基于HHT的胃電信號處理

續大偉，史學濤

1.第四軍醫大學 生物醫學工程系，陜西 西安 710032；

2.陜西省腫瘤醫院 設備科，

陜西 西安 710061

基于HHT的胃電信號處理

續大偉1,2，史學濤1

1.第四軍醫大學 生物醫學工程系，陜西 西安 710032；

2.陜西省腫瘤醫院 設備科，

陜西 西安 710061

本文采用HHT（Hilbert-Huang Transformation，HHT）時間序列分析方法，處理從人體采集到的胃電信號，通過經驗模態分解（EMD）技術將一非線性、非穩態過程的原始胃電序列分解為一組內在模態函數（IMF），然后對每一個IMF進行Hilbert變換，這樣得到信號的瞬時頻率，然后選擇與胃電成分相關的頻率成分，即2～4 cpm之間的IMF進行重構提取胃電信號，這是一種更具自適應性的、新型的、基于模態分解的時間序列數據處理方法，可以有效去掉疊加在胃電信號中的呼吸和血流等干擾信號，使胃電圖（EGG）在臨床診斷中更具有實際意義。

胃電圖儀；胃電圖； Hilbert-Huang變換；經驗模態分解

0 前言

胃電圖（Electrogastrogram， EGG）是指由胃電圖儀從人體上腹部體表記錄到的胃電信號。它可以有效地反映胃電活動的狀況，具有一定的臨床診斷價值[1]。由于它是來源于臟器性信號源，極易受噪聲干擾，主要表現在來自呼吸、測量過程中人體的輕微運動、小腸電活動、心電活動等方面的干擾。因此，信噪比較低，波形不經過處理難以直接利用。在非平穩信號的時頻變換理論中，小波變換具有完備性、正交性、局部化、自適應等特點，其基本運算包括伸縮和平移，從而形成信號的多尺度分析，并能同時有效地分析信號的時間和頻率特性。盡管小波變換能夠分析非平穩信號，但還是存在許多不足之處[2]。Hilbert_Huang 變換（HHT）是由Huang等人 1998 年提出的一種具有高時頻分辨能力的信號分析方法。其核心包括 2 個部分 :經驗模型分解（Empirical Mode Decomposition，EMD）和 Hilbert譜分析。

1 胃電圖的組成成分及其特征[3-9]

人的胃和心臟一樣，也存在著電活動。EGG主要是由胃電控制活動引起的一種自動慢波，其頻率正好對應胃收縮的最大功率。慢波是一直存在的，它源自沿胃大彎的胃體的近 1/3 結和遠 2/3 結的區域，它具有重復變化的特性，并向幽門傳播，其速度和幅值逐漸增加。慢波的頻率約為3 次 /min，患有胃功能性疾病的人表現為節律失調。一般認為，慢波只完成電起搏功能。一些研究表明，慢波與竇平滑肌的低幅值收縮也有一定的關系，當出現階段收縮時，胃電響應活動（ERA）引起峰值（SPIKES），在 EGG 中表現為信號幅度的增加。另外，由于EGG來源于器官性信號源，極易受噪聲干擾，主要干擾源有：呼吸噪聲、電極與皮膚摩擦噪聲、市電干擾噪聲和來自其他器官的電活動。雖然在儀器記錄EGG時，可由記錄儀器濾除部分噪聲，但EGG 主要是低頻成分，能量微弱，質量差，必須經過有力的信號分析工具處理，否則很難直接用于臨床診斷。

主頻和主功率是 EGG 的主要參數。主頻是指 EGG 取得最大功率處的頻率，它能比較精確地反映胃慢波的頻率。正常人通常為 3 次 /min，若不在這個頻段，則是胃慢波異常。主頻處的功率稱為主功率，反映了胃慢波的幅度和奇點，功率的變化能提供胃收縮強度的運動信息。

1.1 經驗模態分解（EMD）

該分解過程基于一個假設，即采集的數據是由許多基本的內在模態函數（IMF）疊加而成，它們是線性或者非線性，并且具有相同數目的極值點與過0點，即要求在橫坐標上下對稱分布。

不同時間尺度的各種模態根據其特征尺度進行分離，對任意給定時間段，可能同時存在許多運動模態，它們互相疊加得到原始獲得的復雜信號。分離之后每種模態是相互獨立的，在連續的過0點之間不存在其他的極值點。

IMF 所要滿足的判斷條件 ：① 整組數據極值點和過 0點的數目相同或者最多相差 1 個 ；② 局部極大值包絡線和局部極小值包絡線的平均值為0，也就是說信號的上下包絡線對稱于時間軸。

在實際信號的處理過程中，完全滿足第二個條件是不現實的，所以只要二者的平均值小于一個預先確定的小量即可，根據定義，可以按照如下方法分解函數，設時間序列為X(t)。

（1）找出X(t) 的所有極大值點和極小值點，并將其用三次樣條函數擬合為原始數據序列的上下包絡線。上下包絡線的均值為平均包絡線m1，將原序列減去m1得到一個新序列h1，即 ：

經過這次分離，突起的值成為新的局部極大值和局部極小值。此過程有兩個目的：消除載波和讓波形更加對稱。

（2）一般來講，h1不一定是一個平穩序列，為此需要對它重復上述過程，將h1看作原始數據，找到其包絡的中心線m1繼續分解，則有：

重復以上過程，經過k次，直到滿足以上兩個限定條件，結束分解，使得h1k成為第一個 IMF 項，即 ：

C1為從該數據分離出的第一個 IMF 分量，它代表原始數據序列中最高頻成分。原始信號X(t) 與C1的差值為剩余信號r1：

由于r1包含了較長周期的組份，可將其視為原始數據并重復以上的過程獲得C2，其新的差值為 ：

當rn為單調序列或者相對原始信號幅度極小可忽略不計時，認為完成提取信號內在模態的過程，此時代表原始數據序列的均值或者趨勢。綜合以上方程，最后獲得：

從此方程可知，原始信號可以表示為n個內在模態函數和 1 個剩余信號rn之和，rn是常數或是一組單調數據，所有的 IMF 分量經過逆向疊加，最后可以還原回原始數據X(t)。

1.2 Hilbert變換

設X(t) 為一時間序列，Y(t) 是它的 Hilbert變換，即 ：

X(t)和Y(t)形成一復數，可以得到X(t)對應的解析信號Z(t) ：

將信號的瞬時幅值 a(t)、瞬時相位 θ(t) 表示如下 :

式中w(t)為t時刻的瞬時頻率。

2 實驗結果

對人體實測的胃電信號，應用EMD方法進行分解，得到各個時間尺度下的內在模態分量，選擇與胃動力信號頻率相關的模分量進行重構，可以濾除各種干擾，提取出胃動力信息。

實測采集到的一段原始胃動力信息數據（圖 1），雖然3 次 /min 的慢波節律可以大概分辨出來，但是信號中含有明顯的較高頻率的心電、呼吸干擾以及低頻的基線漂移等。

圖1 原始采集胃電信號

對圖1中的信號進行經驗模態分解，得到8個內在模態分量和1個趨勢分量，8個內在模態分量分別表示一定的周期特性。對 EMD 分解的 8 個 IMF 分量（圖 2），主要是對應于胃電信號中低頻成分及干擾；剩余分量Rn表示的是測試時間內的信號變化趨勢。

對分解后的各個 IMF 分量進行 Hilbert變換，求出每個內在模態分量的瞬時頻率，然后選擇與胃動力相關的頻率分量 IMF3、IMF4、IMF5、IMF6 進行重構，重構后的胃電慢波信號，見圖3。

圖2 EMD分解后的8個IMF分量

圖3 重構后的胃電信號

原始采集的信號功率譜（圖 4），含有心電，呼吸以及低頻等干擾成分。由經過EMD 方法提取出的胃電信號功率譜（圖5）可以看出，處理后的信號消除了基線漂移的影響，并且有效地抑制了各種干擾，其頻率成分主要分布在 2～4 次 /min。

圖4 原始信號功率譜

圖5 重構后信號功率譜

3 結束語

本文采用經驗模態分解方法，自適應地分解胃電信號，再對實際信號的內在模分量進行重構，可以有效抑制實際采集信號中的基線漂移、心電、呼吸等干擾，可很好地提取胃電信號，為進一步分析胃電信號的各種特性及其臨床應用奠定了基礎。

經 EMD 分解變換得到的 IMF 序列是直接從原始數據中分離出來的，實現無需確定分解次數，不受人為因素影響。因此，IMF 序列能更好反映原始數據固有的物理特性，其分解是客觀的，內在的和自適應的。實驗結果表明，它是一種行之有效的方法，為分析胃電信號提供了一種新的強有力的工具。

[1] 蔡建華,吳敏金.基于小波變換的EGG信號處理[J].華東師范大學學報,2000,(3):43-47.

[2] TSE P,YANG W X,TAM H Y.Machine fault diagnosis through an effective exact wavelet analysis [J].Journal of Sound and Vibration,2004,277(5):1005-1024.

[3] 楊振江,王承德.胃電信號的檢測與處理[J].電子科技,1995,(12):55-57. [4] 劉海龍.生物醫學信號處理[M].北京:化學工業出版社,2006.

[5] 張德豐.Matlab 數字信號處理與應用[M].北京:清華大學出版社,2010.

[6] Huang N E,Shen Z,Long S R,et al.The empirical mode decomposition and the Hilbert spectrum for non-linear and non-stationary time series analysis [J].Proceedings of the Royal Society of London Series A-Machematical Physical and Engineering Sciences,1998,454:903-995.

[7] PENG z K,TSE p w,CHUA F L.An improved Hilbert-Huang transform and its application in vibration signal analysis[J]. Journal of Sound and Vibration,2005,186(2):187-205.

[8] 劉理,任惠茹,李剛.胃電圖的記錄、分析及其應用[J].生物醫學工程學雜志,2003,20(3):567-570.

[9] Holly Moore.matlab實用教程[M].2版.北京:電子工業出版社, 2010.

Gastric Electrical Signal Processing Based on Hilbert-Huang Transformation

XU Da-wei1,2, SHI Xue-tao1
1. Biomedical Engineering Department, Fourth Military Medical University, Xi’an Shaanxi 710032, China; 2. Equipment Department, Shaanxi Provincial Tumour Hospital, Xi’an Shaanxi 710061, China

In this paper, the Hilbert-Huang Transformation (HHT) method is adopted to deal with the gastric electric signal collected from patient bodies. Nonlinear and non-stationary original gastric electric signal series can be decomposed by using the empirical mode decomposition method(EMD) into a number of intrinsic mode function(IMF)components. Under the Hilbert transformation process, instantaneous frequency are effectively extracted. Selected the related frequency, such as 2～4cpm, then reconstructed the signal. This is a new and applicable time series analysis method based on mode decomposition. This method can accomplish the extraction of gastric electric signal and remove the disturbances such as blood flow and breathing. HHT is an easy and effective method to do EGG analysis in clinical diagnosis.

electrogastrogram system; electrogastrogram; Hibert-Huang transformation; empirical mode decomposition

R319；R573

A

10.3969/j.issn.1674-1633.2012.07.011

1674-1633(2012)07-0044-03

2012-02-20

本文作者：續大偉，在讀碩士研究生，臨床醫學工程師，陜西省醫療器械協會理事。

史學濤 ，副教授，碩士研究生導師。

作者郵箱：dawei5228@sohu.com