一种新的电信号特征提取算法与心电噪声检测

一种新的心电信号特征提取算法与心电噪声检测尹斌，肖锐，凌学梦：由于操作或环境中的干扰，临通过心电信号检测仪获取的原始心电信号中含有确率为88%。阶微分提取心电信号特征，从而检出QRS波。Tompkins等[3]采用斜率、能量和宽度等特征量作为心电信号特征，通过多特征判别可实时定位R波。Friesen等[4]比较了九种QRS波的检测方突出信号的特息，从而检出QRS波。骆德汉等[6]利用ST倾斜度、心率、波幅等12个特征量和13个压缩ECG数据构成心电信号特征，并基于此设计了神经网络分类器。师黎等[7利用小波变换多分辨率特性,提出了在不同尺度下分别进行R峰值点以及ST段特征点提取的策心电信号预处理x(n)，但数据点个数与向量峰值段进行噪声检测与判别，并将读入的数据段归一化为[0,100]，归一化见式（1。y(i) x(i)max(x(n))

x(i)表示第i个原始心电数据，y(i)表示归一化后的第i个心电数据，max(x(n))与min(x(n))N点心电数据包中的最大值和最小值。本文采用的心电数据包由迈瑞公司提供，实验N取为1001。数据包中心电信号的采样率为250Hz，在该采样率下需要4s时间才能1001点心电数据，正常人在这段时间内大致经历了4次心跳。将归一化后的心电数据点用线段连接，得到的心电图如图1，图2所示。图1心电数据包1从12400到13400心电 图2心电数据包1从12500到13500心电由图1，图2可以不同的心电图虽然都表示同一种心电信号，但点分布描述法原理3心电数据包Noise011240013400划分区间后的心电12中的信号经点分布描述法提取的点分布向量见表1。112心电信号在不同区间内的数据点个区信 ……223…223建立噪声分类知识库最近邻分类是一种实用性较强，算法空间复杂度和时间复杂度都较低的有监督分类方8]况。距离的度量是模式识别领域的问题之一，度量的一般化表示为Da,b)，表示向量a和b距离度距离[9]。常用的有Minkowski距离、里得距离、Mahalanobis距离、Tanimoto距离和切得距离的计算见式（2。(ab)(ab)d k

数，本文中d为22。最近邻分类决策T.M.COVER与P.E.HART在1967年首次提出了最近邻分类决策[10]，基于 规则为：给定(x,)，x为带分类项，为x所属类别；{x,x,L,x}为1 已正确分类项，则x`x,xL,x}，x的最近邻项x`imin(D(x,x))D(x`,i

i 类别

，当

实际使用时，难以满足条件min(D(xx))D(xx，所以本文求出min(D(xx 实验与算法分析实验中的心电信号原始数据由迈瑞公司提供，数据采样率为250Hz，一共25个数据包，共的心电信号（第三类。实验以1001个数据点为一个数据段依次扫描这25个数据包并对每实验中共选取了133段第一类信号，77段第二类信号和143段第三类信号的原始数据，并将其经过映射后组成噪声分类知识库。所选数据量仅占原始数据的2.3%。三类信号用红色描绘。分类后效果示例见图4，图5。图4心电数据包Noise20分类结果局 图5心电数据包Noise3分类结果整从分类结果可以看出，算法能将心电数据包中数据段分为3种类别，从图中不同颜色心电随机法对算法进行评测。随机测试法首先将每个读入的心电数据包平均分为6是否正确。根据统计可得算法的噪声检测正确率为88%，计算过程见式（3。噪声检测正确率分类正确的数据段数256-18 25使用如下配置的PC机对算法进评：操作系统为Windows7旗舰版SP1；处理In(RCore(TMi3CPUM350@2.27GHz2.27GHz4.00GB（2.99GB可用译器为35(R2011a)。对255分钟的25个数据包进行分类并标注不同类别信号的起止位置，只需176分钟，算法的实时性能得到保证。江涛,石荣刚.心电诊断模糊专家系统开发与研究[J].现代电子技术2007(11124-杨纪成.自动分析心电监护仪的QRS复合波检出方法[J].生物医学工程学,1991,8(1):61-Jiapupan,TompkinsWJ.AReal-timeQRSdetectionalgorithm[J].IEEETransonBiomedEng,1985,32(3):FriensenGM,JannettTC,JadallahMA,etal.Comparisonofthenoisese-nsitivityofnineQRSdetectionalgorithms[J].IEEETransonBiomedEng,1990,37(1):85-98.,卢继来,郝丽,等.基于数学形态学和小波分解的QRS波群检测算法[J].学报（自然科学版）,2004,44(6):852-855.骆德汉,许广桂,邹宇华,等.ECG信号诊断模型研究[J].仪器仪表学报,2008,29(1):27-31.师黎,杨芩玉,费敏锐.RST段的提取[J].仪器仪表学报,2008,29(4):朱建华,刘政凯,俞能海.一种多光谱遥感图像的自适应最小距离分类方法[J].中国图像图形学报,2000,5(1):21-24.李宏东,姚天翔,译.DUDARO.模式分类[M].:机械工业,T.M.COVER,P.E.HART,NearestNeighborPatternClassification[J].IEEETran-sactionsonInformationTheory,1976,13(1):21-27.ANewECGCharacteristicExtractionAlgorithmandECGNoiseClassificationYINBin,XIAORui,LINGXue-meng,ZHOUXin-(KeyLaboratoryofMeasurementandControlofComplexSystemsofEngineering,MinistryofEducation,SoutheastUniversity,Nanjing,210096):ECGsignalscollectedbyECGmonitormaybesubmergedinvariouskindsofnoisebecauseofprocedureerrorsorenvironmentalinterferencewhichcannotbeusedforclinicaldiagnosis.Inthispaper,wepresentanewalgorithmtoextractECGcharacteristicandtodetectECGnoiseusingnearestneighborpatternclassifier.OuralgorithmdividestheECGsignalsintothreecategories,thepureECGsignals,theECGsignalsinterferedbynoise,theECGsignalssubmergedinnoise.ItisshownbytheexperimentalresultsthatthepresentedalgorithmiscapableofdetectingandrejectingtheECGsignalssubmergedinhighlevel