面向智能服裝健康監(jiān)護(hù)系統(tǒng)的心電信號(hào)基線漂移處理

摘要：面向智能服裝的健康監(jiān)護(hù)系統(tǒng)心電信號(hào)存在嚴(yán)重的基線漂移，針對(duì)基漂去除的需要，提出了基于基線漂移閾值的分級(jí)處理方法。首先采用滑動(dòng)窗口中值濾波算法對(duì)心電信號(hào)進(jìn)行濾波，并計(jì)算出基線漂移的程度大小，當(dāng)其大于給定的閾值時(shí)，采用小波變換得到QRS波群的位置信息和信號(hào)的特點(diǎn)來(lái)變動(dòng)滑動(dòng)窗口大小。中值濾波和小波算法可以在兩個(gè)處理平臺(tái)上并行運(yùn)行，提高了運(yùn)算速度；最后，運(yùn)用該算法分別對(duì)模擬和實(shí)際的基線漂移進(jìn)行處理，并與其他算法的處理結(jié)果進(jìn)行了比較，結(jié)果表明該算法具有較好的實(shí)時(shí)性和處理效果。

關(guān)鍵詞：智能服裝; 健康監(jiān)護(hù)系統(tǒng); 中值濾波; 小波變換; 分級(jí)處理

中圖分類號(hào)：TP391．9文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1001－3695(2008)06－1707－03

面向智能服裝的健康監(jiān)護(hù)系統(tǒng)不同于一般的病房監(jiān)護(hù)系統(tǒng)或動(dòng)態(tài)心電監(jiān)護(hù)儀Holter，它首先是一個(gè)健康監(jiān)護(hù)系統(tǒng)，能夠采集人體的各種生理參數(shù)，并對(duì)人體的健康狀況進(jìn)行判斷和監(jiān)護(hù)；其次它作為置于服裝中的一部分，與服裝融為一個(gè)整體，用戶穿上它能夠進(jìn)行正常的日常活動(dòng)。人除了休息與睡眠外（此時(shí)也存在著呼吸等微弱運(yùn)動(dòng)），隨時(shí)都可能處于運(yùn)動(dòng)中。

基線漂移是影響心電信號(hào)（ECG）正確檢測(cè)和分析的一個(gè)重要因素，它主要是運(yùn)動(dòng)帶來(lái)的電極與皮膚接觸阻抗變化所致，其頻率范圍是0.05~1.5 Hz左右。但對(duì)于面向智能服裝健康監(jiān)護(hù)系統(tǒng)，運(yùn)動(dòng)帶來(lái)的基線漂移頻率范圍將會(huì)增加[1]（約0.05~3 Hz），且頻率成分變得復(fù)雜。基線漂移作為一個(gè)重要問(wèn)題，其解決辦法已經(jīng)很豐富，但這些辦法對(duì)面向智能服裝健康監(jiān)護(hù)系統(tǒng)的ECG信號(hào)基線漂移處理都存在著一些缺陷。常用的FIR和IIR濾波器截止頻率固定，在噪聲頻率超過(guò)其截止頻率時(shí)，無(wú)法消除噪聲，截止頻率過(guò)高會(huì)消除有用信息。采用曲線擬合的方法對(duì)基線漂移進(jìn)行分段糾正，在ECG信號(hào)質(zhì)量不高時(shí)，插值點(diǎn)難以提取。傳統(tǒng)的自適應(yīng)濾波器除需要原始信號(hào)外，還需要一個(gè)參考信號(hào)，參考信號(hào)選取困難[1]。對(duì)于小波去噪，人們習(xí)慣于對(duì)多尺度分解后所得的細(xì)節(jié)部分在選擇一個(gè)閾值后進(jìn)行量化處理[2]，而忽略了低頻的逼近信號(hào)本身也可以反映基線漂移的特性，其效果往往并不理想。移動(dòng)窗口中值濾波方法[3]，關(guān)鍵在于選擇合適的窗口大小。本文結(jié)合小波變換和中值濾波的優(yōu)點(diǎn)，根據(jù)基線漂移的程度，當(dāng)基線漂移程度較低時(shí)，采用中值濾波的方法；而當(dāng)基線漂移程度較高時(shí)，啟動(dòng)小波變換。兩種算法分別在兩個(gè)處理平臺(tái)上并行進(jìn)行，滿足了實(shí)時(shí)性要求，同時(shí)提高了去除基線漂移的效果。

1面向智能服裝的健康監(jiān)護(hù)系統(tǒng)平臺(tái)

面向智能服裝健康監(jiān)護(hù)系統(tǒng)采用集散式結(jié)構(gòu)，它由采集模塊（包含心電、呼吸、溫度和脈搏等采集模塊）和主處理模塊組成，模塊之間通過(guò)RS－232/485總線連接，如圖1所示。本文只對(duì)ECG信號(hào)的采集進(jìn)行討論。其中，DSP中央主處理器采用TMS5402，負(fù)責(zé)各種復(fù)雜信號(hào)的提取及診斷；ECG采集協(xié)處理器采用低功耗的MSP430FG439，負(fù)責(zé)ECG信號(hào)的采集及簡(jiǎn)單預(yù)處理。

2ECG信號(hào)基線漂移的處理算法

2．1小波算法定位QRS波群

小波變換具有良好的時(shí)頻局部化特性，它實(shí)現(xiàn)了信號(hào)從時(shí)域到時(shí)間——尺度平面的轉(zhuǎn)換，通過(guò)多尺度分解可以得到不同分辨率下信號(hào)的局部化特征。它把待分析的信號(hào)f(t)用基本小波ψ(t)的伸縮尺寸和位移來(lái)處理，信號(hào)f(t)的連續(xù)小波變換（CWT）定義為

根據(jù)以上分析，可以選擇對(duì)ECG信號(hào)僅進(jìn)行4尺度分解，而R波位置的DWT在S=23和S=24尺度下具有局部極大值。因此，記錄下相應(yīng)尺度下DWT超過(guò)給定閾值且斜率為正的位置，再?gòu)倪@些位置開始往時(shí)間增大的方向?qū)ふ遥纯纱_定局部極大值即R波的位置[4]。

2．2滑動(dòng)窗口中值濾波

滑動(dòng)窗口中值濾波是一種非線性的濾波方法，它的特點(diǎn)是對(duì)小幅高頻信號(hào)抑制效果較好，從而能夠從復(fù)雜信號(hào)中提取出緩慢變化的基線信號(hào)。它的濾波效果取決于滑動(dòng)窗口的大小，若窗口增大，則它能擬合出的基線信號(hào)頻率范圍減小；反之能擬合出的基線信號(hào)頻率范圍增加。若采樣頻率為200 Hz，通過(guò)實(shí)驗(yàn)可以得到中值濾波與擬合基線頻率范圍，如表1所示。

2．3閾值分級(jí)算法

面向智能服裝的健康監(jiān)護(hù)系統(tǒng)需要對(duì)用戶進(jìn)行長(zhǎng)時(shí)間的監(jiān)護(hù)，不論其是處在靜止或運(yùn)動(dòng)狀態(tài)。功耗和實(shí)時(shí)性是整個(gè)系統(tǒng)的一個(gè)關(guān)鍵問(wèn)題，除了硬件上的相關(guān)要求外，其軟件也應(yīng)該滿足以下要求：a)算法盡量簡(jiǎn)單，降低系統(tǒng)功耗；b)滿足實(shí)時(shí)性要求；c)效果較好，誤檢率低。以上幾個(gè)要求之間不可能同時(shí)達(dá)到最優(yōu)，只可能實(shí)現(xiàn)整體較優(yōu)。

對(duì)于ECG監(jiān)護(hù)，整個(gè)系統(tǒng)有采集協(xié)處理器和中央處理器兩個(gè)處理平臺(tái)。根據(jù)基線漂移的程度，本文采用了閾值分級(jí)算法。這里的分級(jí)有兩層含義：根據(jù)基線漂移程度采用相對(duì)應(yīng)的算法；在兩個(gè)處理平臺(tái)上交互實(shí)現(xiàn)，算法步驟（圖2）如下：

a）在MSP430FG439平臺(tái)上采用滑動(dòng)窗口中值濾波算法得到擬合基線。

b）計(jì)算基線漂移的漂移程度。設(shè)bp(n)為擬合基線bp(n)的均值，用BD=∑N-1n=0[bp(n)-bp(n)]2/N來(lái)表示基線漂移的程度[7]。通過(guò)實(shí)驗(yàn)表明，當(dāng)基線漂移閾值BDthresh=1.1時(shí)，整個(gè)算法較優(yōu)。

c)比較BD與BDthresh，若BD＜BDthresh，則跳轉(zhuǎn)到a）；否則，通知TMS320VC5402啟動(dòng)，跳轉(zhuǎn)到a）。d）在TMS320VC5402平臺(tái)上進(jìn)行小波分解，對(duì)QRS波進(jìn)行定位。

e）QRS波位置傳給MSP430FG439平臺(tái)，MSP430FG439平臺(tái)根據(jù)QRS波位置信息改變窗口大小。設(shè)檢測(cè)到的第i和i-1個(gè)R波峰的位置分別為pR(i)和pP(i-1)，則在pR(i)±60 ms范圍內(nèi)，采用大小為81的窗口；從pR(i)± ms的位置開始，每隔100 ms窗口大小減小10，直至pR(i)和pR(i-1)的中點(diǎn)；然后窗口大小每隔100 ms增加10，直至pR(i)-60 ms的位置。

3實(shí)驗(yàn)結(jié)果

3．1模擬實(shí)驗(yàn)

為了檢驗(yàn)算法的效果，首先采用模擬的基線漂移，即在一段沒有基線漂移的“干凈”ECG信號(hào)g(n)上疊加模擬基線漂移信號(hào)l(n)，得到模擬的帶有基線漂移的ECG信號(hào)x(n)，即

然后通過(guò)算法擬合出基線λ(n)，并得出濾除基線漂移后的ECG信號(hào)x(n)，則

本文選擇了四種不同類型的基線漂移來(lái)分別模擬[8]：a）由呼吸帶來(lái)的基線漂移；b）電極松緊帶來(lái)的電壓突變；c）由極化電壓帶來(lái)的基線漂移；d）運(yùn)動(dòng)狀態(tài)下的綜合基線漂移。其結(jié)果分別如圖3所示。

由式（7）（8）可得誤差為

由表2可以看出，擬合的基線和模擬的基線相關(guān)，系數(shù)接近于1（均在0．99）以上，歸一化均方根誤差在基線漂移不大的情況下都小于10%。說(shuō)明擬合的基線接近模擬的基線，從而進(jìn)一步證明了此種濾波器可以有效濾除不同頻率及幅值的基線漂移。為了比較，本文也運(yùn)用簡(jiǎn)單中值濾波算法和自適應(yīng)小波算法[5]對(duì)各類模擬基線進(jìn)行了相應(yīng)處理，結(jié)果表明本文算法具有較好的效果。

3．2實(shí)際ECG

在MIT－BIH noise stress test數(shù)據(jù)庫(kù)中提供了專門的基線漂移噪聲信號(hào)bw，利用上述方法對(duì)記錄中的一段ECG信號(hào)進(jìn)行處理，結(jié)果如圖4所示。可見該方法能夠較好除去ECG信號(hào)中的基線漂移噪聲，基本上無(wú)損失地保留了信號(hào)的其他信息。

4結(jié)束語(yǔ)

本文給出了一種面向智能服裝健康監(jiān)護(hù)平臺(tái)的ECG信號(hào)基線漂移處理算法。利用中值濾波簡(jiǎn)單實(shí)用和小波變換良好時(shí)頻局部特性等優(yōu)點(diǎn)，根據(jù)基線漂移的程度將兩者有效地結(jié)合起來(lái)，分別在兩個(gè)處理平臺(tái)中運(yùn)行。基線漂移較小時(shí)，僅在一個(gè)平臺(tái)中用中值濾波來(lái)去除基線漂移，降低了算法復(fù)雜度和功耗，同時(shí)也具有良好的效果；在運(yùn)動(dòng)狀態(tài)下具有較大基線漂移時(shí)，啟動(dòng)另外一個(gè)平臺(tái)上的小波變換，對(duì)中值濾波算法進(jìn)行修正。實(shí)驗(yàn)結(jié)果表明，該算法有效地解決了靜止和運(yùn)動(dòng)狀態(tài)下的基線漂移，為后續(xù)面向智能服裝的ECG信號(hào)提取提供了良好基礎(chǔ)。

參考文獻(xiàn)：

［1］ESKI J M，HENZEL N．ECG baseline wander and powerline interfe－rence reduction using nonlinear filter bank[J]． Signal Processing，2005，85（4）:781－793．

[2]張文瓊，劉肖琳，吳濤. 一種利用小波變換逼近信號(hào)濾除心電圖基線漂移的方法[J]. 計(jì)算機(jī)工程與應(yīng)用， 2005，41（20）:222－224.

[3]朱偉芳，齊春．一種實(shí)用的去基線漂移濾波算法[J].蘇州大學(xué)學(xué)報(bào)， 2006，26(1):62－64．

[4]黃敏，陳海燕，王益民，等． 基于小波變換的QRS波形檢測(cè)方法[J].哈爾濱理工大學(xué)學(xué)報(bào)， 2006，11(4): 81－84．

[5]王鵬，魏守水，黃青華．基于小波變換的自適應(yīng)濾波器消除脈搏波基線漂移[J].中國(guó)醫(yī)學(xué)物理學(xué)雜志，2004，21(5): 296－299．

[6]盧喜烈，宋小武，周軍榮，等． 心電圖診斷與鑒別診斷[M].北京：科學(xué)技術(shù)文獻(xiàn)出版社， 2002．

[7]SHUSTERMAN V，SHAH S I，BEIGEL A，et al．Enhancing the precision of ECG baseline correction selective filtering and removal of residual error[J]．Computers and Biomedical Research，2000，33（2）: 144－160．

[8]BOUCHEHAM B，F(xiàn)ERDI Y，BATOUCHE C. Piecewise linear correction of ECG baseline wander: a curve simplification approach[J]. Computer Methods and Programs in Biomedicine，2005，78(1): 1－10．

注：本文中所涉及到的圖表、注解、公式等內(nèi)容請(qǐng)以PDF格式閱讀原文