基于LMS算法的可穿戴心電監測系統設計

郭俊文 袁坤 劉鵬鋒

摘要：文章設計了一種基于STM32芯片的可穿戴的心電監測系統，該系統用來實時采集患者的心電數據。為了減少周圍環境的噪聲對心電信號質量的影響，將自適應濾波方法應用于該系統中。通過MIT-BIH心律失常數據庫里的數據對該方法進行驗證，該方法可以有效地抑制肌電干擾，能夠滿足心電信號濾波性能要求。

關鍵詞：可穿戴；心電監測；自適應濾波；肌電干擾

心臟疾病是導致死亡和疾病負擔的主要原因之一[l]。實時心電監護設備用于日常生活描記心肌產生的心電信號，是心臟疾病檢測的關鍵儀器。目前，可穿戴心電監護設備在實時檢測心電信號方面的應用研究較多。可穿戴心電監護設備不論是在對患者進行健康評估方面，還是輔助醫生診斷心臟疾病方面都起到了十分重要的作用。然而，可穿戴心電設備采集的信號易受周圍環境的影響，混入噪聲會導致心電信號發生畸變，給準確的診斷帶來嚴重的影響。因此，在采集心電信號時必須進行預處理。

常用的預處理措施體現在硬件和軟件兩個方面。但是硬件模擬濾波會增加電路設計復雜度、功耗和成本，在效果上不能完全解決干擾問題。軟件濾波的設計相對更加靈活，程序移植性強且處理可以達到較高的精度。

1 肌電噪聲干擾及處理方法

從人體中采集的心電信號中包含的噪聲主要有肌電干擾（EMG）、工頻干擾和基線漂移。其中肌電干擾是重要的干擾源。所謂肌電干擾，就是肌肉顫動或者人體活動造成的電生理信號，它的發生具有隨機性，其幅值為毫伏級，近似于隨機的高斯白噪聲。

目前，許多軟件濾波方法被提出用于處理心電信號的噪聲干擾。主要有FIR，IIR濾波器（如切比雪夫濾波器、巴特沃茲濾波器）和自適應濾波算法（最小均方自適應濾波算法（LMS）和歸一化均方自適應濾波算法（NLMS）等。文獻[2]中，作者利用自適應濾波器的時間延時結構，分離寬帶信號與周期信號，進而有效去除肌電干擾。文獻[3]中，作者將切比雪夫濾波器用于肌電干擾處理。文獻[4]中，改進小波閾值方法被用于彌補硬閾值法的不連續性和軟閾值法有偏差的缺陷。文獻[5]中，作者將PCA和結合經驗模態分解法（ Empirical Mode Decomposition，EMD）結合起來.先對噪聲信號進行分解得到內蘊模態函數，再利用PCA對內蘊模態函數進行降噪處理。文獻[6]中，將分布式算法用于FIR濾波器的改進，提高了數據吞吐量和系統穩定性，降低系統功耗。 考慮到嵌入式系統的內存資源和電源功耗問題，所選取的算法必須簡單而且運算量小。故本系統軟件濾波設計采用自適應濾波算法去濾除肌電干擾信號。

2 系統總體框架設計

可穿戴心電監測系統的功能信號采集、數據處理和數據傳輸，其總體框如圖1所示。

圖1系統總體框 通過安放在固定位置的電極和心電采集芯片采集心電信號，送入微控制器處理，處理完的信號發送給藍牙，由藍牙發送給智能手機完成顯示。

3 系統硬件設計

系統的硬件包含電源模塊、信號調理模塊和控制模塊3個部分，模塊之間都是分開的，如圖2所示。由電極獲得的心電信號由調理模塊完成放大、硬件濾波處理，之后進行A/D轉換發送給STM32處理器，STM32將接收到的信號通過軟件濾波處理變成平滑的數據。最后數據經由串口發給藍牙。

3.1信號調理模塊

為了簡化電路設計，減少噪聲干擾，選取集成模擬前端的芯片需要高阻抗、高共模抑制比、低功耗和尺寸小等特點。本系統中，信號調理模塊采用ADI公司的ADASIOOO芯片。ADASIOOO采用3路ECG輸入和1個右腿驅動輸出的電極方式，3個導聯工作功耗為14 MW。ADASlOOO與微處理器之間采用SPI進行通信。

3.2控制模塊

挑選微控制器對于系統小型化和低電源單元來說十分重要。因此，控制模塊采用基于ARM Cotex-M3系列微處理器STM32L152。STM32L152具有32 MHz的最高工作頻率，最大尺寸為14 mmX14 mm，支持12位AD采樣，集成了UART，SPI，I2C等常用的通信接口，豐富的尋址方式，大量的寄存器以及片內數據存儲器為數字濾波、數據格式轉換、數據傳輸提供了保障。同時芯片還支持低功耗模式，芯片采用1.65-3.6 V電源供電，l MHz運行模式下的工作電流僅為195 μA。

3.3電源模塊

本設計中，采集模塊采用3V電壓工作，而微處理的工作電壓為3.3 V。為防止電池放電過程中電壓低于3.3 V，故選取3.7 V的鋰電池作為電源，通過降壓和穩壓電路調整至3.3 V采用TI公司的線性穩壓芯片TPS73033做穩壓處理。

4 系統軟件設計 可穿戴心電監測系統的功能有數據采集、濾波算法和數據傳輸，其軟件設計程序如圖3所示。

首先，控制處理器先初始化系統時鐘和ADC，再配置外部信號采集單元ADASIOOO，使能SPI接口開啟采樣。獲得的原始信號經過模數轉換變為數據，由微控制器接收。然后微控制器將接收的數據進行預處理，最后通過串口將處理過的數據發送給藍牙。

5 算法設計

從人體采集到的原始信號十分微弱，極易受到周圍環境的影響。故需要對原始信號進行預處理，得到平滑、干凈的信號，以便于做后期分析。

心電信號的有用頻譜集中在0.5-35 Hz，以200 Hz的采樣頻率獲取心電信號。工頻干擾由電磁場引起的干擾噪聲，頻率為50 Hz（或者60 Hz）的諧波，利用自適應濾波來濾除工頻干擾。由于三次樣條差值對低頻信號影響較小，故采用三次樣條差值方法來抑制基線漂移。肌電干擾的幅度為毫伏級，頻譜范圍分布在5-2 000 Hz。參考信號與心電信號里的肌電干擾具有相關性，因此，選用自適應濾波來處理ECG信號。自適應濾波的基本原理如圖4所示。

輸出信號y（n）是輸入信號x（n）通過系數可調的加權濾波的結果。期望信號d（n）與輸出信號y（n）比較，得到誤差e（n）。通過特定的自適應算法調節濾波器權系數w（n），最終使誤差信號的均方差E{e2（n）}達到最小。

LMS算法利用瞬時平方誤差分析自適應濾波的性能，尋找最佳濾波狀態。其濾波器權系數公式為：

式中，μ為步長因子，決定著濾波器的性能和收斂速度。

為了減少步長因子u的影響，采用歸一化最小均方算法（Normalized Least Mean Square，NLMS）解決這個問題。其濾波器權系數公式為：式中，表示n時刻輸入信號矢量。y參數是為了防止x7㈣x㈤太小，一般y的取值范圍為O

6實驗測試

實驗采用MATLAB軟件仿真驗證。從MIT-BIH心電信號數據庫選取103號心電數據作為樣本信號（見圖5）。圖5（a）選取的樣本信號，圖5（b）是肌電噪聲信號。從圖5（c）可以看出，濾波后心電信號后中的肌電干擾即高頻的高斯白白噪聲得到了明顯的抑制。雖然在小范圍內仍存在干擾，從整體效果來看，該濾波算法能滿足要求。

7結語

在本文中，設計了一種可穿戴心電監測系統用于獲取心電信號。我們討論了系統的整體設計流程，并設計濾波算法應用于數據降噪處理。測試結果顯示，該濾波算法可靠，穩定性好。在未來的工作中，我們將深入分析健康監護設備，并且提升系統的效率和精度。

[參考文獻]

[1]SHOUMAN M， TURNER T，STOCKER R.Using data mining techniques in heart disease diagnosis and treatment[C].Alexandria Electronics. Communications and Computers（ JEC-ECC）， 2012： 173-177.

[2]劉麗麗.基于自適應濾波器和小波變換的ECG預處理算法的研究[D].長春：吉林大學，2012

[3]李宏恩.心電信號檢測中濾除肌電干擾的方法[J]電子科技，2014 （2）：66-67.

[4]藍和慧，胡浩瀚，孟祥冉，等.基于小波變換濾波算法的便攜心電測試儀設計[J]渤海大學學報（自然科學版），2015 （3）：249-255.

[5]王曉花，徐學軍，何秋婭.一種ECG信號WL電干擾去除方法的研究[J]智能計算機與應用，2015 （1）：59-62

[6]江偉，袁芳，楊柳青.心電信號中去除肌電干擾信號的研究[J].安徽大學學報（自然科學版），2017 （3）：85-89

[7]孫明麗.用于心電信號去噪的自適應方法研究[D].天津：天津理工大學，2014

[8]萬相奎，唐文普，張賴，等.改進的三次樣條插值心電基線漂移濾波法[J]生物醫學工程學雜志，2016 （2）：227-231

[9]陳叢，盧啟鵬，彭中琦.基于NLMS自適應濾波的近紅外光譜去噪處理方法研究[J].光學學報，2012 （5）：286-291