Labview心电信号处理

Labview心电信号处理目录一．概述 (2)二．心电信号预处理 (3)2.1 消除基准漂移 (4)2.2 消除宽带噪声 (6)三．对心电信号进行特征提取 (7)3.1 QRS综合波检测 (8)3.2 胎儿心电信号提取 (9)四．总结 (13)一．概述心电图是一种记录心脏产生的生物电流的技术。

临床医生可以利用心电图对患者的心脏状况进行评估，并做出进一步诊断。

ECG记录是通过对若干电极(导联)感知到的生物电流进行采样获得的。

图1中显示了典型的单周期心电图波形。

图1典型的单周期心电图波形通常说来，记录的心电信号会被噪声和人为引入的伪影所污染，这些噪声和伪影在我们感兴趣的频段内，并且与心电信号本身有着相似的特性。

为了从带有噪声的心电信号中提取出有用的信息，我们需要对原始的心电信号进行处理。

从功能上来说，心电信号的处理可以大致分为两个阶段：预处理和特征提取(如图2所示)。

预处理阶段消除和减少原始心电信号中的噪声，而特征提取阶段则从心电信号中提取诊断信息。

图2典型的心电信号处理流程图使用LabVIEW和相关工具箱，如高级信号处理工具箱(ASPT)和数字滤波器设计工具箱(DFDT)等，用户可以方便地创建针对两个阶段的信号处理应用，包括消除基线漂移、清除噪声、QRS综合波检测、胎儿心率检测等。

本文着重讨论使用LabVIEW 进行典型的心电信号处理的方法。

二．心电信号预处理心电信号预处理可以帮助用户去除心电信号中的污染。

广义上讲，心电信号污染可以分为如下几类：•电源线干扰•电极分离或接触噪声•病人电极移动过程中人为引入的伪影•肌电（EMG）噪声•基准漂移在这些噪声中，电源线干扰和基准漂移是最为重要的，可以强烈地影响心电信号分析。

除了这两种噪声，其它噪声由于可能是宽频带的且复杂的随机过程，也会使心电信号失真。

电源线干扰是以60 Hz (或 50 Hz)为中心的窄带噪声，带宽小于1Hz。

通常，心电信号的采集硬件可以消除电源线干扰。

但是，基准漂移和其它宽带噪声通过硬件设备很难抑制。

而软件设计则成为更为强大而可行的离线式心电信号处理方法。

用户可以使用以下方法来消除基准漂移和其它宽带噪声。

2.1 消除基准漂移基准漂移的产生通常源于呼吸，频率在0.15 到 0.3 Hz之间，可以通过使用高通数字滤波器进行抑制。

用户还可以使用小波变换通过消除心电信号的趋势来消除基准漂移。

2.1.1数字滤波器方法LabVIEW 的DFDT工具箱提供了图形化和交互式的方法，用于快速而高效地设计和实现有限冲击响应(FIR)或无限冲击响应(IIR)滤波器。

例如，用户可以使用Classical Filter Design Express VI设计Kaiser窗FIR高通滤波器消除基准漂移。

图3显示了一个高通滤波器的实例，用户可以使用这个实例VI的程序框图来消除基准漂移。

图3 设计并使用高通滤波器消除基准漂移2.1.2小波变换方法除了数字滤波器，小波变换也是一种消除指定频带内信号的有效方法。

LabVIEW ASPT工具箱提供了WA Detrend VI，它可以消除信号的低频趋势。

图4显示了使用WA Detrend VI消除基准漂移的实例。

图4 使用WA Detrend VI消除基准漂移这个实例使用了Daubechies6 (db06)小波，因为这种小波与实际的心电信号相似。

在这个实例中，心电信号的采样周期为60秒，共1200个采样点。

这样根据如下公式，趋势级别为0.5：其中，t是采样周期而N为采样点数。

图5显示了原始的心电信号，以及由基于数字滤波器方法和基于小波变换方法处理后得到的心电信号。

你可以看到处理后的心电信号在保持原有心电信号主要特性的同时，几乎不含有基准漂移信息。

你还可以注意到基于小波变换的方法更具优势，因为这种方法不引入延时，而且比基于数字滤波器方法的失真更小。

图5 基于数字滤波器和基于小波变换的方法比较2.2 消除宽带噪声在消除了基准漂移后，得到的心电信号比原来的信号更加清晰和稳定。

但是，其它类型的噪声仍然会影响心电信号的特征提取。

这些噪声是宽频带的复杂随机过程，所以不能使用传统的数字滤波器。

为了消除宽带噪声，需要使用Wavelet Denoise Express VI。

这种Express VI首先应用小波变换将心电信号分解到各个子带，然后利用阈值或收缩功能调整小波系数，最后重建出消除噪声后的信号。

下图显示了对心电信号使用非抽样小波变换(UWT)的实例。

图6 利用UWT消除心电信号中的宽带噪声UWT相比于离散小波变换(DWT)，在平滑度和精度之间有着更好的折中。

通过将去噪后的心电信号和未经去噪的心电信号相比较，如图7所示，可以发现宽带噪声被极大地抑制而心电信号的细节则保持不变。

图7 UWT去噪前及去噪后的心电信号三．对心电信号进行特征提取为了诊断，需要从预处理后的心电数据中提取各种特征，包括QRS波间隔、QRS波幅度、PR间隔、ST间隔、胎儿心率等。

这一节将主要讨论QRS综合波检测和胎儿心电图提取。

3.1 QRS综合波检测在心电信号中检测R峰值和QRS综合波，可以提供关于心率、传导速度、心脏内各种组织状态和各种异常情况的信息。

它为心脏疾病的诊断提供依据，所以在心电信号处理领域引起了极大关注。

但是，噪声和随时间变化的形态使得检测非常困难。

因为小波能够借助于多分辨率的优势对带噪声的信号进行主要特征的提取与分析，所以近年来提出了许多基于小波的检测方法。

在本文中，LabVIEW ASPT 工具箱中的WA Multiscale Peak Detection VI被用于检测Q、R和S点。

在波峰/波谷检测前，使用Multiresolution Analysis Express VI将心电信号分解为8级的Daubechies6 (db06)小波（如图9所示），然后使用D4和D5子带重建出信号。

之所以可以利用D4和D5子带进行重建，是因为几乎所有的QRS细节都处于这两个子带中，这使得QRS检测更为精确。

图8 心电信号多分辨率分析和QRS波检测的实现图9显示了经过小波多分辨率分析（MRA）和波峰/波谷检测处理后的心电信号，以及原有的心电信号（来自MIT-BIH数据库）。

在本图中，你可以发现波峰和波谷(特别是Q和S点)在经过小波多分辨率分析后变得更为明显。

图9 原始的心电信号、经过MSA后的心电信号以及波峰/波谷检测后的心电信号在进行QRS综合波检测后，可以利用其它方法进行特征分析。

例如，可以利用R-R间隔信号进行心率变化(HRV)分析,显示心脏和神经系统的状态。

3.2 胎儿心电信号提取胎儿心电图(FECG)可以从孕妇腹部的心电信号(AECG)中得到，并提取出胎儿心率(FHR)，它显示了胎儿的心脏状态。

图10中显示了8通道孕妇心电信号处理系统中导联的位置。

产妇胸部的心电信号由胸部的导联得到，而腹部的心电信号由腹部导联得到。

这一节中，我们使用如下两种方法提取胎儿心率：独立分量分析(ICA)和自适应滤波。

图10 8通道孕妇心电信号处理系统中导联的位置(包含5个腹部导联和3个胸部导联)3.2.1 ICA方法ICA方法用于从多通道观测中重建出独立的隐含信号。

假设观测X是源信号S的叠加，可以写成：X = AS其中，A表示混合矩阵。

信号S的统计独立性假设，允许你从观测X中估计出两个未知量S和A。

这里，孕妇的心电信号和胎儿的心电信号可以作为独立分量，也就是S的一部分，而8条通道的心电信号测量记录组成X。

通过ICA方法，能够获得S的估计，这意味着你可以获得孕妇和胎儿的心电信号。

ASPT工具箱中提供了TSA Independent Component Analysis VI，用户可以容易地构建出FHR提取的应用，如图11所示。

在图11中，8通道的心电信号（由前面提到的8通道系统获得）是ICA函数的输入，而胎儿心电信号作为独立分量的一部分可以在输出端得到。

图12分别显示了利用ICA提取出的孕妇腹部心电信号和胎儿的心电信号。

从胎儿的心电信号中，你可以发现孕妇的心电信号被有效的抑制，这样就可以准确而方便地得到FHR了。

图11用于胎儿心率提取的ICA方法[+] 放大图片图12使用ICA进行FHR提取3.2.2 自适应滤波方法自适应滤波器是一种可以自行调节系数使特定性能指标最优化的滤波器。

自适应滤波器在各行业中有广泛应用，其中之一就是自适应噪声消除，如图13所示。

图13 自适应噪声消除结构在这个实例中，自适应滤波器的目的是最小化参考信号和带噪身信号的差异，而滤波器的系数正是根据这个最小化的过程而自动调整的。

其中，参考信号是孕妇的胸部信号，带噪信号是孕妇的腹部信号，而胎儿的心电信号正是两者之间的差异。

图14中显示了这种方法的LabVIEW实现。

图14 用于FHR提取的自适应滤波器方法如图15显示，拥有适当阶数和步长的自适应滤波器可以对孕妇心电信号进行跟踪和预测，而胎儿心电信号就是预测的误差。

图15 使用自适应滤波器进行FHR提取四．总结LabVIEW和相关的信号处理工具箱可以提供鲁棒而高效的环境和工具，解决心电信号处理问题。

这篇应用文档展示了如何使用这些强大的工具，在心脏疾病诊断和心电信号处理研究中方便而快捷地消除噪声、分析和提取心电信号。

同时，这些工具可以使用在其它生物医学信号处理应用，例如核磁共振成像(MRI)和脑电图(EEG)中。