114521901B (zh) | 一种心电特征提取方法、装置及存储介质 | |
Yadav et al. | Efficient ECG Approximation Using Chebyshev Polynomials | |
WO2022149307A1 (ja) | 信号解析装置、信号解析方法及びプログラム | |
Uma et al. | ECG Noise Removal Using Modified Distributed Arithmetic Based Finite Impulse Response Filter |
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 |