CN1309344C - 应用于心磁噪声抑制的自适应数字滤波方法 - Google Patents
应用于心磁噪声抑制的自适应数字滤波方法 Download PDFInfo
- Publication number
- CN1309344C CN1309344C CNB2004100888724A CN200410088872A CN1309344C CN 1309344 C CN1309344 C CN 1309344C CN B2004100888724 A CNB2004100888724 A CN B2004100888724A CN 200410088872 A CN200410088872 A CN 200410088872A CN 1309344 C CN1309344 C CN 1309344C
- Authority
- CN
- China
- Prior art keywords
- signals
- heart
- filtering method
- digital filtering
- self
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开了一种应用于心磁噪声抑制的自适应数字滤波方法,该方法包括如下步骤:1)利用多通道同步数据采集将要处理的人体心脏信号、背景噪声和心电信号进行采集和存储;2)利用最小均方算法对步骤1)中的数据进行自适应处理,提取被测人体的心磁信号;3)用同步心电信号作为时间基准作周期平均,得到一个心率周期的心磁波形。本发明利用数据递归正规最小均方算法将其长度进行倍数扩展,而同时又不引入其它噪声影响的前提下对采集数据进行自适应处理,得到较高的信噪比,使心磁信号得到很好的恢复。该算法结构简单,频带宽,噪声抑制比较高,运行速度快,在合理选择参数的情况下收敛速度较快,适合心磁信号数据长度有限的特点。
Description
技术领域
本发明涉及一种用于多通道同步数据采集中噪声抑制的数字滤波方法,特别是基于自适应算法的数字滤波方法,主要应用于多通道相关噪声的抑制和消除。
背景技术
将淹没造环境噪声中的信号提取和恢复是通讯和系统辨识中信号处理的最基本目的。近年来,越来越多的注意力集中在这些领域的数字信息处理,自适应滤波由于其具有时变性和自适应性等特点成为一种适用性广、发展迅速的信号处理的有效工具。
在心磁噪声抑制中,低通滤波器只能让绝大部分有用的频率信号留下,其余全去掉,但这样会使恢复后的信号丢失一部分有用信息;而使用梯度计也存在一些缺点,如通道间参数固定,不能随噪声的时变情况自动调整。这些尤其对于噪声通道中含有微弱信号是极其不利的,而且梯度计对于非相关噪声也无能为力。
发明内容
针对上述存在的问题,本发明的目的在于提供一种应用于心磁噪声抑制的自适应数字滤波方法,该方法克服和弥补了低通滤波和梯度计在噪声抑制中的缺陷和不足,充分发挥自适应滤波的学习功能和参数自我调整功能,使淹没在噪声中的微弱信号进行提取和恢复。
为实现上述目的,本发明提供的一种应用于心磁噪声抑制的自适应数字滤波方法包括如下步骤:
1)利用多通道同步数据采集将要处理的人体心磁信号、背景噪声和心电信号进行采集和存储(被测对象和SQUID(超导量子介入)探头在空间剩磁指标达20nT的零磁空间中);
2)利用最小均方(data-reusing NLMS)算法对步骤1)中的数据进行自适应处理,提取被测人体的心磁信号;
3)用同步心电信号作为时间基准作周期平均,得到一个心率周期的心磁波形。
进一步地,所述多通道包括心磁通道、参考通道和心电通道。
进一步地,所述多通道同步数据采集包括心磁信号、参考信号和心电信号的采集,所述心磁信号、参考信号和心电信号分别通过所述心磁通道、参考通道和心电通道采集。
进一步地,所述心磁信号由距离被测人体心脏很近的第一超导量子介入探头测得,所述参考信号由距离第一超导量子介入探头距离8~12cm的第二超导量子介入探头采集,所述心电信号由心电图仪在人体上的接触电极采集。
进一步地,所述自适应处理包括如下步骤:
1)根据归一化自适应常数选择步长因子;
2)所述第一超导量子介入探头和第二超导量子介入探头采集的心磁信号和参考信号通过自适应滤波器进行自适应处理;
3)将经过自适应滤波器处理后得到的信号进行3~5次重置。
进一步地,将所述自适应处理后提取的心磁信号,用同步采集的心电信号作为时间基准,对其作30个周期的几何平均,得到一个心率周期的心磁波形。
本发明用数据递归正规最小均方(data-reusing NLMS)算法即依据被处理信号的特点将其长度进行倍数扩展,而同时又不引入其它噪声影响的前提下对采集数据进行自适应处理,得到较高的信噪比,使心磁信号得到很好的恢复,同时用同步采集的心电信号作为时间基准进行30个周期平均得到一个心率周期的心磁波形。该算法结构简单,频带宽,噪声抑制比较高,运行速度快,在合理选择参数的情况下收敛速度较快,适合心磁信号数据长度有限的特点。
附图说明
图1为自适应算法应用于噪声抑制的算法结构框图;
图2为算法数据调试流程图;
图3为本发明中算法应用于相关噪声的数值模拟结果;
图4为本发明算法的噪声抑制比;
图5为多通道数据采集心磁实验流程图;
图6为自适应处理前后的结果比较;
图7为对两个通道均是采集噪声的自适应处理结果;
图8为自适应处理后提取的心磁信号。
具体实施方式:
本发明利用数据递归正规最小均方算法对多通道数据采集的结果进行自适应去除噪声处理,即在没有改变噪声环境的情况下,将一有限长序列扩展到任意长度,以适合于应用自适应处理的要求。例如将其应用于心磁环境噪声的消除,通过时域波形和频谱分析,可以很好的恢复淹没在背景噪声中的微弱心磁信号。自适应处理后的结果又利用同步采集的心电信号作为时间基准,进行30个周期的平均,得到一个心率周期的波形。下面对此过程作具体描述。
图1为自适应算法应用于噪声抑制的算法结构框图,其计算公式如下:
y(k)=WT(k)X(k), (1)
e(k)=d(k)-y(k), (2)
W(k+1)=W(k)+μ(k)X(k)e(k), (3)
其中X(k)=[xk-1,xk-2,...,xk-M+1]T是参考向量,T代表转置,M是滤波器带宽,依赖于采样频率和被处理信号的带宽,W(k)=[wk,wk-1,...,wk-M+1]T是滤波器权重矢量,其中wk-i(i=0,1,...,M-1)是矢量元,μ(k)是k时刻的步长。在方程(4)中α是归一化的自适应常数,γ是一个非常小的整数,防止当XT(k)X(k)=0时方程(4)会发散。方程(3)表明滤波器更新权重值W(k+1)取决于W(k)、μ(k)、e(k)和X(k)。当α和γ选择不合适时,滤波器不能很好工作甚至发散。信号通道和参考通道分别用两个高温SQUID探头测得,其中测量参考通道的SQUID距离被测人体心脏较远,认为是背景噪声,而距离人体较近的SQUID探头测得的数据中既包含背景噪声有含有心磁信号,而这两个SQUID探头是在同样的环境中,因此两个通道中环境噪声分量是相关的,满足自适应滤波的要求。而两个探头的本征噪声是非相关的,因为实际采集的心磁信号具有短时平稳的特点,为了实现自适应滤波处理的要求,本发明将有限长的数据序列在实际处理时进行多次重置,相当于把序列长度进行整数倍的扩充。
图2为算法数据调试流程图,包括选择合适的步长因子和数据重置次数、带宽实验和有时间延迟和幅值变化的噪声抑制效果、不同频率的噪声抑制效果等几个方面。具体过程为:首先最重要的是选择合适的步长,即取决于(4)式中的归一化自适应常数α,而γ是一个非常小的整数,防止当XT(k)X(k)=0时方程(4)会发散,我们取为10-10,α取0.006,此时参考通道和自适应滤波器输出更新值之间的均方误差最小,因而收敛最快。由于实际采集数据的有限性,我们选取较短的一个序列进行处理,发现虽然收敛,但输出误差幅值逐渐减小,为了充分展现自适应滤波的优势,我们将数据进行多次重置,直到输出误差达到等幅状态,也就是选择合适的重置次数,一般在3~5次即可。为了检验本发明中设计的滤波器的去噪效果,将不同幅值和时间延迟的噪声迭加在一起作为背景噪声迭加到正旋信号中,由图2可以看出,利用本发明所述的算法信号得到了很好的恢复,而且从滤波器的权重参数可以反映出幅值和时间延迟的实际情况。同时通过改变输入信号的频率,来看输出噪声抑制情况,发现在带宽范围内,噪声抑制比均可以达到7~8。
图3为算法应用于相关噪声的数值模拟结果。可以看出,尤其对于有幅值变化和时间延迟或超前的相关噪声有很强的抑制作用。将不同频率的正弦信号与随机噪声迭加,利用本发明算法进行处理,发现0.1Hz~300Hz内的信号均可以很好的恢复。
噪声抑制比是去除噪声本领的一个重要指标。从图4可以看出,本发明所述的算法无论输入信噪比如何,均有比较好的输出信噪比,即噪声抑制效果好。
图5为多通道数据采集心磁流程图。心磁信号、参考信号和心电信号分别通过心磁通道1、参考通道2和心电通道3采集。心磁通道1的数据由距离被测对象(人体心脏)很近的第一SQUID探头测得,参考通道2数据的SQUID探头距离第一SQUID探头距离约10cm,心电通道3的心电信号由心电图仪在人体上的接触电极采集。该过程是:首先安装SQUID探头并将其放在液氮杜瓦中冷却,待一段时间后,用SQUID电子学检测其是否正常工作,如果不能找出原因并排除后,检测数据采集系统是否正常工作,一切正常后正式采集数据,测得的数据经过16位的数据采集卡,即包括可编程逻辑阵列(PGA)、三个并行的采样/保持电路(S/H)、模拟开关、模拟/数字转换器和静态随机存储器,最后数据经过数据总线传输到计算机进行存储和处理;通过检验和调整自适应滤波器的参数设置后,将其应用于实际采集的心磁信号处理。图6中显示了自适应处理前后的结果比较,可以看到心磁信号得到了很好的恢复。
图7是对两个通道均是采集噪声的自适应处理结果。可以看出相关分量已去除,非相关分量也有一定的抑制,这是自适应滤波优于梯度计之处。
图8是自适应处理后提取的心磁信号。用同步采集的心电信号作为时间基准,对其作30个周期的几何平均得到一个心率周期的心磁波形,进一步将噪声降低,达到了很好的效果。
Claims (6)
1、一种应用于心磁噪声抑制的自适应数字滤波方法,其特征在于,包括如下步骤:
1)利用多通道同步数据采集将要处理的人体心磁信号、背景噪声和心电信号进行采集和存储;
2)利用最小均方算法对步骤1)中的数据进行自适应处理,提取被测人体的心磁信号;
3)用同步心电信号作为时间基准作周期平均,得到一个心率周期的心磁波形。
2、根据权利要求1所述的一种应用于心磁噪声抑制的自适应数字滤波方法,其特征在于,所述多通道包括心磁通道、参考通道和心电通道。
3、根据权利要求2所述的一种应用于心磁噪声抑制的自适应数字滤波方法,其特征在于,所述多通道同步数据采集包括心磁信号、参考信号和心电信号的采集,所述心磁信号、参考信号和心电信号分别通过所述心磁通道、参考通道和心电通道采集。
4、根据权利要求3所述的一种应用于心磁噪声抑制的自适应数字滤波方法,其特征在于,所述心磁信号由距离被测人体心脏很近的第一超导量子介入探头测得,所述参考信号由距离第一超导量子介入探头距离8~12cm的第二超导量子介入探头采集,所述心电信号由心电图仪在人体上的接触电极采集。
5、根据权利要求4所述的一种应用于心磁噪声抑制的自适应数字滤波方法,其特征在于,所述自适应处理包括如下步骤:
1)根据归一化自适应常数选择步长因子;
2)所述第一超导量子介入探头和第二超导量子介入探头采集的心磁信号和参考信号通过自适应滤波器进行自适应处理;
3)将经过自适应滤波器处理后得到的信号进行3~5次重置。
6、根据权利要求5所述的一种应用于心磁噪声抑制的自适应数字滤波方法,其特征在于,将所述自适应处理后提取的心磁信号,用同步采集的心电信号作为时间基准,对其作30个周期的几何平均,得到一个心率周期的心磁波形。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2004100888724A CN1309344C (zh) | 2004-11-08 | 2004-11-08 | 应用于心磁噪声抑制的自适应数字滤波方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2004100888724A CN1309344C (zh) | 2004-11-08 | 2004-11-08 | 应用于心磁噪声抑制的自适应数字滤波方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1608581A CN1608581A (zh) | 2005-04-27 |
CN1309344C true CN1309344C (zh) | 2007-04-11 |
Family
ID=34766119
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB2004100888724A Expired - Fee Related CN1309344C (zh) | 2004-11-08 | 2004-11-08 | 应用于心磁噪声抑制的自适应数字滤波方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN1309344C (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101615538B (zh) * | 2008-06-27 | 2013-01-30 | 上海亿盟电气自动化技术有限公司 | 一种脱扣器滤波方法 |
EP2549926A1 (en) * | 2010-03-23 | 2013-01-30 | Koninklijke Philips Electronics N.V. | Interference reduction in monitoring a vital parameter of a patient |
CN102988041B (zh) * | 2012-11-16 | 2018-04-06 | 中国科学院上海微系统与信息技术研究所 | 心磁信号噪声抑制中的信号选择性平均方法 |
CN105748067B (zh) * | 2016-02-05 | 2018-11-13 | 电子科技大学 | 一种基于随机梯度自适应滤波的诱发脑电提取方法 |
WO2017136929A1 (en) * | 2016-02-08 | 2017-08-17 | Nuralogix Corporation | Deception detection system and method |
CN106691376B (zh) * | 2016-11-30 | 2019-05-28 | 深圳市科曼医疗设备有限公司 | 心电信号自适应滤波方法及装置 |
CN107550484B (zh) * | 2017-09-28 | 2020-02-07 | 漫迪医疗仪器(上海)有限公司 | 一种心磁信号质量评价方法及系统 |
CN115097361A (zh) * | 2022-06-20 | 2022-09-23 | 中国舰船研究设计中心 | 一种基于双传感器的自适应空间磁场环境噪声抑制方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4793361A (en) * | 1987-03-13 | 1988-12-27 | Cardiac Pacemakers, Inc. | Dual channel P-wave detection in surface electrocardiographs |
US5768392A (en) * | 1996-04-16 | 1998-06-16 | Aura Systems Inc. | Blind adaptive filtering of unknown signals in unknown noise in quasi-closed loop system |
US6230037B1 (en) * | 1997-03-07 | 2001-05-08 | Hitachi, Ltd. | Biomagnetic field measuring method and apparatus |
US6487295B1 (en) * | 1998-09-25 | 2002-11-26 | Ortivus Ab | Adaptive filtering system and method |
CN1471374A (zh) * | 2000-08-29 | 2004-01-28 | 心磁图检查中的局部缺血识别、量化和局部定位 |
-
2004
- 2004-11-08 CN CNB2004100888724A patent/CN1309344C/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4793361A (en) * | 1987-03-13 | 1988-12-27 | Cardiac Pacemakers, Inc. | Dual channel P-wave detection in surface electrocardiographs |
US5768392A (en) * | 1996-04-16 | 1998-06-16 | Aura Systems Inc. | Blind adaptive filtering of unknown signals in unknown noise in quasi-closed loop system |
US6230037B1 (en) * | 1997-03-07 | 2001-05-08 | Hitachi, Ltd. | Biomagnetic field measuring method and apparatus |
US6487295B1 (en) * | 1998-09-25 | 2002-11-26 | Ortivus Ab | Adaptive filtering system and method |
CN1471374A (zh) * | 2000-08-29 | 2004-01-28 | 心磁图检查中的局部缺血识别、量化和局部定位 |
Also Published As
Publication number | Publication date |
---|---|
CN1608581A (zh) | 2005-04-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Accardo et al. | Use of the fractal dimension for the analysis of electroencephalographic time series | |
CN1309344C (zh) | 应用于心磁噪声抑制的自适应数字滤波方法 | |
CN102928517A (zh) | 一种基于小波分解阈值去噪的瓷绝缘子振动声学检测数据降噪的方法 | |
CN108764073B (zh) | 一种结合频谱能量形态拟合的加速度滤噪和积分方法 | |
CN106580307A (zh) | 心电图的质量判断方法及质量判断系统 | |
CN110320040A (zh) | 一种基于iitd和amckd的滚动轴承故障特征提取方法 | |
CN114199364A (zh) | 一种航空发动机的振动监测系统 | |
CN111881594A (zh) | 一种核动力设备的非平稳信号状态监测方法及系统 | |
Almalchy et al. | Noise removal from ECG signal based on filtering techniques | |
CN112945546A (zh) | 一种齿轮箱复杂故障精确诊断方法 | |
Bayasi et al. | 65-nm ASIC implementation of QRS detector based on Pan and Tompkins algorithm | |
CN112861328B (zh) | 一种基于随机响应信号的发电机阻尼评估装置及方法 | |
Islam et al. | Performance study of adaptive filtering algorithms for noise cancellation of ECG signal | |
Weiting et al. | An improved self-adaptive filter based on LMS algorithm for filtering 50Hz interference in ECG signals | |
CN117310407A (zh) | 基于波形相关系数的换流变压器12脉动干扰抑制方法和装置 | |
CN112611783A (zh) | 一种接地网检测信号滤波方法 | |
CN111380680A (zh) | 一种基于改进排列熵的单向阀故障特征提取方法 | |
CN115014765B (zh) | 一种通过声信号提取滚动轴承保持架故障特征的方法 | |
Secic et al. | On the novel approach to the On Load Tap Changer (OLTC) diagnostics based on the observation of fractal properties of recorded vibration fingerprints | |
Zhang et al. | Research on threshold denoising method of mining machinery | |
Kan et al. | A cascade filter for pulse wave baseline drift elimination | |
Das et al. | On an algorithm for detection of QRS complexes in noisy electrocardiogram signal | |
Xu et al. | Research on partial discharge de-noising for transformer based on synchro-squeezed continuous wavelet transform | |
CN115067943B (zh) | 一种基于脑波信号的专注度提取方法及其系统 | |
CN110598617B (zh) | 煤矿安全监控系统瓦斯异常数据辨识与重构方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20070411 Termination date: 20141108 |
|
EXPY | Termination of patent right or utility model |