发布时间 : 星期二 文章毕设（正文）更新完毕开始阅读006b98aa7fd5360cbb1adba0
南昌航空大学学士学位论文
如图3.8及图3.9分别为原信号及滤波后信号的局部放大图。
图 3.8 原信号局部心电图
图3.9 滤波后的局部心电图
对比局部图我们更容易发现滤波后毛刺明显减少，心电图更加平滑。说明用带通滤波加上hamming窗滤波实现了对心电信号的预处理。
当然，这次设计的心电信号预处理可能并不是最好的选择，也存在一定的缺陷，但对于这次毕设完全可以达到要求。
18
南昌航空大学学士学位论文
第四章 心电信号RQS波的复检
4.1 RQS波的检测方案与分析
要对RQS波进行检测就必须先了解RQS波的特点。由图2.2可知，心电信号中变动最强烈的就是RQS波群。RQS波群的能量集中在0-35Hz之间，其中RQS波峰主要集中在9-15Hz之间,它的中心频率是12Hz。其次，我们需要知道的是正常人的两个心率之间是不能大于0.4s的。这对我们判断R波个数是十分重要的。这就是RQS波和其他波的区别的，对RQS波检测也起到重要作用。
实际运用中常用的检测RQS波的方法有四种，分别为模板匹配法、小波变换法、 差分阈值法、动态自适应阈值法。接下来我们分别对这四种方法进行解释分析。
模板匹配法：我们是利用QRS波群、T波等可以近似当作单独的模板。在各个模板中，他们在相同频率上的能量分布不同。因此可以通过信号幅值和特定阈值的比较来检测QRS模板。 a.模板互相关
若两个信号波形形状相互匹配，就称这两个信号相关，相关系数是一个值，他确定多个信号间形状匹配的程度。在这种QRS检测中，希望检测到的信号模板以数据的形式保存下来，要求出模板与输入信号的相关，需要使得输入信号与模板对准，有两种对准的方法：
1）.利用每个信号上的基准点将模板和输入信号对准。这些基准点是通过其他处理方式得到。
2).考虑一段输入信号和模板间的连续相关，每当一个新的信号数据点移近时，一个最老的数据点同时就从这段中移除（FIFO），然后求出这段信号与模板的相关系数。 你会发现他们的相关系数的在[-1,1]的范围内，如果他们的相关系数为1，就说明信号与模板匹配。 b.模板减去法
在模板的相互匹配中，我们用的方法是将输入信号逐点从QRS模板中减去，如果他们是匹配的，那么相减结果会无限接近0。这种算法的思路是首先存储一段对应于QRS波形的ECG输入信号，然后，这一段信号或模板与后续输入的ECG信号相比较，将后续输入的信号的每一点与模板上对应的点相减，当模板与这信号的一个QRS复波相匹配时，减去的结果是一个非常接近0的值。
19
南昌航空大学学士学位论文
评价：原理简单，不过对基线漂移和高频噪声敏感
小波变换法：小波变换具有良好的时频局部化特性，实现信号从时域到时间-尺度平面的转换，通过多尺度分解可在不同分辨率下观察信号的局部特征，即信号的高频部分具有较高的时间分辨率和较低的频率分辨率，而对应的低频部分，其频率分辨率较高而时间分辨率较低。小波变换是对信号进行时频分析的理想数学工具，因其优良的去噪性能，小波变换被越来越多地应用到信号的去噪处理中。
评价：由于具有良好的时频局域化分析能力，因此小波变换法的检测准确度较高，但是其算法复杂，计算量大，不适于实时处理。
差分阈值法：通过对信号进行一阶或二阶差分，判断其差分值是否超过特定阈值并确定QRS波的存在及其位置。R波上升沿和下降沿斜率与其他波斜率显著不同，为ECG斜率变化最大的区域，中间出现的一阶导数过零点为R波所在位置，差分法即通过检测ECG斜率的变化来实现QRS波的定位。
最明显的特点是基本上是高通滤波器，微分增强了具有较高频率特征的QRS复波，同时削弱了具有较低频率的P波，T波，构成了许多QRS复波检测算法的基础。
总结：算法简单，处理速度快，工程应用中比较容易实现，但是受噪声及伪差干扰严重，检测效果较差。
动态自适应阈值法：
我们利用阈值进行QRS波检测时，如果固定阈值，就会造成阈值设置过高导致漏检，从而产生假阴性，如果阈值设置过低会导致多测，又会产生假阳性。所以本文提出基于待测信号的可变阈值，从而提高检测的精确率，所采用的可变阈值包括幅度阈值和时间间隔阈值等。
基本原理：基于R波的幅值为最大的特点，根据极值的定义，筛选出所以的极大值点，这些点即可能是R波的点，然后根据心电学原理知识，确定R波的阈值，计算待测的ECG数据最大值并与阈值进行比较，若超过或达到阈值，则初步判断已检测到一个R波，然后根据制定的规则确定R波。
具体设计思路如下图4.1
信号预处理：小 阈值处理 R波判定 波去噪 4.1 R波检测流程图
检测误检 20
南昌航空大学学士学位论文
Step1:即对待测ECG的滤波处理，基于第一部分对心电信号的说明，QRS波检测中
的信号预处理主要是针对0~38Hz的频率范围，采数据进行滤波处理，得到的待测信号基本不含噪声干扰；
Step2：根据QRS波波形，首先利用极值点判断，一次筛选得到可能存在R波的点，记为sigmax：
一次筛选 y(i)>y(i-1);y(i)>y(i+1)成立则可以有R波，否则没有R波。 结合心电信号原理，确定阈值：
Step3:二次筛选：对于sigmax中数据，若出现大于阈值的数据，则在该数据处和其后50ms的范围内查找，将找到的最大值作为一个R波；接着在此R波后150ms处继续进行二次筛选，直至查找完全部数据，将二次筛选得到的R波记为rvalue。 Step4：可能存在的误差：
A）.两次心率的时间间隔大于400ms，因此，若两个R波的间隔小于0.4s，则两个极小点中必定存在噪声，利用复检消除此噪声。
B）.在平均RR 峰间隔的166%的时间间隔内，如果没有发现QRS 波群，则应取原阈值的1/2 进行复检，以免漏检。这里的166%是根据生理的特性选取的经验参数。 C）.计算找出的R波的幅度，如果R波不在前一个R波幅度的40%-160%之内，则说明这个波峰是个强干扰，应该删除。
D）.根据采样频率，每隔一定的时间间隔，重新利用最新检测的R波对阈值进行实时更新，以此消除基线漂移对检测精度的影响 综上，我们采用以下规则检测误检：
1.判断rvalue中前后两R波间隔是否小于400ms，若小于400ms则消去较小值，留下较大值，直至查找全部数据，得到新的R波，刷新rvalue。
2.判断rvalue中前后两波间隔是否大于1.2s,若大于1.2s,则针对两R波间进行复检，选取其中幅值最大的点作为R波，并标记该R波为病变R波，直至查找全部数据，得到新的R波，刷新rvalue。
4.2 方案选择与处理
综合上述，我选择的是动态自适应阈值法。这种方法不但简便而且易于操作，只要编写相应代码完成。通过实际程序的计算机运行仿真，证明此方法对于各种ECG信号的QRS波群的检测成功率很高，并且具有检测延时小，算法简单易行，在实践中
21