面向智能服裝健康監護系統的心電信號基線漂移處理

摘要：面向智能服裝的健康監護系統心電信號存在嚴重的基線漂移，針對基漂去除的需要，提出了基于基線漂移閾值的分級處理方法。首先采用滑動窗口中值濾波算法對心電信號進行濾波，并計算出基線漂移的程度大小，當其大于給定的閾值時，采用小波變換得到QRS波群的位置信息和信號的特點來變動滑動窗口大小。中值濾波和小波算法可以在兩個處理平臺上并行運行，提高了運算速度；最后，運用該算法分別對模擬和實際的基線漂移進行處理，并與其他算法的處理結果進行了比較，結果表明該算法具有較好的實時性和處理效果。

關鍵詞：智能服裝; 健康監護系統; 中值濾波; 小波變換; 分級處理

中圖分類號：TP391．9文獻標志碼：A

文章編號：1001－3695(2008)06－1707－03

面向智能服裝的健康監護系統不同于一般的病房監護系統或動態心電監護儀Holter，它首先是一個健康監護系統，能夠采集人體的各種生理參數，并對人體的健康狀況進行判斷和監護；其次它作為置于服裝中的一部分，與服裝融為一個整體，用戶穿上它能夠進行正常的日常活動。人除了休息與睡眠外（此時也存在著呼吸等微弱運動），隨時都可能處于運動中。

基線漂移是影響心電信號（ECG）正確檢測和分析的一個重要因素，它主要是運動帶來的電極與皮膚接觸阻抗變化所致，其頻率范圍是0.05~1.5 Hz左右。但對于面向智能服裝健康監護系統，運動帶來的基線漂移頻率范圍將會增加[1]（約0.05~3 Hz），且頻率成分變得復雜。基線漂移作為一個重要問題，其解決辦法已經很豐富，但這些辦法對面向智能服裝健康監護系統的ECG信號基線漂移處理都存在著一些缺陷。常用的FIR和IIR濾波器截止頻率固定，在噪聲頻率超過其截止頻率時，無法消除噪聲，截止頻率過高會消除有用信息。采用曲線擬合的方法對基線漂移進行分段糾正，在ECG信號質量不高時，插值點難以提取。傳統的自適應濾波器除需要原始信號外，還需要一個參考信號，參考信號選取困難[1]。對于小波去噪，人們習慣于對多尺度分解后所得的細節部分在選擇一個閾值后進行量化處理[2]，而忽略了低頻的逼近信號本身也可以反映基線漂移的特性，其效果往往并不理想。移動窗口中值濾波方法[3]，關鍵在于選擇合適的窗口大小。本文結合小波變換和中值濾波的優點，根據基線漂移的程度，當基線漂移程度較低時，采用中值濾波的方法；而當基線漂移程度較高時，啟動小波變換。兩種算法分別在兩個處理平臺上并行進行，滿足了實時性要求，同時提高了去除基線漂移的效果。

1面向智能服裝的健康監護系統平臺

面向智能服裝健康監護系統采用集散式結構，它由采集模塊（包含心電、呼吸、溫度和脈搏等采集模塊）和主處理模塊組成，模塊之間通過RS－232/485總線連接，如圖1所示。本文只對ECG信號的采集進行討論。其中，DSP中央主處理器采用TMS5402，負責各種復雜信號的提取及診斷；ECG采集協處理器采用低功耗的MSP430FG439，負責ECG信號的采集及簡單預處理。

2ECG信號基線漂移的處理算法

2．1小波算法定位QRS波群

小波變換具有良好的時頻局部化特性，它實現了信號從時域到時間——尺度平面的轉換，通過多尺度分解可以得到不同分辨率下信號的局部化特征。它把待分析的信號f(t)用基本小波ψ(t)的伸縮尺寸和位移來處理，信號f(t)的連續小波變換（CWT）定義為

根據以上分析，可以選擇對ECG信號僅進行4尺度分解，而R波位置的DWT在S=23和S=24尺度下具有局部極大值。因此，記錄下相應尺度下DWT超過給定閾值且斜率為正的位置，再從這些位置開始往時間增大的方向尋找，即可確定局部極大值即R波的位置[4]。

2．2滑動窗口中值濾波

滑動窗口中值濾波是一種非線性的濾波方法，它的特點是對小幅高頻信號抑制效果較好，從而能夠從復雜信號中提取出緩慢變化的基線信號。它的濾波效果取決于滑動窗口的大小，若窗口增大，則它能擬合出的基線信號頻率范圍減小；反之能擬合出的基線信號頻率范圍增加。若采樣頻率為200 Hz，通過實驗可以得到中值濾波與擬合基線頻率范圍，如表1所示。

2．3閾值分級算法

面向智能服裝的健康監護系統需要對用戶進行長時間的監護，不論其是處在靜止或運動狀態。功耗和實時性是整個系統的一個關鍵問題，除了硬件上的相關要求外，其軟件也應該滿足以下要求：a)算法盡量簡單，降低系統功耗；b)滿足實時性要求；c)效果較好，誤檢率低。以上幾個要求之間不可能同時達到最優，只可能實現整體較優。

對于ECG監護，整個系統有采集協處理器和中央處理器兩個處理平臺。根據基線漂移的程度，本文采用了閾值分級算法。這里的分級有兩層含義：根據基線漂移程度采用相對應的算法；在兩個處理平臺上交互實現，算法步驟（圖2）如下：

a）在MSP430FG439平臺上采用滑動窗口中值濾波算法得到擬合基線。

b）計算基線漂移的漂移程度。設bp(n)為擬合基線bp(n)的均值，用BD=∑N-1n=0[bp(n)-bp(n)]2/N來表示基線漂移的程度[7]。通過實驗表明，當基線漂移閾值BDthresh=1.1時，整個算法較優。

c)比較BD與BDthresh，若BD＜BDthresh，則跳轉到a）；否則，通知TMS320VC5402啟動，跳轉到a）。d）在TMS320VC5402平臺上進行小波分解，對QRS波進行定位。

e）QRS波位置傳給MSP430FG439平臺，MSP430FG439平臺根據QRS波位置信息改變窗口大小。設檢測到的第i和i-1個R波峰的位置分別為pR(i)和pP(i-1)，則在pR(i)±60 ms范圍內，采用大小為81的窗口；從pR(i)± ms的位置開始，每隔100 ms窗口大小減小10，直至pR(i)和pR(i-1)的中點；然后窗口大小每隔100 ms增加10，直至pR(i)-60 ms的位置。

3實驗結果

3．1模擬實驗

為了檢驗算法的效果，首先采用模擬的基線漂移，即在一段沒有基線漂移的“干凈”ECG信號g(n)上疊加模擬基線漂移信號l(n)，得到模擬的帶有基線漂移的ECG信號x(n)，即

然后通過算法擬合出基線λ(n)，并得出濾除基線漂移后的ECG信號x(n)，則

本文選擇了四種不同類型的基線漂移來分別模擬[8]：a）由呼吸帶來的基線漂移；b）電極松緊帶來的電壓突變；c）由極化電壓帶來的基線漂移；d）運動狀態下的綜合基線漂移。其結果分別如圖3所示。

由式（7）（8）可得誤差為

由表2可以看出，擬合的基線和模擬的基線相關，系數接近于1（均在0．99）以上，歸一化均方根誤差在基線漂移不大的情況下都小于10%。說明擬合的基線接近模擬的基線，從而進一步證明了此種濾波器可以有效濾除不同頻率及幅值的基線漂移。為了比較，本文也運用簡單中值濾波算法和自適應小波算法[5]對各類模擬基線進行了相應處理，結果表明本文算法具有較好的效果。

3．2實際ECG

在MIT－BIH noise stress test數據庫中提供了專門的基線漂移噪聲信號bw，利用上述方法對記錄中的一段ECG信號進行處理，結果如圖4所示。可見該方法能夠較好除去ECG信號中的基線漂移噪聲，基本上無損失地保留了信號的其他信息。

4結束語

本文給出了一種面向智能服裝健康監護平臺的ECG信號基線漂移處理算法。利用中值濾波簡單實用和小波變換良好時頻局部特性等優點，根據基線漂移的程度將兩者有效地結合起來，分別在兩個處理平臺中運行。基線漂移較小時，僅在一個平臺中用中值濾波來去除基線漂移，降低了算法復雜度和功耗，同時也具有良好的效果；在運動狀態下具有較大基線漂移時，啟動另外一個平臺上的小波變換，對中值濾波算法進行修正。實驗結果表明，該算法有效地解決了靜止和運動狀態下的基線漂移，為后續面向智能服裝的ECG信號提取提供了良好基礎。

參考文獻：

［1］ESKI J M，HENZEL N．ECG baseline wander and powerline interfe－rence reduction using nonlinear filter bank[J]． Signal Processing，2005，85（4）:781－793．

[2]張文瓊，劉肖琳，吳濤. 一種利用小波變換逼近信號濾除心電圖基線漂移的方法[J]. 計算機工程與應用， 2005，41（20）:222－224.

[3]朱偉芳，齊春．一種實用的去基線漂移濾波算法[J].蘇州大學學報， 2006，26(1):62－64．

[4]黃敏，陳海燕，王益民，等． 基于小波變換的QRS波形檢測方法[J].哈爾濱理工大學學報， 2006，11(4): 81－84．

[5]王鵬，魏守水，黃青華．基于小波變換的自適應濾波器消除脈搏波基線漂移[J].中國醫學物理學雜志，2004，21(5): 296－299．

[6]盧喜烈，宋小武，周軍榮，等． 心電圖診斷與鑒別診斷[M].北京：科學技術文獻出版社， 2002．

[7]SHUSTERMAN V，SHAH S I，BEIGEL A，et al．Enhancing the precision of ECG baseline correction selective filtering and removal of residual error[J]．Computers and Biomedical Research，2000，33（2）: 144－160．

[8]BOUCHEHAM B，FERDI Y，BATOUCHE C. Piecewise linear correction of ECG baseline wander: a curve simplification approach[J]. Computer Methods and Programs in Biomedicine，2005，78(1): 1－10．

注：本文中所涉及到的圖表、注解、公式等內容請以PDF格式閱讀原文