CN114271830A - 一种心电信号检测方法及系统 - Google Patents
一种心电信号检测方法及系统 Download PDFInfo
- Publication number
- CN114271830A CN114271830A CN202111532430.4A CN202111532430A CN114271830A CN 114271830 A CN114271830 A CN 114271830A CN 202111532430 A CN202111532430 A CN 202111532430A CN 114271830 A CN114271830 A CN 114271830A
- Authority
- CN
- China
- Prior art keywords
- wavelet
- electrocardiosignals
- electrocardiosignal
- wave
- threshold
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 22
- 238000000034 method Methods 0.000 claims abstract description 44
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 29
- 238000001914 filtration Methods 0.000 claims abstract description 20
- 230000008569 process Effects 0.000 claims abstract description 17
- 230000006870 function Effects 0.000 claims abstract description 15
- 238000009825 accumulation Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000013507 mapping Methods 0.000 claims description 4
- 238000002372 labelling Methods 0.000 claims 1
- 230000005540 biological transmission Effects 0.000 abstract description 19
- 230000009466 transformation Effects 0.000 abstract description 6
- 238000012545 processing Methods 0.000 description 15
- 238000005070 sampling Methods 0.000 description 11
- 238000000718 qrs complex Methods 0.000 description 9
- 206010003119 arrhythmia Diseases 0.000 description 6
- 230000006793 arrhythmia Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000000737 periodic effect Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000008602 contraction Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 108010076504 Protein Sorting Signals Proteins 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000005670 electromagnetic radiation Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 208000019622 heart disease Diseases 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000016507 interphase Effects 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Landscapes
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开一种心电信号检测方法及系统，包括：获取心电信号；确定小波基函数及分解层数，采用小波阈值算法对心电信号进行小波分解，并获取心电信号片段的小波系数；根据小波系数与设定阈值的比较结果滤除噪声信号；对滤除后的心电信号进行小波重构，得到去噪后的心电信号；对去噪后的心电信号通过波峰标记R波。依赖信号采集与传输过程的滤波及小波变换过程中通过阈值滤波算法实现心电信号以外的噪声信号的去除，以得到高质量的心电信号，并对R波特征进行提取，实现对心电信号快速准确的信号处理。
Description
技术领域
本发明涉及心电信号检测技术领域，特别是涉及一种心电信号检测方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
现有对心电信号的处理可通过对R波的识别，实现对R波位置的定位，对RR间隔的计算，R波位置、RR间隔、心率等参数是心电信号检测的重要参数，所以对R峰的准确识别异常重要。
但是，由于心电信号比较微弱，所以很容易受到外界噪声分量的叠加干扰。任何一个小的干扰都有可能对后续的波形检测造成影响，若前期在对心电信号预处理时无法准确去噪，则影响后期对R波识别的准确性。
另外，随着对心电信号自动分析需求的不断提升，使得处理系统必须在对心电信号的特征提取方面保证检测准确率的同时提升信号处理速度，而当前心电信号处理系统受到处理器性能的问题，存在体积大、不便携、运算速度低等问题。
发明内容
为了解决上述问题，本发明提出了一种心电信号检测方法及系统，依赖信号采集与传输过程的滤波及小波变换过程中通过阈值滤波算法实现心电信号以外的噪声信号的去除，以得到高质量的心电信号，并对R波特征进行提取，实现对心电信号快速准确的信号处理。
为了实现上述目的，本发明采用如下技术方案：
第一方面，本发明提供一种心电信号检测方法，包括：
获取心电信号；
确定小波基函数及分解层数，采用小波阈值算法对心电信号进行小波分解，并获取心电信号片段的小波系数；
根据小波系数与设定阈值的比较结果滤除噪声信号；
对滤除后的心电信号进行小波重构，得到去噪后的心电信号；
对去噪后的心电信号通过波峰标记R波。
作为可选择的实施方式，所述设定阈值的过程包括：将心电信号中的每个元素的模从小到大排序后，对每个心电信号求平方，以完成心电信号的映射，对映射后的心电信号的每个元素开方后与噪声标准差相乘，得到阈值。
作为可选择的实施方式，所述小波分解的过程包括，在小波分解的计算过程中，采用移位和累加运算替换乘法运算，且将移位和累加运算分解为多级运算，在时钟的控制下依次进行各级运算，即在每个时钟节拍内，各级的电路单元都在运算。
作为可选择的实施方式，标记R波的过程包括：
采用差分运算标记去噪后的心电信号中的波峰；
设定R波间隔阈值和峰值阈值；
若待检波峰的波峰间隔大于R波间隔阈值，且波峰峰值大于峰值阈值，则标记波峰所在R波。
作为可选择的实施方式，采用差分运算标记去噪后的心电信号中的波峰的过程包括：对去噪后的心电信号进行一阶差分，通过一阶差分标记极值点和拐点；对去噪后的心电信号进行二阶差分，通过二阶差分标记拐点中的极大值，即标记波峰。
作为可选择的实施方式，对待检波峰检测完成后，动态调整峰值阈值。
作为可选择的实施方式，所述小波基函数采用coif5小波基，所述分解层数设置为9尺度分解，以滤除基线漂移干扰。
第二方面，本发明提供一种心电信号检测系统，包括：
采集模块，被配置为获取心电信号；
分解模块，被配置为确定小波基函数及分解层数，采用小波阈值算法对心电信号进行小波分解，并获取心电信号片段的小波系数；
过滤模块，被配置为根据小波系数与设定阈值的比较结果滤除噪声信号；
重构模块，被配置为对滤除后的心电信号进行小波重构，得到去噪后的心电信号；
标记模块，被配置为对去噪后的心电信号通过波峰标记R波。
第三方面，本发明提供一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成第一方面所述的方法。
第四方面，本发明提供一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成第一方面所述的方法。
与现有技术相比，本发明的有益效果为：
本发明提出一种心电信号检测方法及系统，依赖信号采集与传输过程的滤波及小波变换过程中通过阈值滤波算法实现心电信号以外的噪声信号的去除，以得到高质量的心电信号，并对R波特征进行提取，实现对心电信号快速准确的信号处理。
本发明提出一种心电信号检测方法及系统，对小波变换进行电路设计搭建，能够有效的对心电信号进行滤波降噪，并对特征信号进行提取，为后续心电数据的计算与心率失常分析提供电路基础，快速准确的对心电信号进行信号处理。
本发明提出一种心电信号检测方法及系统，搭建的小波变换电路结构为加快运算速度，采用流水线方式工作，即把位移和累加运算分解为多级运算，输入信号在时钟的控制下依次进行各级的运算，即在每个时钟节拍内，各级的电路单元都在工作，提高工作速度及电路利用率。
本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1为本发明实施例1提供的心电信号检测方法流程图；
图2为本发明实施例1提供的小波阈值算法去噪示意图；
图3为本发明实施例1提供的R波标记示意图；
图4为本发明实施例2提供的采集模块示意图。
具体实施方式：
下面结合附图与实施例对本发明做进一步说明。
应该指出，以下详细说明都是示例性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，术语“包括”和“具有”以及他们的任何变形，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。
在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
实施例1
如图1所示，本实施例提供一种心电信号检测方法，以便携式心电检测设备为基础，采用小波变换方法对心电信号进行处理分析，降低时间和经济成本且可信度高；包括：
获取心电信号；
确定小波基函数及分解层数，采用小波阈值算法对心电信号进行小波分解，并获取心电信号片段的小波系数；
根据小波系数与设定阈值的比较结果滤除噪声信号；
对滤除后的心电信号进行小波重构，得到去噪后的心电信号；
对去噪后的心电信号通过波峰标记R波。
心电信号的产生机理和测量原理如下：心脏在收缩搏动之前，先产生电激动即生物电流，电流由心脏发出，经人体组织，血液，皮肤传到体表，由于身体表面不同位置与心脏之间的距离不一样，则在身体表面不同位置产生的电位变化也不相同，这就形成体表的电位差，由于心脏的收缩和舒张是周期性的，因此身体表面的电位也呈周期性变化，心电检测设备将在一段时间内记录因心脏收缩引起的体表电位周期性变化的情况。
在本实施例中，以AD8233模块为核心的心电信号采集传输模块，采用三导联方式，在AD8233的模块上有3.5mm数据传输口，将三个电极芯片分别贴在左臂、右臂和右腿处，采集这三处的电位信号。具体地，心电信号经导联电极、屏蔽线到心电信号采集传输模块，心电信号采集传输模块对心电信号进行数模转换、初步滤波处理后，通过有线或无线的传输方式将处理后的信号传输到存储端或显示端，以完成数据存储和心电图显示。
所述心电信号采集传输模块对采集到的微弱的体表电位信号进行放大、初步滤波处理后进行输出，能够较好地还原采集到的心电信号，并为后续操作提供高质量的心电信号。
在本实施例中，采集到心电信号后，通过蓝牙模块将心电信号传输至终端进行存储，以文件的形式进行保存，可以直接通过示波器进行心电信号的观察，也可以将心电信号导入matlab等软件中进行显示和处理。
完成心电信号的采集和传输后，结合MIT-BIT数据库对采集到的心电信号用小波变换的方式进行检测和分析。本实施例采用的标准心电图样本主要来自于physionet网站的标准心律失常数据库MIT-BIH，该数据库中共有48个心律失常心电图记录，总计约有110000多个心拍，MIT-BIH心率失常数据库存储了心电信号的原始数据，主要记录了心电信号的采样点和每个采样点对应的信号幅值；记录了心脏病医学专家对心电信号的诊断信息，包括心率、R波峰的位置和每个心电节拍的心律失常症状等。
首先使用MATLAB软件解读MIT-BIH数据库的数据，而后对解读的数据进行绘制，得到的波形即为心电图，这些心电图可用于心电信号去噪预处理和波形检测相关研究，也可用于后续的心率计算、心率变异性计算以及心律失常分类方面的研究。
由于心电信号本质上是非常微弱的电信号，而且其能量主要集中在低频范围，所以非常易于被周围的其它电信号污染，如静电、市电，甚至电磁辐射都容易对心电信号造成干扰，因此本实施例采用小波阈值算法对心电信号进行去噪处理，根据小波信号的原理，不仅可以对心电信号中噪声信号进行去除，还可以经过信号的伸展压缩来提取心电信号的特征信息，如QRS波群、RR间期等。
本实施例提取的是QRS波群(3Hz～40Hz)中的R波，所以设计频率范围为3Hz～40Hz的带通滤波器，用于滤除基线漂移干扰(1Hz)和工频干扰(50Hz或60Hz)；运用小波阈值算法对心电信号去噪，主要涉及小波基函数、分解层数、阈值等参数的设计。即本实施例采用带通滤波与小波阈值相结合的去噪方式，如图2所示，具体包括：
确定小波基函数：小波函数去噪效果跟主信号的特点密切相关，coif5小波基在心电信号去噪应用中效果最好，故本实施例采用coif5作为小波基。
确定分解层数：由于心电信号采样频率为360Hz，那么心电信号中包含的频率成份为[0,180]Hz，为了有效滤除低于1Hz的基线漂移干扰，本实施例对心电信号进行9尺度分解。
确定阈值：经小波分解后，获取心电信号片段的小波系数，有用信号的小波系数要明显大于噪声信号的小波系数。为了去除噪声信号，需要设定阈值，阈值作为区分有用信号与噪声信号的最优临界值，其计算方法直接决定了去噪效果的好坏。
阈值的确定过程包括：
将心电信号S映射到f(i)，映射过程为将心电信号中的每个元素的模从小到大排序，对序列中的每个心电信号求平方：
f(i)＝sort(|s|2))，(i＝0,1,2……N-1)；
将f(i)的第i个元素开方后与噪声标准差σ相乘，即得到阈值函数：
则该阈值产生的风险为：
那么无偏风险估计阈值为：
在本实施例中，将各尺度小波系数取绝对值与设定阈值进行对比后，滤除噪声信号。
在本实施例中，小波变换的计算相当于输入信号的滤波过程，根据小波滤波器的特点，为了避免计算结果溢出，本实施例对输入信号h(n)和g(n)进行归一化处理，使得处理后的信号不会超过原值；且采用相同的二进制位数表示输入和输出信号的整数部分，小波滤波系数的小数值转化为相同的二进制数，小波滤波系数经过反复测试，采用9位表示小数。
由于在电路中可以通过右移1位的方式计算x乘以1/2，所以本实施例采用移位和累加实现乘法，同时采用电路复用的方法，由同一组电路单元来实现，以节省单元门数，减小芯片面积。
为加快运算速度，电路采用流水线方式工作，即：把移位和累加运算分解为多级运算，输入信号在时钟的控制下依次进行各级的运算；例如，当输入x(i)完成移位后，进入加法运算级，此时下一个输入x(i+1)开始移位，而不必等待x(i)完成全部的移位和累加运算；这种工作方式不仅可以提高工作速度，而且使电路的利用率很高，即在每个时钟节拍内，各级的电路单元都在工作。
基于此，本实施例设计的小波变换电路结构部分具体为：
数字信号处理中使用的小波变换采取离散形式，其唯一变换式为：
其中，x(n)为输入信号序列；yh(k)和yg(k)是一对变换结果，此处不采用乘法，而采用移位和累加实现；h(n)和g(n)为小波基函数所构成的低通滤波器和高通滤波器，两者关系式：
g(n)＝(-1)nh(1-n)；
小波变换后在经过反变换可以完全恢复原信号值，公式如下：
x(n)＝∑kh(n-2k)*yh(k)+∑kg(n-2k)*yg(k)；
其中，低通滤波器h(n)的总和值为
高通滤波器g(n)的总和值为0。
在本实施例中，得到去噪后的心电信号后，采用差分法和阈值法相结合的算法检测R波；如图3所示，包括，
通过差分运算标记去噪后的心电信号中的波峰；具体为：对去噪后的心电信号进行一阶差分，通过一阶差分标记心电信号中所有的极值点和拐点；对心电信号进行二阶差分，通过二阶差分标记所有拐点中的极大值，即标记波峰；
设定R波间隔阈值；由于一般正常人的心率不会超过120次每分钟，心脏病患者的心率也不会超过155次每分钟，所以本实施例将R波间隔阈值设为55/155s；
设定峰值阈值，若待检波峰的波峰间隔大于R波间隔阈值，且波峰峰值大于峰值阈值，则标记波峰所在R波；
当检测完待测波峰后，动态调整峰值阈值，从而提高准确率。
在本实施例中，每个波峰的检测都是建立在前期所有波峰检测效果的基础上进行，同时结合波峰阈值条件，可以准确地检测出R波。
在本实施例中，针对去噪后的心电信号，还可以检测QRS波群，一个QRS波群持续时间一般<0.12s，由于MIT-BIH心电数据库采样频率为360Hz，所以一个QRS波群一般在45个采样点左右；因此，在本实施例中，首先检测R波找到R波峰的采样点位置，再分别选取R波峰前后各22个采样点，共计45个采样点作为心电样本，单个样本时长为0.125s；每个QRS波群由45个特征点组成，也可以理解为每个QRS波群为一组45维的特征向量，45维的特征向量可以反映出一个心跳节拍的形态特征。
在本实施例中，完成R波特征点的提取后，可以基于标记的R波计算RR间隔，根据检测的QRS波群，对QRS波群进行特征提取，提取瞬时RR间期和相对RR间期特征等；还可以根据相邻RR间隔时间和采样频率，得到瞬时心率；还可以根据累计采样时、累计R波数量和采样频率，得到平均心率；根据平均心率与瞬时心率的比较，反映心电信号的状态，比如心跳稳定性、心率变异性分析、心跳周期性、不规律性等。
实施例2
本实施例提供一种心电信号检测系统，包括：
采集模块，被配置为获取心电信号；
分解模块，被配置为确定小波基函数及分解层数，采用小波阈值算法对心电信号进行小波分解，并获取心电信号片段的小波系数；
过滤模块，被配置为根据小波系数与设定阈值的比较结果滤除噪声信号；
重构模块，被配置为对滤除后的心电信号进行小波重构，得到去噪后的心电信号；
标记模块，被配置为对去噪后的心电信号通过波峰标记R波。
此处需要说明的是，上述模块对应于实施例1中所述的步骤，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例1所公开的内容。需要说明的是，上述模块作为系统的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。
在本实施例中，所述采集模块以AD8233模块为核心，采用三导联方式，在AD8233的模块上有3.5mm数据传输口，将三个电极芯片分别贴在左臂、右臂和右腿处，采集这三处的电位变化。心电信号采集的过程是：心电信号经导联电极、屏蔽线到心电信号采集传输模块，心电信号采集传输模块对心电信号进行数模转换、滤波等处理后，通过有线或无线的传输方式将处理后的信号传输到存储端或显示端，最后完成数据存储和心电图显示。
所述采集模块在电源模块的稳定供电下，对采集到的微弱的体表电位信号进行放大、初步滤波处理后进行输出，能够较好地还原采集到的心电信号，并为后续操作提供高质量的心电信号。
如图4所示，所述采集模块包括主控芯片、蓝牙模块、电源模块、电源管理模块和导联电极；具体地：
所述主控芯片采用AD8233主控芯片，是一款用于心电信号及其他生物电测量应用的集成信号调理模块。该器件设计用于在具有运动或远程电极放置产生的噪声的情况下提取、放大及过滤微弱的生物电信号，该设计使得超低功耗模数转换器(ADC)或嵌入式微控制器能够轻松地采集输出信号；同时该芯片具有功率低、功能全、集成度高、信号质量高等特点。
所述电源模块采用YJ33电源模块，这主要取决于主控芯片的功耗。由于BMD101功耗低，所以选择YJ33电源芯片，该芯片输入电压在2.5V～5.5V之间，输出电压为固定的3.3V，最大输出电流为500mA，将YJ33的输出电压与AD8233的+VS端相连接，可为其提供稳定的电压输入。
所述电源管理模块采用BQ24072电源管理模块，此模块尺寸非常小(3mm*3mm)，可充电模式选择多，对电池的充电方式主要是使用专用电源适配器充电，因为在设计中预留无线充电接口，可以利用无线充电模块对锂电池充电。
所述蓝牙模块采用JDY-30蓝牙模块，JDY-30蓝牙模块基于蓝牙3.O协议标准，其传输通信频率为2.4GHz，采用无线通信方式，广泛应用于电子设备之间的短距离、高速数据传输。该模块兼容5V或3.3V MCU系统，连接方便，使用灵活。蓝牙模块自带状态指示灯，将模块通电后，指示灯会以约每秒1次的速度闪烁，当模块与其它设各配对成功后，指示灯会常亮。
在本实施例中，根据心电信号的产生机理和测量原理，设计胸贴式可穿戴心电采集传输终端，将采集的心电信号通过蓝牙传输到PC端，PC端可实时绘制动态心电信号波形图，同时能够准确显示瞬时心率、最近5个周期内的平均心率和相邻R波间隔，并保存生成txt格式心电数据文件，可由MATLAB读取和绘制，以供后续处理分析。
完成心电信号的采集和传输后，结合MIT-BIT数据库对采集到的心电信号用小波变换的方式进行检测和分析；具体地，打开心电信号采集传输终端的电源开关，待PC端蓝牙图标显示配对成功后，与采集端蓝牙连接成功后，PC端通过蓝牙协议接收到心电图信号，在绘图线程中实时动态绘制心电信号波形图，同时能够准确显示瞬时心率、最近5个周期内的平均心率和相邻R波间隔；此时点击“Record”按钮按钮，开始记录心电图数据；测试结束前点击“Save”按钮，保存生成txt格式心电数据文件；随后可将采集到的心电信号用matlab进行读取和绘制，将采集到的心电信号保存生成txt文件，并通过matlab进行读取和绘制，用于后续信号处理。
在更多实施例中，还提供：
一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成实施例1中所述的方法。为了简洁，在此不再赘述。
应理解，本实施例中，处理器可以是中央处理单元CPU，处理器还可以是其他通用处理器、数字信号处理器DSP、专用集成电路ASIC，现成可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如，存储器还可以存储设备类型的信息。
一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成实施例1中所述的方法。
实施例1中的方法可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。为避免重复，这里不再详细描述。
本领域普通技术人员可以意识到，结合本实施例描述的各示例的单元即算法步骤，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。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (10)
1.一种心电信号检测方法，其特征在于，包括：
获取心电信号；
确定小波基函数及分解层数，采用小波阈值算法对心电信号进行小波分解，并获取心电信号片段的小波系数；
根据小波系数与设定阈值的比较结果滤除噪声信号；
对滤除后的心电信号进行小波重构，得到去噪后的心电信号；
对去噪后的心电信号通过波峰标记R波。
2.如权利要求1所述的一种心电信号检测方法，其特征在于，所述设定阈值的过程包括：将心电信号中的每个元素的模从小到大排序后，对每个心电信号求平方，以完成心电信号的映射，对映射后的心电信号的每个元素开方后与噪声标准差相乘，得到阈值。
3.如权利要求1所述的一种心电信号检测方法，其特征在于，所述小波分解的过程包括，在小波分解的计算过程中，采用移位和累加运算替换乘法运算，且将移位和累加运算分解为多级运算，在时钟的控制下依次进行各级运算，即在每个时钟节拍内，各级的电路单元都在运算。
4.如权利要求1所述的一种心电信号检测方法，其特征在于，标记R波的过程包括：
采用差分运算标记去噪后的心电信号中的波峰；
设定R波间隔阈值和峰值阈值；
若待检波峰的波峰间隔大于R波间隔阈值，且波峰峰值大于峰值阈值，则标记波峰所在R波。
5.如权利要求4所述的一种心电信号检测方法，其特征在于，采用差分运算标记去噪后的心电信号中的波峰的过程包括：对去噪后的心电信号进行一阶差分，通过一阶差分标记极值点和拐点；对去噪后的心电信号进行二阶差分，通过二阶差分标记拐点中的极大值，即标记波峰。
6.如权利要求4所述的一种心电信号检测方法，其特征在于，对待检波峰检测完成后，动态调整峰值阈值。
7.如权利要求1所述的一种心电信号检测方法，其特征在于，所述小波基函数采用coif5小波基，所述分解层数设置为9尺度分解，以滤除基线漂移干扰。
8.一种心电信号检测系统，其特征在于，包括：
采集模块，被配置为获取心电信号；
分解模块，被配置为确定小波基函数及分解层数，采用小波阈值算法对心电信号进行小波分解，并获取心电信号片段的小波系数；
过滤模块，被配置为根据小波系数与设定阈值的比较结果滤除噪声信号；
重构模块，被配置为对滤除后的心电信号进行小波重构，得到去噪后的心电信号；
标记模块，被配置为对去噪后的心电信号通过波峰标记R波。
9.一种电子设备，其特征在于，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，用于存储计算机指令，所述计算机指令被处理器执行时，完成权利要求1-7任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111532430.4A CN114271830A (zh) | 2021-12-15 | 2021-12-15 | 一种心电信号检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111532430.4A CN114271830A (zh) | 2021-12-15 | 2021-12-15 | 一种心电信号检测方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114271830A true CN114271830A (zh) | 2022-04-05 |
Family
ID=80872298
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111532430.4A Pending CN114271830A (zh) | 2021-12-15 | 2021-12-15 | 一种心电信号检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114271830A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116407132A (zh) * | 2023-04-17 | 2023-07-11 | 曦成半导体技术(上海)有限公司 | 一种r波定位方法及基于r波的q、s、t波定位方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108830255A (zh) * | 2018-06-29 | 2018-11-16 | 江苏师范大学 | 一种基于小波去噪心电信号的r峰识别方法 |
| CN108888258A (zh) * | 2018-05-18 | 2018-11-27 | 中国科学院半导体研究所 | 一种应用于穿戴式设备的心电信号特征区域检测方法 |
| CN109009086A (zh) * | 2018-07-06 | 2018-12-18 | 四川斐讯信息技术有限公司 | 一种心电信号r波检测方法及系统 |
| CN109907752A (zh) * | 2019-03-04 | 2019-06-21 | 王量弘 | 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方法及系统 |
-
2021
- 2021-12-15 CN CN202111532430.4A patent/CN114271830A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108888258A (zh) * | 2018-05-18 | 2018-11-27 | 中国科学院半导体研究所 | 一种应用于穿戴式设备的心电信号特征区域检测方法 |
| CN108830255A (zh) * | 2018-06-29 | 2018-11-16 | 江苏师范大学 | 一种基于小波去噪心电信号的r峰识别方法 |
| CN109009086A (zh) * | 2018-07-06 | 2018-12-18 | 四川斐讯信息技术有限公司 | 一种心电信号r波检测方法及系统 |
| CN109907752A (zh) * | 2019-03-04 | 2019-06-21 | 王量弘 | 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方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 苏腾: "心电信号降噪和QRS波识别方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 3, 15 March 2020 (2020-03-15), pages 1 - 59 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116407132A (zh) * | 2023-04-17 | 2023-07-11 | 曦成半导体技术(上海)有限公司 | 一种r波定位方法及基于r波的q、s、t波定位方法 |
| CN116407132B (zh) * | 2023-04-17 | 2024-05-14 | 曦成半导体技术(上海)有限公司 | 一种r波定位方法及基于r波的q、s、t波定位方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9294074B2 (en) | Physiological signal denoising | |
| AU2011377642B2 (en) | Physiological signal denoising | |
| Hou et al. | A real-time QRS detection method based on phase portraits and box-scoring calculation | |
| US20130338518A1 (en) | Real Time QRS Duration Measurement in Electrocardiogram | |
| CN104173043A (zh) | 一种适合于移动平台的心电数据分析方法 | |
| Al-Ani | ECG waveform classification based on P-QRS-T wave recognition | |
| CN101919704A (zh) | 一种心音信号定位、分段方法 | |
| CN113317794A (zh) | 一种生命体征分析方法与系统 | |
| Kanna et al. | Automated defective ECG signal detection using MATLAB applications | |
| CN114271830A (zh) | 一种心电信号检测方法及系统 | |
| Elbuni et al. | ECG parameter extraction algorithm using (DWTAE) algorithm | |
| US9474460B2 (en) | Non-invasive evaluation of cardiac repolarisation instability for risk stratification of sudden cardiac death | |
| Crema et al. | Efficient R-peak detection algorithm for real-time analysis of ECG in portable devices | |
| Izumi et al. | A 14 µA ECG processor with robust heart rate monitor for a wearable healthcare system | |
| Murthy et al. | ECG signal denoising and ischemic event feature extraction using Daubechies wavelets | |
| CN116369888A (zh) | 一种非接触式心率变异性数据获取方法和装置 | |
| Hegde et al. | A review on ECG signal processing and HRV analysis | |
| JP2023035888A (ja) | 無線レーダー信号に基づいて心拍データを抽出するための装置及び方法 | |
| CN114145725A (zh) | 一种基于无创连续血压测量的ppg采样率估算方法 | |
| McSharry et al. | A comparison of nonlinear noise reduction and independent component analysis using a realistic dynamical model of the electrocardiogram | |
| McCallan et al. | Wearable Technology: Signal Recovery of Electrocardiogram from Short Spaced Leads in the Far-Field Using Discrete Wavelet Transform Based Techniques | |
| Chan et al. | ECG parameter extractor of intelligent home healthcare embedded system | |
| Allami et al. | ECG reduction for wearable sensor | |
| Zhou et al. | MP-based method on detecting and eliminating the synchronous ECG artifacts in the EEG signals | |
| Srinagesh et al. | ECG wireless telemetry |
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 |