论文部分内容阅读
心电信号(Electrocardiogram,简称ECG)从不同层面上反映了心脏的工作状态和可靠的内部特征信息,已在临床心血管疾病的诊断中得到了广泛的应用。近年来,随着体积小、功耗低、无需导电胶和易集成的心电采集芯片的出现,可以在手指上采集心电信号,极大拓宽了心电信号的应用范围。但手指心电信号信号在采集过程中一般都会受到各种噪声的干扰,而噪声的存在将影响心电信号的进一步处理和分析。同时,在心电信号分析系统中,R波检测精确度直接影响其他特征波的定位。在对手指心电信号判断分析前,对心电信号进行不失真的去噪处理和准确的R波定位至关重要。本文主要围绕手指心电信号去噪和R波检测两个方面展开研究,主要工作如下:1、研究了心电信号的产生机理和形态学特征,分析了心电信号中常见的噪声类型,介绍了手指心电信号的数据来源和采集装置。2、针对手指心电信号中存在的综合噪声、基线漂移和工频干扰,提出了基于总体平均经验模式分解(Ensemble Empirical Mode Decomposition,简称EEMD)的系列去噪方法。首先,针对综合噪声,提出了基于EEMD分解和马氏距离相结合的去噪算法;其次,针对基线漂移,提出了基于EEMD分解和自适应滤波相结合的去噪算法;最后,针对工频干扰,提出了基于EEMD分解和自适应滤波相结合的去噪算法。利用模拟心电信号与Finger ECG Data数据库中的实测手指心电信号测试了各算法的去噪性能,取得了较好的效果。3、提出了基于EEMD和小波变换的手指心电信号R波检测算法。首先,对手指心电信号EEMD分解后的高阶imf分量相加重构;其次,以二次样条小波为基函数,对重构后的信号进行4尺度小波分解;选取第四个尺度上的小波高频分量,采用自适应阈值判决检测其模极大值,最终确定R波的位置。利用Finger ECG Data数据库和Surface ECG Data数据库中的手指心电信号以及MIT-BIH心律失常数据库中的数据验证了算法性能,结果显示,该算法对R波具有较高的识别率。本文的研究实现了手指心电信号的信号预处理,为手指心电信号的进一步应用奠定了理论基础和技术支撑。