心电信号特征点识别算法研究与实现 (毕业设计100页、39133字+图+程序)

摘要：在心电信号的分析中，最为首要而且关键的问题就是QRS波群的检测。可靠的QRS波群检测，不仅是诊断心律失常的重要依据，而且是计算心率、每分钟心输出量等心功能参数的重要依据。
本文主要完成了心电信号特征点的识别算法研究与实现。首先基于小波变换算法对心电信号进行了波形预处理，滤除了心电信号中的肌电干扰和工频干扰噪声；接着，基于差分算法和小波变换算法的思想，利用MATLAB仿真工具软件对心电信号中的QRS波段的特征点的识别算法进行了仿真研究。
实验仿真结果表明：差分算法其算法简单易于实现，更适合于实际工程应用；小波变换算法通过心电信号在不同尺度小波变换上的分布和小波系数两方面的信息对心电信号进行分析，使得心电信号特征点识别的准确率得到进一步提高。

关键词：心电信号；QRS波形检测；差分算法；小波变换

 
Research and Implementation of Characteristic Points Recognition Algorithms for ECG Signals

Abstract: In ECG signals analysis, the most important and key question is the examination of QRS wave group, which not only is the important basis of diagnosing arrhythmia, but also is the important bases of calculating many heart function parameters, such as calculating the heart rate, the cardiac output etc.
In this paper, ECG signals’ characteristic points recognition algorithms were researched and Implemented. First, the pretreatment of ECG wave was completed based on the wavelet transform, through which the electromyo disturbing and the power frequency disturbing were disposed. Then, with the MATLAB software simulation, algorithm of ECG signals’ characteristic points recognition were researched based on the difference and the wavelet transform.
The simulation results showed that: the algorithm of difference is simple and easy to realize, and suitable to actual project application; The algorithm of wavelet transform can improve the accuracy rate of characteristic points recognition in ECG signals with combination of the wavelet coefficient analyzing and the ECG signals distribution in different criterion wavelet transform.

Key words: ECG signals,  Detection of QRS,  Algorithm of difference,  Wavelet transform

 
目    录

第1章  绪论 1
1.1  课题背景及意义 1
1.2  国内外研究状况和进展 2
1.3  本文主要工作及内容安排 3
第2章  心电信号检测基本原理 4
2.1  心电图的形成 4
2.2  心电信号检测的基本原理 6
第3章  心电信号波形预处理 8
3.1  心电信号波形预处理中的常用方法 8
3.2  基于小波变换的心电信号去噪处理 11
3.2.1  小波变换及多分辨率信号分解 11
3.2.2  基于小波变换的心电信号的处理 12
3.2.3  小波变换预处理结果分析 13
3.3  小结 16
第4章  心电信号中深层QRS波识别算法研究 17
4.1  常用的QRS识别算法 17
4.2  利用差分法进行QRS波形识别 20
4.3  利用小波变换法进行QRS波形识别 23
4.3.1  小波变换检测的基本原理 23
4.3.2  R波的检测 24
4.3.3  QRS波的起点和终点的检测 26
4.3.4  试验结果分析 26
4.4  小结 29
总结 30
致谢 31
参考文献 32
附录 34
 
第1章  绪  论
1.1  课题背景及意义
心脏疾病是影响人类健康的主要疾病之一，心脏疾病的早期诊断和可靠监护一直是临床医学急待解决的问题。通过计算机等设备对采集到的心电信号进行分析，己经广泛地应用于心脏的功能检查、心血管疾病的诊断与预防，以及心电监护等多方面。在心电信号的分析中，最为首要而且关键的问题就是QRS波群的检测。可靠的QRS波群检测，不仅是诊断心律失常的重要依据，而且是计算心率、每分钟心输出量等心功能参数的重要依据。
长久以来，对于心电图检测中QRS波群的识别方法主要有以下两种：基于心电图一阶和二阶差分基础上的QRS波群检测和基于图象识别的QRS波群检测。对于第一种方法，属于参数检测法，其算法简单，易于编程并且执行速度快。但它的缺点是很容易受到噪声的干扰。当T波幅度接近于R波峰值或心电图信号滤波不干净时，误检率很高。针对心电信号波形的复杂性、多变性和不确定性的特点，有的学者利用神经网络来研究心电信号，结果表明该系统在提取心电图中动态变化的波形信息、抑噪等方面比其它方法有很大的改进，并且提高了心电图分析的准确性，但计算难度比较大。对于第二种方法，大部分采用基于数学形态学的方法，其根据是心电图信号的病理特征不仅与波形的各种参数有关，而且与波形形态有直接的关系，通过数学形态学运算,局部修改信号的几何特征后进行检测。但这些方法对噪声敏感，处理速度慢，在实际应用中使用得较少。
本课题主要研究利用差分法进行QRS波检测和利用小波变换法进行QRS波群的检测算法。差分法在临床医学中又可称为模拟算法，即直接模拟医生的方法。根据不同传到导联中P波，QRS波群，ST段，T波等的持续时间、幅值、形态、和心率等来判断某个心电图的特点。小波变换法利用心电信号在不同尺度小波变换上的分布,分析其过零点和模极大值特性来检测QRS波。
预期获得的信息处理和模式识别技术，将同样适用于有关生物信息的处理和识别，因此，本课题接触本学科的发展前沿，具有重要的理论意义和研究价值。

1.2  国内外研究状况和进展
早期的心电监护系统要护理人员长时间地观察，往往会因为视力疲劳和(或)注意力分散造成漏检。五十年代末以来，随着计算机技术的发展，人们开始了对心电自动分析技术的研究。1959年，美国的Pipberger[1,2]等人完成了一个可以区分正常和异常心电图的程序，并于1961年首先研究出导联心电图分析程序。六十年代初，Caseres[3]验证了用计算机进行常规12导联ECG分析的可行性，开发了利用测得的平均ECG参数进行波形模式识别的程序。1966年，Staples[4]等人提出采用分枝树逻辑作为心电图诊断方法。经过许多人的努力，到了七十年代中期，一些心电自动分析程序从实验室投入临床应用。七十年代后期，微处理器技术的高度发展更加促进了心电自动分析技术的研究。装配了微处理机的心电自动分析装置大大提高了心电数据处理的速率和一致性，并增加了心律监护的种类和提高了监护准确率，这在很大程度上使护理人员从繁重的数据处理中解脱出来。
1990年Senhadj[5]等提出了基于小波分析的心电图滤波技术，从此利用小波消除心电图各种噪声信号成为研究的热点问题。由于心电图信号噪声信号频率特性比较复杂，利用小波将信号分解到不同的频段进行处理可以同时兼顾到不同类型的噪声的滤除，取得较好的滤波效果，小波变换对心电图滤波的难点在于不同水平上模值的确定。通常的做法是通过测试分析各种噪声频率特点，或通过实验来确定相应的模值。但因为噪声与有用信号在很大程度上发生混叠，使用前一方法确定的模值往往难以兼顾滤波的有效性和有用信号的完整性，同时又因为心电图信号个体差异较大，使用后一方法也往往难以保证所选择的模值对以后处理的任何信号都是有效的。因此，本文将心电图噪声分为工频与肌电干扰和基线漂移两部分分别进行处理。对于工频干扰与肌电干扰，采用小波自适应阈值消噪方法，通过分析对比不同阈值选取标准对心电信号滤波效果的影响，选择Donoho固定阈值进行滤波，达到了较好的效果。
而对于基线漂移，则提出了一种基于逼近信号滤波的新方法，基本思想就是将分解所得的小波逼近信号(即低频分量)也看作一个分解水平上的结果，用相同的思想对其进行模值量化处理，从而有效地滤除了心电图信号的基线漂移噪声。
近年，心电图自动分析，无论是在Holter系统还是在心功能检测，以及心电实时分析中，都得到了广泛应用。在这些应用中，准确检测QRS复合波是至关重要的。为此许多作者都做了大量工作，以设计不受噪声影响的检测算法。在很多算法中，为了减小噪声干扰，通常采用滤波方法对信号作预处理，将噪声和基线漂移滤除。而小波变换不仅具有多通道滤波特性，而且还具有很好的表征信号局部特征的能力，适合于检测信号的奇异点或瞬变。
在美国，每年约有800万例应用计算机自动分析，占10%；日本每年约有100万例，占5%。计算机自动分析在临床分析技术中所占比例不大的重要原因在于波形的测量与识别的困难和由此所造成的诊断错误[6]。
1.3  本文主要工作及内容安排
本文主要研究心电图波形检测中QRS波群的识别算法，首先对心电图噪声的抑制问题进行了深入地研究，然后针对QRS波群检测问题，提出两种检测方法并对其进行了实验验证：一种是利用差分法进行QRS波检测的算法，另一种是利用小波变换对QRS波群的检测算法。
论文的具体结构分为了5大部分：
第一部分主要说明了本课题背景及意义，介绍了国内外研究状况和进展以及本文主要工作及内容安排。
第二部分主要介绍了心电图的产生以及心电信号检测的基本原理及其测量依据。
第三部分主要介绍了常用的心电信号去噪算法及其基于小波变换分析的心电信号去噪处理。
第四部分主要介绍了几种常用的QRS波识别算法，研究了适合于实际硬件实现和系统编程的差分算法，同时研究了利用小波变换方法进行QRS波识别的算法，并给出了各自相应的仿真结果。
第五部分为本文的总结，说明工作特色、创新点及其存在的问题。