论文部分内容阅读
心电信号实时监测对于心脏病的监测、评估以及诊断有着重要作用。应用于床边监护的心电信号检测算法运算量较大,不太适用于可穿戴心电监护设备上。可穿戴设备自动分析心电信号,能够实时监护使用者心电健康状况,及时让医护人员迅速高效分析和评判患者心脏健康,提高心脏疾病的预警和治疗响应速度。在此基础上本文研究适用于移动设备上的心电信号实时检测算法。本文第一章介绍了心电图的原理,并对心电图的特征波形进行了研究,介绍其对应的生理特征。分析心电信号噪声来源,对于心电信号中两种含量最多噪声基线漂移和高频干扰,设计出FIR带通滤波器、一阶差分器、平方运算以及滑动窗口积分器进行心电信号预处理,有效地减小噪声干扰,增加了QRS波所占分量。接着研究了心电信号QRS波的实时特征提取算法,通过分析目前使用较多的心电信号QRS波识别算法基础上,提出了基于Pan&Tompkins算法的改进动态阈值法。Pan&Tompkins算法具有较高的鲁棒性,能通过周期性的调整阈值参数增加检测灵敏度,但是降低了检测的精度,在信噪比较低情况下易产生误检及漏检。改进算法根据正常心拍范围增加了补偿判据,以进一步降低误检及漏检。在补偿方法中增加了检测R波幅度电压值,假如R波电压幅值超出前一个R波幅度的40%至160%,证明此幅值是个噪声信号;在RR间隔小于0.2秒内若出现R波,说明存在由较高噪声引起的误检点;在心动周期T*166%范围内若无R波,则取阈值的1/2复检。定义算法的灵敏性(S_e)和错误检测率(P_e)指标,分别通过模拟心电信号和MITBIH临床数据对本算法和Pan&Tompkins算法进行测试验证。模拟情况下两者都表现了很好的检测性能,均能准确检测R波;但在临床数据实验中,Pan&Tompkins算法检错率为4.02%,改进算法检错率为0.76%;在灵敏度方面,Pan&Tompkins算法灵敏度为98.77%,低于本算法的灵敏度99.50%。显示增加补偿策略之后在R波检测上效果更好。在识别出R波的基础上通过局域变换法识别QRS波起止点、P波以及T波。最后论文对研究工作进行了总结。本文使用的FIR带通滤波器比IIR运算量小,QRS波检出率高,非常适用于可穿戴移动设备上进行心电健康监测,具有良好的应用前景。