具有運動偽跡消除功能的移動心電檢測系統設計*

黃茂城， 陳 嵐， 呂 超

(中國科學院 微電子研究所，北京100029)

具有運動偽跡消除功能的移動心電檢測系統設計*

黃茂城， 陳 嵐， 呂 超

(中國科學院 微電子研究所，北京100029)

設計并實現了一種可在人體移動狀態下進行檢測、采集及分析人體心電信號的系統，硬件設計上,采用高集成度專用心電信號前端處理集成電路進行心電信號的濾波及放大；軟件設計上,采用小波閾值降噪對心電信號進行初級濾波，然后采用人體移動加速度傳感器獲取人體運動信息對心電信號進行自適應濾波，消除運動偽跡。在系統設計上,終端檢測設備與手機終端采用藍牙通信，便于用戶測量。實驗結果表明:本設計方案能根據人體運動狀況，有效消除運動偽跡，保留心電信號的波形，可滿足常規的移動心電檢測應用。

心電圖； 藍牙4.0； 運動偽跡； 加速度； 自適應濾波

0 引 言

隨著人們生活節奏的不斷加快與社會壓力的不斷增大，心血管疾病成為了人類健康的首要威脅，由于其發病的突然性與隨機性，而醫院傳統的監護儀體積較大，不可移動，使得研發隨時隨地均可使用的移動心電檢測系統具有了巨大的需求[1～3]。在動態心電采集中，由于人體的運動使電極片與皮膚之間的阻抗產生變化，將帶來運動偽跡這一干擾噪聲，嚴重影響了心電信號測量的質量[4]，所以，實現心電檢測設備的可移動化需解決運動偽跡這一難題。

運動偽跡的頻譜主要分布在3～14 Hz范圍內，與心電信號的頻譜重疊，使心電信號產生嚴重的基線漂移[5]，對心電分析造成很大干擾。目前,消除該噪聲的主要方案有：Lee S M等人[6]用小波分解消除運動偽跡，心電波形有部分失真，且算法計算量大；林紹杰等人[7]采集皮膚與電極之間的阻抗,與心電信號做自適應濾波，效果較好但硬件較復雜；向馗等人[8]用周期元分析消除運動偽跡，不能準確識別運動偽跡；吳金獎等人[9]用Savitzky-Golay濾波器消除運動偽跡，處理速度較快，但丟失了大部分心電波形信息。

本文設計了一種便攜式無線心電檢測系統，集成了心電與加速度信號采集模塊、CC2540處理與傳輸模塊，將采集的數據通過藍牙4.0傳輸到手機進行顯示分析。在軟件上先利用小波閾值降噪進行心電信號預處理，消除工頻干擾和肌電干擾，再利用加速度信息判斷人體運動狀態，根據不同狀態采用對應的自適應濾波器，以加速度信息作為參考信號，對運動偽跡進行消除，使得在人體活動中也能獲得高質量的心電信號。

1 系統整體結構與功能

移動心電檢測系統框圖，如圖1所示。

圖1 移動心電檢測系統框圖

心電信號處理流程如圖2所示。

圖2 心電信號處理流程

2 自適應濾波算法原理

由于運動偽跡噪聲具有隨機性，且與心電信號頻譜重疊，為了更好地濾除運動偽跡并保留心電信號，需要使用自適應濾波算法，以獲得良好的心電信號。

如圖3所示，濾波器主輸入為含運動偽跡的原始心電信號，參考輸入為運動加速度。利用運動加速度x(n)與運動偽跡x1(n)的相關性，運動加速度x(n)與純心電信號s(n)的獨立性,在最佳濾波準則的約束下使參考輸入x(n)通過自適應濾波器向主輸入中運動偽跡x1(n)逼近,得到估計運動偽跡量y(n),由d(n)減y(n)則可得到除噪后的心電信號e(n)。

圖3 自適應濾波原理圖

自適應濾波器滿足關系為

e(n)=d(n)-y(n)

(1)

y(n)=Filter[x(n),w(n)]

(2)

w(n+1)=w(n)+e(n)x(n)

(3)

自適應濾波器在最佳濾波準則的要求下，對濾波參數w(n)進行自動調整，使濾波器的特性隨信號與噪聲的變化而變化，以達到有效除噪?？紤]到移動心電采集的設備性能約束與數據處理實時性需求，本文采用最小均方差(LMS自適應濾波算法。

如圖2所示，自適應濾波器輸出y與輸入d的差值為式(4)，該差值的平方為式(5)，通過參數調整，當y越接近x1,e就越接近s,即

e=d-y=(s+x1)-y=s+(x1-y)

(4)

e2=s2+2s(x1-y)+(x1-y)2

(5)

由(6)式，可知E[e2]是權值w的二次函數，基于這一關系，按照梯度下降的方法找出差值e與權值的關系，并對權值進行調整，則可得式(7)

E[e2]=E[s2]+2E[s(x1-y)]+E[(x1-y)2]=

E[s2]+2E[s(x1-w*x)]+E[(x1-w*x)2]

(6)

w(n+1)=w(n)+2μe(n)x(n)

(7)

式中 μ為步長參數，用來控制收斂速度與穩定性，為了確保自適應過程的穩定性，μ需滿足0<μ<2/MPin，Pin=E[x2]即輸入功率。步長參數越大，收斂速度越快，但穩態誤差也越大，步長參數越小，收斂速度越慢，但穩態誤差也越小。

由于運動偽跡噪聲是非穩態信號，當其非穩態程度大時，即噪聲幅值大時，要求自適應濾波具有收斂速度快的特點；當其非穩態程度小時，即噪聲幅值小時，要求自適應濾波具有收斂精度高的特點，現有的自適應濾波器在收斂精度和收斂速度上存在矛盾，無法滿足濾除變化的運動偽跡噪聲所對應的不同需求。本文由此提出了一種基于運動檢測的自適應濾波方法。

3 基于運動檢測的運動偽跡消除

人體的運動帶來加速度信息的變化，同時也在心電圖中產生了相應的運動偽跡，通過加速度值來判別運動狀態的變化，可以通過其一階導數來進行分析，如下

(8)

(9)

(10)

式中 ax(t),ay(t),az(t)為X,Y,Z方向在t時刻的加速度，Dx(t),Dy(t),Dz(t)為X,Y,Z方向的加速度一階導數，f為加速度采集頻率，L為每次加速度窗口取值的長度，d為兩次窗口取值的間隔。對于所取得的(Dx(t),Dy(t),Dz(t))變量，利用其3者中最大值Dmax(t)進行閾值對比和運動狀態判斷

(11)

式中 M(t)為t時刻人體的運動狀態，閾值T1,T2的大小可根據具體的采集電路由實際測量數據推算獲得。

基于運動狀態檢測的運動偽跡消除算法步驟如下：

1)將采集到的心電信號進行小波閾值除噪，消除50Hz工頻干擾和肌電噪聲，得到只含運動偽跡噪聲的心電信號。

2)將采集到的加速度信號進行一階導數計算，并計算M(t),判斷人體的運動狀態。

3)判斷M(t)值，當M(t)=+2時，為快速活動狀態，使用收斂速度快的自適應濾波器對運動偽跡進行自適應消除；當M(t)=+1時，為正?；顒訝顟B，使用收斂精度高的自適應濾波器對運動偽跡進行自適應消除；當M(t)=0時，為近似靜止狀態，此時心電信號不含運動偽跡噪聲，不需要進行濾波處理。

4 心電監護終端設計

4.1 心電與加速度采集模塊設計

心電信號是弱交流信號，正常的幅值范圍在10～4mV,90 %的頻譜能量集中在0.05～40Hz之間，本設計選用生物電前端芯片AD8232，該芯片集成度高，功耗極低，滿足移動心電監護終端對體積小、續航長的應用需求。

以AD8232為核心設計心電調理電路，如圖4所示，通過IN+和IN-輸入的心電肢體電極信號，由儀表放大器放大100倍，通過0.3Hz的雙極點高通濾波器，50Hz工頻陷波電路和40Hz的雙極點低通濾波器濾除干擾，最后通過運算放大器，放大倍數配置為4倍，并以Vs/2為基準電壓將心電信號抬高，所得到心電信號放大倍數為400倍，匹配后續A/D轉換的電壓要求。

圖4 心電信號調理示意圖

加速度信號的采集選用加速度傳感器MMA8451，該芯片是一種電容式的全數字加速度傳感器，其輸出分辨率可調，具有低功耗工作模式，通過I2C總線與控制核心CC2540進行通信，采集人體X,Y,Z三個方向的加速度信號。

4.2 處理與傳輸模塊

心電信號通過采集模塊進行濾波、放大等調理過程后，輸入到CC2540的ADC口進行12位的A/D轉換，獲得原始的數字心電數據。加速度信號由MMA8451獲得，通過I2C總線傳輸到CC2540進行處理，3個方向的加速度量均為8位。心電與加速度的采集頻率為250 Hz,由CC2540的51內核完成數據的轉換、處理，并通過內部藍牙4.0模塊將數據發送到智能手機。

5 實驗與結果分析

實驗利用本系統對被測對象進行心電監護，完成了數據采集和藍牙4.0傳輸。

圖5為采集到的原始心電信號，含有運動偽跡、肌電干擾、工頻干擾等噪聲。利用小波閾值降噪法對肌電干擾和工頻干擾進行消除，結果如圖6所示，處理后的心電波形所含的主要噪聲為運動偽跡。

圖5 原始心電波形

圖7為由采集的三軸加速度信號所繪制的合加速度數據，作為運動偽跡自適應濾波的參考信號，并由三軸加速度進行運動狀態判斷M(t),根據M(t)值進行相應的自適應濾波處理，圖8(a)為本文算法的實際濾波效果。由圖83者對比可知，在第一個運動偽跡處，噪聲幅值與對應加速度幅值均較大，組合濾波器選用收斂速度快的自適應濾波方案，與單一的高收斂精度自適應濾波器相比，處理后的心電波形基線準確性高。在第二個運動偽跡處，噪聲幅值與對應加速度幅值較小，組合濾波器選用收斂精度高的自適應濾波方案，與單一的快速收斂自適應濾波器相比，處理后的心電波形RST波峰完整性更高。在沒有運動偽跡的心電波形處，由圖8(a)、圖8(b)可知，自適應濾波使QRS等波失真，此時M(t)為0,判斷為近似靜止狀態則不進行濾波處理，保留了良好的心電波形。

圖6 小波閾值降噪后的心電波形

圖7 合加速度波形

圖8 不同方法濾波效果

式(12)計算濾波后與濾波前的信噪比差值，ECGref為不含運動偽跡的參考心電信號，ECGi為濾波前的心電信號，ECGo為濾波后的心電信號。對5人在日?；顒酉逻M行測量計算，數據如表1所示，由表可知，基于運動檢測的自適應濾波相比單一的自適應濾波，除噪后的信噪比增幅最大，更能有效地消除運動偽跡SNRincrease=SNRafter-SNRbefore

(12)

表1 除噪前后信噪比增益SNRincrease對比

6 結 論

終端采集使用者的心電與加速度數據，并通過藍牙4.0進行無線傳輸。針對運動時產生的運動偽跡噪聲，利用加速度數據進行運動狀態檢測與分類，根據分類使用對應的自適應濾波器，使濾波過程具有適時的高收斂速度和高收斂精度的特性，能夠有效地消除運動偽跡，實驗結果良好。此方案解決了實時心電監護的關鍵難題，在移動醫療領域具有重要的使用價值和廣闊的發展前景。

[1] 孫旭東，張 躍.集成于智能手機的心電監護儀的設計與實現[J].計算機工程與設計,2014(7):2344-2349.

[2] 孫旭東,張 躍.基于AD8232和MLX90615的心電與體溫測量系統設計[J].傳感器與微系統,2014,33(9):81-84.

[3] Hyejung Kim，Sunyoung Kim，Van Helleputte N.Motion artifact removal using cascade adaptive filtering for ambulatory ECG monitoring system[C]∥2012 IEEE Biomedical Circuits and Systems Conference(BioCAS)，2012:160-163．

[4] Lee S M,Kim K K,Park K S.Wavelet approach to artifact noise removal from capacitive coupled electrocardiograph[C]∥International Conference of the IEEE Engineering in Medicine and Biology Society(EMBS),IEEE,2008:2944-2947.

[5] 林紹杰，賴麗娟，吳效明.基于阻抗檢測的自適應消除心電運動偽跡方法[J].生物醫學工程學雜志,2010，27(3)：529-532,543.

[6] 向 馗，羅 喬，陳 靜.基于周期元分析的運動偽跡消除方法—以心電信號為例[J].生物醫學工程學雜志，2012,29(4):219-224.

[7] 吳金獎，陳建新，田 峰.可穿戴心電信號監測中運動偽影消除技術研究[J].信號處理，2014,30(11):132-137.

[8] 歐陽波，程 棟，王 玲.改進小波閾值算法在心電信號去噪中的應用[J].計算機工程與應用,2015(4):213-217.

[9] Yoon S W,Min S D,Yun Y H,et al.Adaptive motion artifacts reduction using 3-axis accelerometer in e-textile ECG measurement system[J].Journal of Medical Systems,2008,32(2):101-106.

黃茂城(1990-) ，男，碩士研究生，主要研究方向為無線可穿戴傳感網、醫療檢測設備的設計與開發。

Design of mobile ECG monitoring system with motion artifact reduction*

HUANG Mao-cheng， CHEN Lan， Lü Chao

(Institute of Microelectronics,Chinese Academy of Sciences,Beijing 100029,China)

An ECG acquisition and analysis system which can work in motion state of human body.A highly integrated single-lead ECG front-end is used for hardware filtering and amplify ECG signal.Wavelet threshold is used to reduce noise in ECG.Using human body motion acceleration sensor to obtain information of body motion and adaptive filtering is carried out on ECG and eliminate motion artifact in ECG.Data is transmitted from terminal to mobile phone through Bluetooth and user can measure ECG anytime and anywhere.The results show that the system can effectively eliminate motion artifact according to body motion and maintain ECG waveform,the system can meet conventional mobile ECG monitoring applications.

electrocardiogram (ECG); Bluetooth 4.0; motion artifact; acceleration; adaptive filtering

10.13873/J.1000—9787(2017)04—0094—03

2016—04—21

國家自然科學基金資助項目(61303253，61502476)

TP 391

A

1000—9787(2017)04—0094—03