本發明涉及一種心電圖的降噪方法，特別是關于一種應用于便攜式心電儀所測心電圖的降噪方法。
背景技術：
：心電圖是對人的心臟的健康狀況的客觀反映，其包含許多重要的生理信息。通常心電圖需要病人到醫院利用十二導聯心電儀測量獲得，但是這種測量方式成本較高且難以發現潛伏期較長的心臟疾病。近年來出現了很多可以測量病人單導心電信息的便攜式心電儀，便攜式心電儀相對于傳統的十二導聯心電儀其優勢在于操作簡單、測量成本低、測量環境制約因素小，因此成為移動醫療領域的研究熱點。但是便攜式心電儀由于其測量方式的不同，會在測得的心電圖中引入更大的噪聲，如何在保留原始心電信息的情況下對心電圖進行有效降噪成為探究其可行性和適用性過程中的關鍵問題。針對十二導聯心電儀所測得心電圖的降噪問題，國內外已有相關研究，這些研究方法可以分為三類：傳統的數字濾波器方法、數學形態學和神經網絡法以及基于小波變換的濾波方法。傳統的數字濾波器方法一般是采用合適的濾波器對含噪聲心電圖進行低通或帶通濾波，該種方法實時性較好，但是只能濾除一定范圍的噪聲，且會損失心電信息。數學形態學和神經網絡法根據心電圖的形態特征進行濾波，效果不錯但是計算較復雜，處理的實時性較差。基于小波變換的降噪方法一般通過對多層分解后的小波系數進行閾值處理來進行濾波，效果較好且計算量適中，目前被研究得最多也最成熟。下面將以Donoho(Donoho,D.L.(1995).De-noisingbysoft-thresholding.InformationTheory,IEEETransactionson,41(3),613-627.)提出的被廣泛采用的通用閾值法為例說明該種降噪方法的實施過程：1)先對含噪聲的小波變換進行多層小波分解，分解的層數一般為5層；2)針對每一層的高頻小波系數，計算通用閾值，其計算公式為：其中，其中Tj是第j階高頻小波系數的處理閾值，σj是第j階高頻小波系數中含有的噪聲的標準差，N是高頻小波系數的長度；xj表示第j階高頻小波系數。3)對每一層的高頻小波系數，采用硬閾值函數進行處理，硬閾值函數為：xj=xj|xj|>Tj0|xj|>Tj;]]>4)對處理后的高頻小波系數做逆變換得到降噪后的心電信號。該方法對十二導聯心電儀所測心電圖能起到較好的降噪效果，但通過研究發現，該方法對便攜式心電儀所測心電圖的降噪效果不是很理想，降噪后的心電圖含有一些毛刺，且常常會出現“過平滑”的現象從而損失一定的心電信息，這并不符合降噪的初衷。技術實現要素：針對上述問題，本發明的目的是提供一種應用于便攜式心電儀所測心電圖的降噪方法，采用改進后的基于小波變換的通用閾值法來對便攜式心電儀所測心電圖進行降噪處理，在有效濾除噪聲的同時也最大程度保存了原始心電信息。為實現上述目的，本發明采取以下技術方案：一種應用于便攜式心電儀所測心電圖的降噪方法，其特征在于，該方法包括以下步驟：1)對含噪聲心電信號進行多層小波分解獲得各層高頻小波系數；2)計算各層高頻小波系數的處理閾值：根據便攜式心電儀所測心電圖的高頻小波系數特征確定閾值；3)對各層高頻小波系數進行處理：當分解的層數多于6層時，直接將第一層和第二層高頻小波系數置零；當分解的層數小于或等于6層時，第一層高頻小波系數也同樣置零，其他各層高頻小波系數用硬閾值函數進行處理；4)對處理后的高頻小波系數做重構得到降噪后的心電信號。所述步驟1)中，具體過程如下：1.1)根據多尺度分析方法對測得的含噪聲心電信號利用小波基函數分解為大尺度逼近部分和小尺度細節部分，大尺度逼近部分對應低頻逼近系數，小尺度細節部分對應高頻小波系數；1.2)將大尺度逼近部還進一步分解為更低一層次的逼近部分和細節部分，如此分解下去，獲得多個尺度上原始信號所包含的細節信息，進而得到各層細節信息所對應的高頻小波系數。所述步驟1)中，分解層數等于log2fS，其中fS是原信號的采樣率。所述步驟2)中，處理閾值計算方法如下：其中，式中，Tj是第j階高頻小波系數的處理閾值；σj是第j階高頻小波系數中含有的噪聲的標準差；N是高頻小波系數的長度；L是小波分解的層數，L＝log2fS，fS是原信號的采樣率；j是所處理的小波系數對應的層次；b是調節因子，取值范圍為[0,2]。所述步驟4)中，具體重構過程為：重構過程即是多層分解的逆過程，由最高層的逼近部分和細節部分重構得到上一層的逼近部分，并以同樣的方式重構得到更上一層的逼近部分，直至最低層即得到降噪后的心電信號。本發明由于采取以上技術方案，其具有以下優點：1、本發明準確性高，在濾除噪聲的同時最大程度地保留了原始心電信息。2、本發明適用性強，對不同采樣率、不同形態的心電圖都能實現較好的降噪效果。3、本發明計算復雜度較低，能夠實現實時計算。附圖說明圖1是本發明對512Hz采樣的便攜式心電儀所測得心電圖做8層小波分解所得各層高頻小波系數示意圖；其中d1～d8分別代表對含噪聲心電信號進行8層小波分解得到的第1層到第8層高頻小波系數；圖2a是原始無噪聲心電信號圖；圖2b是疊加5％高斯噪聲后心電信號圖；圖2c是現有技術中降噪方法對疊加高斯噪聲的模擬心電信號降噪效果示意圖；圖2d是本發明的降噪方法對疊加高斯噪聲的模擬心電信號降噪效果示意圖；圖3是本發明的降噪方法和現有技術中降噪方法的均方根誤差比較示意圖；其中，帶圓圈曲線代表現有技術降噪后均方根誤差，帶三角形曲線代表本發明的技術降噪后的均方根誤差；圖4a是便攜式心電儀所測含噪聲心電信號；圖4b是利用本發明的降噪方法對便攜式心電儀所測的一個心電圖的降噪效果示意圖。具體實施方式下面結合附圖和實施例對本發明進行詳細的描述。本發明提供一種應用于便攜式心電儀所測心電圖的降噪方法，其包括以下步驟：1)對含噪聲心電信號進行多層小波分解獲得各層高頻小波系數：1.1)根據多尺度分析方法對測得的含噪聲心電信號利用小波基函數分解為大尺度逼近部分和小尺度細節部分；其中，大尺度逼近部分對應低頻逼近系數，小尺度細節部分對應高頻小波系數；1.2)將大尺度逼近部還進一步分解為更低一層次的逼近部分和細節部分，如此分解下去，就可以獲得多個尺度上原始信號所包含的細節信息，進而得到各層細節信息所對應的高頻小波系數；本實施例中采用的分解層數與原信號的采樣率有關，分解層數等于log2fS，其中fS是原信號的采樣率，利用該分解層數分解得到的最高層高頻小波系數其對應的頻率范圍一般代表原始信號所含有的基線漂移干擾，通過濾除該部分高頻小波系數即可有效濾除原始信號中的基線漂移。2)計算各層高頻小波系數的處理閾值：根據便攜式心電儀所測心電圖的高頻小波系數特征確定閾值，該處理閾值計算方法如下：其中，式中，Tj是第j階高頻小波系數的處理閾值；σj是第j階高頻小波系數中含有的噪聲的標準差；N是高頻小波系數的長度；L是小波分解的層數，L＝log2fS；j是所處理的小波系數對應的層次；b是調節因子，該調節因子為一個經驗值，取值范圍為[0,2]。本發明根據發掘的小波系數中含有的噪聲隨著分解層數增高而減弱的這一特性，在層數較低時，可以較好地濾除低層次中噪聲系數，而隨著層數升高，該閾值又會減小，保證不會濾除有用信號。例如，如圖1所示，對512Hz采樣的便攜式心電儀所測得心電圖做8層小波分解所得各層高頻小波系數，從圖中可以看出，隨著分解的層數變高，高頻小波系數中含有的心電信息相對噪聲來說越來越明顯，而現有技術方案沒有考慮到這種趨勢，因此對于高層小波系數，其計算得到的閾值過大導致代表心電信號的系數也被濾除，從而導致“過平滑”現象，損失心電信息。3)對各層高頻小波系數進行處理：根據分解層數的不同，采用不同的閾值處理策略；當分解的層數多于6層時，第一層和第二層高頻小波系數幾乎包含的全部是噪聲信號，因此直接將該高頻小波系數置零；當分解的層數小于或等于6層時，第一層高頻小波系數也同樣置零，其他各層高頻小波系數用硬閾值函數進行處理，這樣可以保證最小化噪聲的影響；本發明對閾值處理策略進行了改進，現有技術中的處理方法并沒有考慮到小波系數中噪聲的分布特性，而是對所有層次小波系數均采用硬閾值函數進行處理。4)對處理后的高頻小波系數做重構得到降噪后的心電信號：重構過程即是多層分解的逆過程，由最高層的逼近部分和細節部分重構得到上一層的逼近部分，并以同樣的方式重構得到更上一層的逼近部分，直至最低層即得到降噪后的心電信號。實施例：為了進一步驗證本發明的降噪效果，用模擬心電信號疊加高斯噪聲的方式進行驗證。所用的模擬心電信號由銘昇電子科技有限公司生產的SKX-2000系列心電模擬儀產生，該儀器產生的心電信號可以認為是無噪的。同時在模擬心電信號上疊加5％～50％的高斯噪聲用來進行實驗，檢測降噪效果的辦法是計算降噪后信號與原始信號之間的RMSE(均方根誤差)，若均方根誤差越小，說明降噪后得到的信號越接近原始的無噪聲模擬信號，也就說明降噪在濾除噪聲的同時也沒有帶來心電信息的損失，也就說明降噪效果越好。如圖2a～圖2d所示，在疊加了5％高斯噪聲的條件下，本發明降噪方法產生的降噪效果和現有技術降噪方法的降噪效果對比，原有技術降噪后仍然有較多毛刺，且有明顯的細節信號損失，而本發明提出的改進后的降噪方法，毛刺較少，且無明顯細節信號損失；如圖3所示，本發明降噪方法產生的降噪效果和現有技術降噪方法的均方根誤差比較，可以看出，相比于現有技術中的降噪方法，本發明的降噪方法有更好的均方根誤差表現。如圖4a～圖4b所示，利用本發明的降噪方法對便攜式心電儀所測的一個心電圖的降噪效果。從圖中可以看出，本發明能夠較好得濾出噪聲，同時保留了心電信號中含有的原始心電信息。上述各實施例僅用于說明本發明，各部件的結構、尺寸、設置位置及形狀都是可以有所變化的，在本發明技術方案的基礎上，凡根據本發明原理對個別部件進行的改進和等同變換，均不應排除在本發明的保護范圍之外。當前第1頁1 2 3