摘 要

当今社会人们生活水平不断提高，然而心脏病的发病率逐年增高，所以我们希望研究心电信号提高对心脏的检测，预防疾病。诊断心脏疾病的前提是对心电信号进行正确的预处理和特征提取。本文系统地综述了心电信号预处理及ＱＲＳ波群以及Ｐ、Ｒ、Ｔ波检测的研究现状,并且对这些波形进行了检测。

论文介绍了心电信号的特点以及组成部分和受到的噪声，心电信号信噪比低,信号微弱,容易受到外界的影响,采集到的信号都有基线漂移、工频干扰、肌电干扰等噪声干扰。各个噪声具有不同的特点，我们对它们采用不同的方式进行处理，本次论文利用matlab实现，采用MIT-BIH数据库读取心电信号。此次实验主要使用小波变换方法对心电信号进行降噪处理和特征提取。特征提取拟采取连续小波变换的QRS波识别算法，利用连续小波变换分别检测P波、R波、T波。其次我还利用了差分定位法来检测QRS波，与小波变换进行对比。效果上基本实现了P波、QRS波群、R波峰值、T波的检测，但是对P波、T波的检测效果不佳，还有待于进一步的改进。

关键词：小波变换；心电信号；降噪；心电特征提取；差分定位法

Abstract

In today's society, people's living standards are constantly improving. However, the incidence of heart disease is increasing year by year.The precondition of diagnosis of heart disease is correct pretreatment and feature extraction.This paper systematically reviews the research status of pretreatment of ecg signal, QRS wave group, P, R and T wave detection, and detects these waveforms.

Paper introduces the features of ecg signal and the noise of the component and, ecg signal SNR is low, the signal is weak, easily affected by the outside world, have to the collected signals, baseline drift, power frequency interference, myoelectricity interference noise, etc.Different noises have different characteristics and we treat them in different ways.This paper uses matlab and uses MIT-BIH database to read ecg signals.In this experiment, wavelet transform is used to reduce the noise and extract the features of ecg signals.QRS wave recognition algorithm of continuous wavelet transform is proposed for feature extraction, and P, R and T waves are respectively detected by continuous wavelet transform.Secondly, I also use differential positioning method to detect QRS waves and compare them with wavelet transform.In effect, the detection of P wave, QRS wave group, R wave peak value and T wave is basically realized, but the detection effect of P wave and T wave is not good, and further improvement is needed.

Key Words：The wavelet transform；Ecg signal；The noise reduction；Ecg signal feature extraction；Differential location method.

目录

第1章 绪论 1

1.1 研究背景与意义 1

1.2 国内外研究现状 1

1.2.1 心电信号预处理研究现状 1

1.2.2 心电信号特征提取研究现状 2

1.3论文研究主要内容及结构安排 3

第2章 心电信号简介 5

2.1 心电信号特点 5

2.1.1 心电信号波形及其意义 5

2.1.2 心电信号特点 6

2.2 心电信号噪声介绍 7

2.3 MIT-BIH数据库介绍 7

第三章 心电信号预处理 9

3.1 心电信号去噪 9

3.2 小波变换介绍 12

3.3心电信号预处理结果与分析 12

第四章 心电信号特征提取 14

4.1差分定位法 14

4.2小波变换法 16

第五章 总结与展望 21

5.1 工作总结 21

5.2 展望 21

参考文献 22

致 谢 23

第1章 绪论

1.1 研究背景与意义

近年来人们生活水平不断提高，人们对自身的健康更加重视，伴随着的是逐年升高的心血管疾病。据统计，每年由于心脏病死亡的人数占到了总死亡人数的三分之一^[1]。在我国以前是老年人多发的疾病，但是现在心脏病高危人群正在从老年人向中年男性转移，每年的总死亡人数有40%多是死于心血管疾病^[5]。但是心血管疾病的提前预防和治疗都是非常难实现的，这是因为心血管疾病发病时期不规律，发病现象比较隐蔽^[2]。心电信号一些特征要素包含着心脏节律和丰富的生理病理信息,客观反映心脏的生理状况这些要素包括频率、振幅、相位、斜率、时间宽度等,但是心电信号比较微弱,而且幅值低，容易受到仪器、人体等方面的影响,所以常有比较强的噪声在采集心电信号时混入^[3]。因此为了得到更加准确的信息为临床上诊断提供有利帮助,在判断心电信号前,必须先对心电信号去噪处理及其特征波形的检测而且去噪时要快速且不失真的^[4]。对心血管疾病进行研究和诊断不可缺少的手段就是心电图检测^[5]。

目前用于诊断心脏疾病的主要技术是心电图检测。ECG 对心脏病尽心检测是临床上最重要的手段，因为它诊断可靠、方法简单，各种医疗手术都利用它辅助^[6]。依本次设计的研究内容，本文针对目前现有心电信号预处理、心电波形分析识别的方法进行研究改进，对心电信号的算法研究主要包括心电信号预处理、波形检测、波形定位，目的在于让计算机智能分析的准确率和实用性得以提高，高效并且准确的对异常心电波形分类^[7]。

1.2 国内外研究现状

1.2.1 心电信号预处理研究现状

心电信号的幅值为10μv-5mv,它是强噪声背景下的微弱信号，在体表采集的信号主要受到三种干扰，其中包括包括工频干扰、基线漂移、肌电干扰。心电信号预处理主要是要滤除这三种噪声对心电信号的干扰^[8]。心电图预处理技术主要是指对心电信号进行去噪的各种方法，大致可以分为几种经典的数字滤波器技术如比较成熟的现代信号处理方法和数字滤波方法、自适应滤波器技术、小波变换、数学形态学、神经网络及独立分量分析^[9]。其中,常用截止频率是固定的方法有IIR和FIR数字滤波器的，其滤波作用很有可能因为噪声频率波动截至频率不变而无法实现。自适应滤波技术可以自动的调节通过比较噪声频率的变化，来逐步逼近最优值从而可以对传统滤波器进行补充^[10]。近年来，对信号滤波方面越来越广泛采用逐渐更新完善的小波变换理论方法^[11]。小波变换阈值去噪法,是根据信号与噪声不同的频谱特性这一特点滤波。利用在不同的分解尺度下模极值的传播特性不同，小波变换模极值去噪法利用这一特性进而对信号滤波^[12]。在应用小波变换对心电信号降噪的过程中心电特征波形的波峰值出现一定程度衰减，虽然可以去除噪声，但也去掉了很多有用信息^[13]。随后选择小波基函数的新方法出现了，较好地解决了这个问题。心电图各波段中S-T波段受降噪过程影响比较大，为此在小波变换的基础上提出了自适应滤波器，不仅保证去噪效果，而且避免了这个问题^[14]。在提升小波心电信号去噪算法研究的基础上，提出了一种算法简单，能够很好的去除噪声的离散提升小波的去噪算法，同时具有完成识别其波形特征的能力^[15]。

1.2.2 心电信号特征提取研究现状

目前有很多利用信号波形本身在时域和频域中不同的特征波形的特点进行识别的波形检测技术。 QRS 波群、P、T 各波形及关键点的检测是特征识别主要检测的波形。其中QRS 波群是心电信号中最主要的的特征波。QRS 波群的识别在心电信号的分析、处理和特征信息提取中是最关键的^[16]。到目前为止，已经有很多种用于 QRS 波群的识别的方法，心电识别算法主要集中在滤波器组法、神经网络、模板匹配法、小波分析和形态学运算等方面^[17]。检测 QRS 波峰值的研究在带通滤波器上使用可变阈值的方法已经相对成熟。心电信号 QRS 复合波进行检测也可以采用一种小波变换，用二次样条函数作为母小波函数，利用三阶样条小波对心电信号进行小波变换，对 QRS 波群的识别可以根据原始信号的奇异点与其小波变换后各阶小波系数模极大值对以及零交叉点之间相应的关系实现^[17]。由于心脏病理特征不能完全用其心电波形的特征参数来描述所以可以采用图像识别的技术，将心电图波形作为研究对象，利用该技术对 QRS 波进行检测。对于这一技术具体的算法包括基于数学模型的检测方法和基于形态学的检测方法，但这些算法也有很多缺点比如算法复杂，运算量巨大，处理速度慢，而且很容易受到噪声干扰，因此不适合实际应用。