CN103405227B - 基于双层形态学滤波的心电信号预处理方法 - Google Patents

Abstract

本发明公开一种基于双层形态学滤波的心电信号预处理方法，其特征在于按照以下步骤进行：步骤1：利用三角型结构元素构建的第一层形态滤波器对原始心电信号f₀进行处理获得初次滤波信号f₁；步骤2：利用直线型结构元素构建的第二层形态滤波器对所述初次滤波信号f₁进行处理获得二次滤波信号f₂；步骤3：将步骤1获得的初次滤波信号f₁与步骤2获得的二次滤波信号f₂作差，获得预处理后的心电信号f₃。其显著效果是：利用两层形态滤波器对心电信号进行处理，在保留心电信号有用特征的基础上，准确获取心电信号中的基线漂移，通过作差将其有效去除，有助于提高后续处理时检测R波的准确率。

Description

基于双层形态学滤波的心电信号预处理方法

技术领域

本发明属于生物医学信号处理技术，尤其涉及一种基于双层形态学滤波的心电信号预处理方法。

背景技术

生物医学信号处理是近年来信号处理领域研究的一个热点，心电（ECG，Electrocardiogram）诊断技术自十九世纪诞生以来，已经发展成为一门专业学科，而对ECG信号的采集、处理、存储、传输、远程实时监控及自动诊断等方面更是当今的研究重点。

心电图是通过心电描记术从体表引出多种形式的电位变化图形，是临床了解心脏功能状况、辅助诊断心血管疾病、评估各种治疗方法的重要手段。

如图1所示，典型的心电图主要包括以下几部分：

P波，在QRS波之前，前半部分主要为右心房的电活动，后半部分主要为左心房的电活动；QRS波群代表电激动通过心室肌；T波代表心室的复极过程，波形比较宽且圆钝；不同的波形反应出不同的生理性能。但是在心电信号采集和处理过程中，常常由于人体运动和外部环境刺激，内部器官受到影响，造成心电信号被噪声所干扰，给后续处理带来困难。

常见的心电噪声包括以下几种类型：

（1）工频干扰：由电力系统及其他设备产生的固定频率的干扰。该干扰的频率为50/60Hz及其谐波，幅值最高可占到ECG峰值的50%，对心电信号的影响较大。受到工频干扰的心电信号特征，表现为心电图与正弦波相叠加。

（2）基线漂移：由被测对象的呼吸、电极移动等低频干扰所引起。其频率小于5Hz，受到基线漂移干扰的心电信号特征，其表现为心电信号与呼吸信号同频率的正弦分量的叠加。

（3）肌电干扰：由人体活动或肌肉收缩等刺激所引起的干扰。其频率在5-2000Hz之间，属高频干扰，受到肌电干扰的心电表现为不规则的快速变化波形。

心电信号具有信号微弱、信噪比低、易受环境影响等特点，通常情况下，幅度范围为50微伏至50毫伏，而频率90%集中在0.5～35Hz。心电信号波形直接关系到后续进行心电参数测量、特征识别和病情诊断评估等相关应用，而其中的噪声极易导致心电信号波形畸变。因此心电信号预处理过程中去除噪声干扰显得尤为重要，是心电信号处理的必需步骤。

现有技术中，往往采用硬件电路来完成噪声去除，但去除噪声的种类和能力有限。随着现代数字信号理论的提出及发展，使得软件滤波器去除心电噪声成为可能。现将数字信号处理心电噪声移除方法大致分类如下：

（1）FIR和IIR滤波器：该类数字滤波器可设定某一频率的干 扰滤除，适合对工频干扰作处理。但工频干扰一旦发生波动就不能发挥陷波器作用，且去除与ECG信号同频率范围的加性噪声效果不好；

（2）曲线拟合的方法：利用多项式拟合估计出基线漂移的曲线，再从原始信号减去基线漂移曲线，就可以达到基线矫正的目的。拟合问题主要包括：拟合方法的选择和拟合基准点的选择。曲线拟合的方法，处理效果与待处理信号的长度有很大的关系，信号越长，处理效果才越好，这就影响了信号处理的实时性；

（3）基于独立分量分析的方法：独立分量分析是近年发展起来的一种新的信号处理技术。基本原理是基于信源之间的相互统计独立性，从多个源信号的混合信号中分离出源信号的技术。作为一种新的信号处理技术，独立分量分析理论体系并不完善，一些实际问题还有待于进一步解决；

（4）自适应滤波：自适应滤波在处理过程中，能自动跟随实际噪声信号频率变换，克服传统滤波器频率固定不足，但需要采集除原始信号以外与噪声信号有关而与有用信号无关的参考信号，难以满足要求。

发明内容

为了克服上述缺陷，本发明提供一种基于双层形态学滤波的心电信号预处理方法，结合心电信号波形的具体形态，利用三角型结构元素和直线型结构元素相结合，构成双层形态学滤波器，有效去除心电信号中的高频噪声和基线漂移，提高R波检测时的准确率。

为了达到上述目的，本发明所采用的具体技术方案如下：

一种基于双层形态学滤波的心电信号预处理方法，其关键在于按照以下步骤进行：

步骤1：利用三角型结构元素构建的第一层形态滤波器对原始心电信号f₀进行处理获得初次滤波信号f₁；

步骤2：利用直线型结构元素构建的第二层形态滤波器对所述初次滤波信号f₁进行处理获得二次滤波信号f₂；

步骤3：将步骤1获得的初次滤波信号f₁与步骤2获得的二次滤波信号f₂作差，获得预处理后的心电信号f₃。

本发明充分考虑心电信号的几何特征，利用三角型结构元素构建的第一层形态滤波器可以有效拟合R波的波形，从而获取有用心电信号，利用直线型结构元素构建的第二层形态滤波器可以从有用心电信号中得到准确的基线漂移信号，最后通过步骤3作差，从而得到矫正基线漂移后的心电信号。

作为进一步描述，所述第一层形态滤波器的数学表达式如式1所示，所述第二层形态滤波器的数学表达式如式2所示：

其中，ο表示形态学中的开运算，·表示形态学中的闭运算，f₀为原始心电信号，f₁为初次滤波信号，f₂为二次滤波信号，k₁为三角型结构元素，k₂为直线型结构元素。

在构建的第一层形态滤波器中，带噪的原始心电信号f₀通过开- 闭、闭-开运算级联组合形式的形态学滤波器，信号同时作开-闭运算及闭-开运算，采用公式为(f₀οk₁)·k₁与(f₀·k₁)οk₁，并求两者算术平均得到初次滤波信号f₁。

在构建的第二层形态滤波器中，初次滤波信号f₁通过开-闭、闭-开运算级联组合形式的形态学滤波器，同时作开-闭运算及闭-开运算，采用公式为(f₁οk₂)·k₂与(f₁·k₂)οk₂，并求两者算术平均得二次滤波信号f₂，其成分为基线漂移。

得到基线漂移信号后，从初次滤波信号f₁中减去二次滤波信号f₂，可以得到矫正基线漂移后的信号f₃：f₃=f₁-f₂。

结合心电信号的采样频率和特征波形的时间宽度，所述三角型结构元素k₁为离散序列(0,1,2,1,0),所述直线型结构元素k₂为离散序列k₂(m)＝0,m＝0一54。

本发明的显著效果是：利用两层形态滤波器对心电信号进行处理，在保留心电信号有用特征的基础上，准确获取心电信号中的基线漂移，通过作差将其有效去除，有助于提高后续处理时检测R波的准确率。

附图说明

图1是标准心电信号图；

图2是本发明中双层形态学滤波的处理流程图；

图3是形态学结构元素的形状示意图；其中图3（a）为三角型形态结构元素，图3（b）为直线型形态结构元素；

图4是双层形态学滤波与小波变换的处理流程图；

图5是数据库中109号心电信号波形图；

图6是预处理后的心电信号波形图。

具体实施方式

下面结合附图对本发明的具体实施方式以及工作原理作进一步详细说明。

如图2所示，一种基于双层形态学滤波的心电信号预处理方法，按照以下步骤进行：

步骤1：利用三角型结构元素构建的第一层形态滤波器对原始心电信号f₀进行处理获得初次滤波信号f₁；

步骤2：利用直线型结构元素构建的第二层形态滤波器对所述初次滤波信号f₁进行处理获得二次滤波信号f₂；

步骤3：将步骤1获得的初次滤波信号f₁与步骤2获得的二次滤波信号f₂作差，获得预处理后的心电信号f₃。

实施过程中，所述第一层形态滤波器的数学表达式如式1所示，所述第二层形态滤波器的数学表达式如式2所示：

其中，ο表示形态学中的开运算，·表示形态学中的闭运算，f₀为原始心电信号，f₁为初次滤波信号，f₂为二次滤波信号，k₁为三角型结构元素，k₂为直线型结构元素。

上述形态学滤波器的处理过程中，以第一层形态滤波器为例，开 运算则是以形态结构元素k₁对心电信号进行先腐蚀后膨胀，采用公式 用于抑制信号的正脉冲；闭运算则是以形态结构元素k₁对心电信号进行先膨胀后腐蚀，采用公式用于抑制信号的负脉冲。

所谓腐蚀运算采用定义为：设信号序列为f₀(n),n＝1～N-1，形态结构元素k₁(m),m＝0～Ｍ－１，Ｎ>>M，f₀关于形态结构元素k₁的形态学腐蚀运算定义为：

$\left(f_0\mathrm{\Θ}{k}_1\right)\left(n\right)=\underset{m=0,...,M-1}{\min }\{f_0(n+m)-k_1\left(m\right)\},n=(\mathrm{0,1},\·\·\·,N-M);$

同理，膨胀运算定义为：

$\left(f_0\mathrm{\Θ}{k}_1\right)\left(n\right)=\underset{m=0,...,M-1}{\max }\{f_0(n-m)-k_1\left(m\right)\},n=(M-1,M,\·\·\·,N-1),$

这里的心电信号序列f₀(n)是以10s长的心电信号为样本，按照采样频率Fs＝360Hz进行采样，得到3600个采样点，即N取值为3600，形态结构元素k₁的设计根据心电信号特征波群中R波的波形特征来选取，为了保留特征波的波峰波谷，选定形状为三角形，其宽度根据信号的采样频率Fs和特征波形的时间宽度T进行设定，定位于0.015Fs个采样单位，即5个采样单位，该值即为形态结构元素宽度M；最终确定出三角形结构元素k₁为离散序列(0,1,2,1,0)。

同理，第二层形态滤波器中，直线型结构元素k₂的宽度根据信号的采样频率Fs和特征波形的时间宽度T进行设定，取1.5T×Fs，即54个采样单位，从而得到直线型结构元素k₂为离散序列k₂(m)＝0，m=0-54。

为了便于理解，上述两种形态结构元素可参考图3所示。

如图4所示，在实施过程中，本发明的双层形态学滤波只是在心电信号预处理过程中去除基线漂移，为了消除高频干扰，通常需要采用小波变换作进一步处理，其具体过程如下：

首先对本发明设计的双层形态学滤波预处理后的心电信号f₃进行分解，选择小波Daubechies5确定小波分解层次为3，然后对心电信号f₃进行三层分解，采用一维连续小波变换。第一级小波分解后，产生第一层高频系数CD₁与低频系数CA₁，对低频系数CA₁进行第二级小波分解，产生第二层高频系数CD₂和低频系数CA₂，最后将低频系数CA₂进行第三级小波分解，得到高频系CD₃与低频系数CA₃。因而以门限阈值等形式对小波系数来处理，达到抑制信号中的噪声部分，从而在f₃中恢复原始信号。

接着对小波分解高频系数进行阈值化。从第1层到第3层的每一层高频系数，选择阈值进行量化处理，采用软阈值处理方式，根据信号f₃和阈值的选择规则即自适应阈值选择使用无偏似然估计，确定去噪阈值。

最后进行一维小波重构。根据小波分解的第3层低频系数和经过量化处理后的第1层到第3层的高频系数，每层的阈值决定阈值向量为3，低频系数被保存，进行一维小波重构得到去噪后的ECG信号f₄。

上述过程，以心电权威数据库MIT-BIH中第109号ECG信号为例。如图5所示，在第2s和第8s附近受较大的漂移信号干扰，且1～4s及8s处含有高频干扰。经本发明处理后，由图5可以看出心电信号中的基线漂移得到较好的矫正。

发明结合两者优点，图5是是本发明基于形态学与小波变换心电信号噪声滤除器效果图，图中可以看出经过形态学和小波变换双重滤波后的心电信号，滤掉噪声中微小波动的同时保持了原波形的总体波动趋势，较好的保留了ECG信号的特征波形。

为了验证该滤波器的去噪效果，结合后续对R波检测准确率为参考指标说明，将单独的小波变换与增加本发明设计的双层形态滤波器后的处理方法进行了对比。

如表1所示，前几组数据因受噪声干扰影响不大，故提高幅度不明显。而从203号开始，则检测准确率表现出明显提高情况，可查阅有关数据说明可看出，数据受很大基线漂移和噪声干扰，失真严重。该发明能有效去除干扰，对后续处理效果较好。

表1不同去噪方法进行R波检测后的准确率对比表

Claims (2)

1.一种基于双层形态学滤波的心电信号预处理方法，其特征在于按照以下步骤进行：

步骤1：利用三角型结构元素k₁构建的第一层形态滤波器对原始心电信号f₀进行处理获得初次滤波信号f₁；

步骤2：利用直线型结构元素k₂构建的第二层形态滤波器对所述初次滤波信号f₁进行处理获得二次滤波信号f₂；

步骤3：将步骤1获得的初次滤波信号f₁与步骤2获得的二次滤波信号f₂作差，获得预处理后的心电信号f₃；

所述三角型结构元素k₁为离散序列(0,1,2,1,0),所述直线型结构元素k₂为离散序列k₂(m)＝0,m的取值范围为0至54。

2.根据权利要求1所述的基于双层形态学滤波的心电信号预处理方法，其特征在于：所述第一层形态滤波器的数学表达式如式1所示，所述第二层形态滤波器的数学表达式如式2所示：

其中，○表示形态学中的开运算，●表示形态学中的闭运算，f₀为原始心电信号，f₁为初次滤波信号，f₂为二次滤波信号，k₁为三角型结构元素，k₂为直线型结构元素。