一种心电信号R特征波检测方法技术

本发明专利技术公开了一种心电信号R特征波检测方法，通过对采集的心电信号进行改进阈值的小波分解方法进行滤波，然后进行突出QRS波群的小波重构，作由时间域分析到能量域分析的能量窗变换，然后选取极大值点并进行优化，最后根据R波选取逻辑进行R波选取。本发明专利技术利用小波分析的多分辨率特性，将信号按频率分解到不同的尺度上，从而有针对性的对不同尺度上的信号进行处理，增加了算法的灵活性；采用能量窗变换的方法，将信号由时间域变换到能量域，有效抑制了高频噪声的干扰，提高了算法的稳固性；通过进行小波重构，将QRS波群提取出来，而将P波、T波当作噪声剔除，有效避免了高大的P波、T波在检测中造成的误检，提高了检测的精度。

【技术实现步骤摘要】

本专利技术涉及心电信号自动检测与分析
，特别涉及一种心电信号R特征波检测方法。
技术介绍
心脏病具有隐蔽性和潜伏性，不发病的时候很难在心电图上表现出来，发病时又是短暂的，来不及观察心电图。为此需要给病人携带24小时Holter，进行24小时心电信号采集。但是这样就会造成数据量巨大，医生需要大量时间来一一查看心电图，寻找异常点，极大的增加了医生的负担。同时，诊断过程中会受到个人认知和情感的影响，使心脏病诊断具有主观性。应用电信号自动分析技术可以纠正这一偏差。现有的分析算法对于R波的分析算法相对完善，但对高频噪声和QRS波群形态改变上的处理效果不尽人意。
技术实现思路
本专利技术的目的是提供一种心电信号R特征波检测方法，以解决现有分析算法在应对高频噪声和QRS波群形态改变上的处理较差的问题。本专利技术的目的是这样实现的:本专利技术所提供的心电信号R特征波检测方法，包括以下步骤:a)信号采集:以250Hz的采集频率采集人体心电信号，并存储为TXT文档的数据形式，然后用Matlab软件将所述TXT文档存储的心电原始信号数据读取到电脑中。b)对所述心电原始信号数据进行滤波处理:b-Ι)对所述心电原始信号进行小波分解:选择DB6小波，对信号进行8层分解，得到各个尺度上的小波系数Cli ；b_2)采用改进的计算阈值方法，求取各尺度的阈值，对小波系数进行阈值化处理:权利要求1.一种心电信号R特征波检测方法，其特征是，包括以下步骤: a)信号采集:以250Hz的采集频率采集人体心电信号，并存储为TXT文档的数据形式，然后用Matlab软件将所述TXT文档存储的心电原始信号数据读取到电脑中； b)对所述心电原始信号数据进行滤波处理: b-Ι)对所述心电原始信号进行小波分解:选择DB6小波，对信号进行8层分解，得到各个尺度上的小波系数Cli ； b-2)采用改进的计算阈值方法，求取各尺度的阈值，对小波系数进行阈值化处理:2.根据权利要求1所述的一种心电信号R特征波检测方法，其特征是， 步骤b-3)中软阈值化处理的表达式为:3.根据权利要求1所述的一种心电信号R特征波检测方法，其特征是，步骤c)中小波重构的表达式为:4.根据权利要求1所述的一种心电信号R特征波检测方法，其特征是，步骤d-Ι)中所述窗口长度为26。5.根据权利要求1所述的一种心电信号R特征波检测方法，其特征是，步骤e)中h和t2是按如下方法确定的: 以Et作为步骤d-2)所得到的所有极大值点的时间间隔的平均值，规定te0.5XEt，t2=l.5XEto全文摘要本专利技术公开了一种心电信号R特征波检测方法，通过对采集的心电信号进行改进阈值的小波分解方法进行滤波，然后进行突出QRS波群的小波重构，作由时间域分析到能量域分析的能量窗变换，然后选取极大值点并进行优化，最后根据R波选取逻辑进行R波选取。本专利技术利用小波分析的多分辨率特性，将信号按频率分解到不同的尺度上，从而有针对性的对不同尺度上的信号进行处理，增加了算法的灵活性；采用能量窗变换的方法，将信号由时间域变换到能量域，有效抑制了高频噪声的干扰，提高了算法的稳固性；通过进行小波重构，将QRS波群提取出来，而将P波、T波当作噪声剔除，有效避免了高大的P波、T波在检测中造成的误检，提高了检测的精度。文档编号A61B5/0456GK103156599SQ20131011621公开日2013年6月19日 申请日期2013年4月3日 优先权日2013年4月3日专利技术者刘秀玲, 杨建利, 董斌, 王洪瑞 申请人:河北大学本文档来自技高网...

【技术保护点】
一种心电信号R特征波检测方法，其特征是，包括以下步骤：a）信号采集：以250Hz的采集频率采集人体心电信号，并存储为TXT文档的数据形式，然后用Matlab软件将所述TXT文档存储的心电原始信号数据读取到电脑中；b）对所述心电原始信号数据进行滤波处理：b?1）对所述心电原始信号进行小波分解：选择DB6小波，对信号进行8层分解，得到各个尺度上的小波系数di；b?2）采用改进的计算阈值方法，求取各尺度的阈值，对小波系数进行阈值化处理：Ti=σi2log(n)ei-1,i=1,...,8其中，Ti为改进的阈值，i表示小波分解层数，e是自然常数，n表示采样点数，σi为小波系数绝对值的均值:b?3）采用软阈值方法对信号进行阈值化处理：在不同尺度选取不同的阈值进行阈值化处理，得到滤波后的心电信号；c）根据QRS波群的频率分布范围特征，选择第3、4尺度进行小波重构，得到重构后的心电信号S“；d）对经过小波重构的心电信号进行能量窗变换，并选取极大值点：d?1）能量窗变换：按下式，将经过小波重构的心电信号S“由时间域分析变换到能量域分析，得到心电信号能量曲线：En=Σn-N2+1n+N2S′2n,n=N2,...,M-N2其中，En表示第n个采样点的能量值；N为所选的窗口长度；M为总的采样点数；S“n表示所述小波重构后的心电信号S“的第n个数据；所述窗口长度，是按如下方法确定的：根据采样频率的大小，选择最少的能将QRS波群覆盖的偶数个采样点的个数作为窗长；d?2）选取极大值点：将所得到的心电信号能量曲线进行硬阈值化处理，即：Qn=En,En≥Th0,En<Th其中，Th为所选取的阈值，取Th=0.3*median(En)，然后选择经过硬阈值化处理后的心电信号能量曲线的波峰位置作为极大值点；e）优化极大值点：设定2个时间阈值t1和t2，且t1...

【技术特征摘要】

【专利技术属性】
技术研发人员：刘秀玲，杨建利，董斌，王洪瑞，
申请(专利权)人：河北大学，
类型：发明
国别省市：