一种ECG信号去噪方法、系统及设备

本发明涉及一种信号去噪方法、系统及设备，尤其涉及一种ecg信号去噪方法、系统及设备。

背景技术：

1、ecg是医学领域中最早被研究和应用于医学临床的生理电信号，也称为心电图信号。然而，人体自身的呼吸、运动以及周围环境中的电磁干扰等因素，ecg信号包含大量的噪声。这些噪声包括工频干扰、肌电干扰和基线漂移等类型，这些噪声会导致心电波形的畸变和对诊断有重要微小特征的掩盖。因此，消除ecg信号中的噪声成为一项必要的任务。

2、经验模态分解方法(empirical mode decomposition,简称emd)是一种新型自适应信号时频处理方法，适用于分析处理非线性、非平稳时间序列。与传统信号分析方法的不同之处在于它不需要事先选择基函数，算法根据信号本身的特性，通过反复筛选可以自适应地产生合适的固有模态函数(intrinsic modefunctions,imfs),且这些固有模态函数能很好地反映信号在任何时间局部的频率特征经验模态分解。但是现有技术中，emd对于原信号的基线漂移和特定噪音滤除效果不是很好，对噪音与信号的区分变得更加困难，使得信号的重建或处理受到干扰，导致信号的准确性受损。

技术实现思路

1、发明目的：本发明的目的是提供一种有效滤除基线漂移和特定噪音、更精准清除心电信号中的噪声的ecg信号去噪方法、系统及设备。

2、技术方案：本发明所述的一种ecg信号去噪方法，包括以下步骤：

3、s1：结合形态学滤波器对ecg信号初步去噪，滤除基线漂移和特定噪音；包括：

4、s1.1：设计形态学滤波器；

5、s1.2：设定形态学滤波器的结构元素；

6、s1.3：校正ecg信号的基线漂移，进行初步去噪；

7、s2：通过emd算法改进初步去噪的信号，并通过均值曲线拟合，完成ecg信号去噪；包括：

8、s2.1：通过emd算法改进初步去噪的信号；

9、s2.2：通过处理端点极值得到均值曲线，完成ecg信号去噪。

10、进一步地，所述步骤s1.1具体为，定义形态开闭滤波器oc(f)和形态闭开滤波器co(f)：

11、

12、式中，和·分别表示形态开和形态闭运算符号，表示形态开-闭运算；表示形态闭-开运算；k为结构元素，f为信号序列；

13、使oc(f)和co(f)对信号进行滤波，设形态学滤波器oc_co(f,k)为算数平均值信号，数学表达式为：

14、

15、进一步地，所述步骤s1.2具体为，根据ecg信号的特点选择结构元素的形状，根据ecg信号的采样频率fs和特征波形的时间宽度tw设定结构元素的宽度n，其中n＞tw×fs，tw×fs为特征波形的采样点数。

16、进一步地，所述步骤s1.3包括，

17、s1.3.1：校正ecg信号的基线漂移，具体为：

18、滤除qrs波群，采用形态学滤波器oc_co(f,k)对原始ecg信号f0进行处理，得到滤除qrs波群的信号fb：

19、fb＝oc_co(f0,k1)

20、式中，k1为扁平结构元素，k1的宽度大于qrs波的宽度，小于p波的宽度；

21、将fb经过形态学滤波器的处理，滤除p波和t波，分离出基线漂移信号fc；

22、fc＝oc_co(fb,k2)

23、式中，k2为扁平结构元素，k2的宽度大于t波的宽度，小于基线的宽度；

24、用原始信号f0减去基线漂移信号fc，得到矫正后的信号；

25、fbc＝f0-fc

26、式中，fbc为去掉基线漂移得到的矫正信号；

27、s1.3.2：初步去除噪声，具体为：

28、选取三角形结构元素k3，使其宽度小于ecg信号，最小分量的宽度大于噪声的宽度，采用形态学滤波器处理基线校正后的ecg信号fbc：

29、f(t)＝oc_co(fbc,k3)

30、式中，f(t)为初步去除噪声后的信号。

31、进一步地，所述步骤s2.1的包括：

32、s2.1.1：判断信号中每个信号点的局部极值，用三次样条曲线进行曲线拟合，局部极大值形成上包络，局部极小值形成下包络；当上包络和下包络的端点均为极值时，继续将窗口内拟合得到的序列值与所对应的高斯信号值相乘后求和，得到窗口的中心信号点的去噪值；如果窗口的端点不是极值，则表示心电信号在该段时间内比较平稳，因此取窗口中心作为均值点，构造离散高斯信号；

33、s2.1.2：当上/下包络的端点不是极大/小值时，找到信号的最后三个极大/小值点，截取这一段的上/下包络进行多项式拟合，得到后续极值序列，替换步骤2.1.1相应时间段的上/下包络；

34、s2.1.3：计算初步去除噪声后的信号f(t)的上包络fmin(t)和下包络fmax(t)的均值

35、

36、s2.1.4:计算f(t)和的差值h(t):

37、

38、s2.1.5：如果h(t)不满足imf的定义截止条件时，重复步骤2.1.1至2.1.4，否则，提取h(t)作为固有模态函数，计算残余分量r(t)：

39、r(t)＝f(t)-h(t)

40、s2.1.6：当imf分量筛选结束，完成改进，将初步去除噪声后的信号f(t)表示为：

41、

42、式中，hj(t)为emd分解得到的第j个imf分量，rn(t)为emd分解得到的剩余分量；

43、s2.1.7：进行验证，当某imf分量与原信号的互信息超过阈值，则可视为真实分量；反之则被视为虚假分量；阈值计算公式如下：

44、

45、式中，mij为各分量hj(t)与原信号的互信息值，n为原信号emd分解得到的imf分量个数。

46、进一步地，述步骤2.2的方法为:

47、s2.2.1：采三次样条拟合出的均值曲线与实际的均值曲线之间存在偏差；

48、s2.2.2：基于分段高阶样条拟合获得均值曲线，完成ecg信号去噪。

49、进一步地，所述步骤s2.2.2的具体方法为：

50、采用包络延拓法对信号f(t)两端最外侧的极值点分别进行延拓，得到信号s(t)；

51、找出信号s(t)上的所有极值点，组成时间序列{e(xi)}，x表示时间序列中的一个特定时刻，i表示当前正在处理的信号的序号；

52、对连续的3个极值点e(xi-1)、e(xi)、e(xi+1)、由e(xi-1)和e(xi+1)构造5阶样条曲线f(x)，根据f(x)在端点xi-1和xi+1的函数值及边界条件f'(xi-1)＝0和f'(xi+1)＝0求解f(x)，可得在xi时刻均值曲线上的点m(xi)：

53、

54、得到均值点时间序列{m(xi)}，其中：

55、

56、

57、用三次样条拟合均值点序列{m(xi)}作为均值曲线；

58、舍去两端延拓出来的数据点，得到克服端点效应影响的均值曲线，完成ecg信号去噪。

59、基于相同发明构思，本发明还提供了一种ecg信号去噪系统，包括：

60、形态学滤波器模块，用于结合形态学滤波器对ecg信号初步去噪，滤除基线漂移和特定噪音；

61、改进拟合模块，用于通过emd算法改进初步去噪的信号，并通过均值曲线拟合，完成ecg信号去噪。

62、进一步地，所述形态学滤波器模块，结合形态学滤波器对ecg信号初步去噪，滤除基线漂移和特定噪音的方法为：

63、设计形态学滤波器；

64、设定形态学滤波器的结构元素；

65、校正ecg信号的基线漂移，进行初步去噪；

66、所述改进拟合模块，用于通过emd算法改进初步去噪的信号，并通过均值曲线拟合，完成ecg信号去噪的方法为：

67、通过emd算法改进初步去噪的信号；

68、通过处理端点极值得到均值曲线，完成ecg信号去噪。

69、基于相同发明构思，本发明还提供了一种设备，包括：一个或多个处理器、一个或多个存储器以及一个或多个程序，所述程序存储在存储器中并被配置为由处理器执行，所述程序被加载至处理器时实现根据上述任一项所述的ecg信号去噪方法的步骤。

70、有益效果：与现有技术相比，本发明具有如下显著优点：emd是基于处理信号自身的时间尺度，将处理信号分解成一系列本征模态函数相对传统的信号处理理论，经验模态分解的自适应性更好，不要任何基函数，更适合对心电信号的处理。并且与数学形态滤波器结合减少了肌电干扰和基线漂移，数学形态滤波器去除特定类型的噪音，弥补了emd处理基线漂移的不足，提高心电监测信更的稳定性和准确性；与改进的均值拟合曲线能都有效平滑原始数据中的波动或噪音。通过计算数据点的平均值，可以消除一些随机性或周期性的波动，使得曲线更趋于稳定；对于趋势性数据，均值拟合曲线能够突出数据的整体变化趋势，计算均值拟合曲线相对简单快捷。本发明能够准确的去除噪声，并且能够及时预警心电检测异常情况。