CN106137184A - 基于小波变换的心电信号qrs波检测方法 - Google Patents
基于小波变换的心电信号qrs波检测方法 Download PDFInfo
- Publication number
- CN106137184A CN106137184A CN201510161705.6A CN201510161705A CN106137184A CN 106137184 A CN106137184 A CN 106137184A CN 201510161705 A CN201510161705 A CN 201510161705A CN 106137184 A CN106137184 A CN 106137184A
- Authority
- CN
- China
- Prior art keywords
- wavelet transformation
- qrs
- signal
- electrocardiosignal
- template
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明涉及心电信号QRS波检测方法技术领域,特别涉及一种基于小波变换的心电信号QRS波检测方法,其步骤为:选择一个特殊QRS波作为目标模板,进行小波变换并保存变换后第4尺度上的低频信号和高频信号;对待检测的信号进行预处理后进行小波变换,得到特征频谱高频成分并求导并取绝对值,保留其极大值点,结合QRS复合波的最大周期获取QRS波波形进行小波变换;把变换后第4尺度上的低频信号与模板的进行幅度相关运算,把变换后第4尺度上的高频信号与模板的进行相位相关运算;分别给两种运算赋权重再运算,判断是否匹配;本发明的目的在于提供一种耗时短,准确率高的基于小波变换的心电信号QRS波检测方法。
Description
技术领域
本发明涉及心电信号QRS波检测方法技术领域,特别涉及一种基于小波变换的心电信号QRS波检测方法。
背景技术
QRS波:代表心室除极的电位变化,是心室除极过程出现的波;QRS波是ECG波形中最明显的部分,它反映了心室收缩时心脏的电行为,因此QRS波的发生时间和形状给出了当前心脏所处的状态信息。从这个意义上说,QRS波检测是所有心电信号自动分析的基础,传统的QRS波检测目的是检测QRS波的识别,即判断是否为QRS波;它所关注的QRS波群的位置,但不能分辨各QRS波的特征;如果有N个QRS波周期的心电信号,我们想找到与第M个QRS波相似或相同的所有波形,现在的方法是人工识别,耗时长,准确率低。
发明内容
本发明的目的在于克服现有技术中所存在的上述不足,提供一种耗时短,准确率高的基于小波变换的心电信号QRS波检测方法。
为了实现上述发明目的,本发明提供了以下技术方案:
一种基于小波变换的心电信号QRS波检测方法,其步骤为:
A、选择一个特殊QRS波作为目标模板;
B、对选择的QRS波模板进行小波变换并保存变换后第4尺度上的低频信号和高频信号;
C、对待检测的信号进行预处理,将待检测的信号的采样率改变为预定范围的采样率,对预处理后的心电信号进行小波变换,得到特征频谱高频成分并求导并取绝对值,保留求导绝对值的极大值点,根据极大值点幅值的变化,结合QRS复合波的最大周期获取特征波形,提取QRS波;
D、对步骤C中最后提取到的QRS波进行小波变换;把变换后第4尺度上的低频信号与模板变换后的低频信号进行幅度相关运算,把变换后第4尺度上的高频信号与模板变换后的高频信号进行相位相关运算;
E、分别给两种运算赋一个权重因子,两个相关运算与权重因子相乘再做和,得到步骤B中选择的QRS波与模板QRS波的相关程度,以此判断待测信号得到的QRS波与模板QRS波是否匹配。
传统的QRS波检测目的是检测QRS波的识别,即判断是否为QRS波;它所关注的QRS波群的位置,但不能分辨各QRS波的特征;本申请技术主要特点是在确定QRS波的位置的基础上,识别特别的QRS波特征,也就是先选择一个特征波形,然后找出与之相同或相似的波形。本申请技术大大提高了分别QRS波的效率,解决了以前通过人工判断和识别特征QRS需要大量时间和人力的问题,以及人工判断导致的误判断;
举一个例子,有10000个QRS波周期的心电信号,我们想找到与第10个QRS波相似或相同的所有波形,如果通过人工识别至少需要24小时才能完成,而通过本技术仅用时不到1分钟就能完成,并且准确率在99%以上。
作为本发明的优选方案,步骤E中,如果相关程度达到95%以上,则认为待测信号得到的QRS波与模板QRS波匹配。
作为本发明的优选方案,步骤C中,对特征频谱高频成分求导并取绝对值后,对小信号干扰进行剔除。
作为本发明的优选方案,步骤E中,分别给两种运算赋一个权重因子,权重取值范围0~1。
作为本发明的优选方案,步骤E中,定义幅度相关权重Wp与相位相关权重WS,且WS+Wp=1。
与现有技术相比,本发明的有益效果:
耗时短,准确率高。
附图说明:
图1为心电信号的离散小波变换分解图。
图2为心电特征信号检测过程图。
具体实施方式
下面结合实施例及具体实施方式对本发明作进一步的详细描述。但不应将此理解为本发明上述主题的范围仅限于以下的实施例,凡基于本发明内容所实现的技术均属于本发明的范围。
实施例1
一种基于小波变换的心电信号QRS波检测方法,其步骤为:
A、选择一个特殊QRS波作为目标模板,定义模板QRS波信号为M(t);
B、对选择的QRS波模板进行小波变换,如下公式1:
SWT4(M(t))=A4(M(t))+D4(M(t));
其中,A4(M(t))为M(t)小波换后的低频成分;D4(M(t))为M(t)小波换后的高频成分,保存变换后第4尺度上的低频信号和高频信号;
C、对待检测的信号进行预处理,将待检测的信号的采样率改变为预定范围的采样率(如图1所示,心电信号预处理就是改变输入的心电信号的采样率,即将采样率改变成预定范围内的采样率;目的是使输出的小波变换的心电信号为一固定范围采样率的数据,使QRS波的频率范围落在其分解特征频谱频带内,固定住小波变换的分解尺度,保证小波分解的缓存空间为一固定小的空间,并且固定了计算的复杂度,如图2(a)所示,就是固定了分解尺度的心电信号。采样频率变换时,抽取点数要跟随变化,保证输入到小波分解的电生理信号是限定范围内的采样率,同时保证信号不失真。),对预处理后的心电信号进行小波变换(通过小波变换获得到比QRS复合波频率范围(7-27Hz)稍高的频谱范围内的特征频谱成分,有利于减弱高大P波和T波的干扰。图2(b)是对固定了分解尺度的心电信号进行小波变换后的特征频谱信号图;在基于小波变换后,原心电信号的R峰值变成了特征频谱信号的过零点,在原心电信号的R波的上升沿中段和下降沿,分别形成了两个极值点;这两个极值点是相邻的极值点,我们称之为极值点对。小波变换已被广泛应用于心电信号的特征波检测,主要应用于小波变换的时频特性以及多分辨率特性。关于小波变换是现有技术,所以更多小波变换的过程在此不再赘述。),得到特征频谱高频成分并求导并取绝对值(采用对小波分解高频特征频谱成分做求导变换,求导变换后使特征频谱信号的过零点被变换为极大值点突显出来,避免了为定位R波而寻找极值对产生的错误干扰,并且计算量被大大减小。图2(c)是对特征频谱信号求导后得到波形图;求导变换可以将需要识别的波形对应的极值点对间的过零点变换为极大值点,且由导数的性质可得极大值点顶点连续。同时,求导过程会使高频成分的幅值加强,低频成分的幅值得到衰减,而Q波、R波、S波在有效频带内属于高频成分,而T波和P波属于低频成分,求导后Q波、R波、S波幅值加强,而T波或P波的幅值会进一步衰减,有效的抑制了高大P波和T波的干扰,有利于后续的识别处理。本实施例中对导数成分取绝对值目的是避免因为波形变异而产生的误判。在心电信号中,因为波形变异往往存在有小R大S、大Q小R等情况,经小波变换后,由于受R波幅值影响,R波对应变换后的波形很弱,虽然求导能突出R波,但相比较仍较弱,不易被准确检测到,由于Q波、R波、S波距离非常小,此时可以通过识别Q波或S波近似定位R波,那么在波形变异时识别Q波或S波就显得同样重要。因此,对导数取绝对值,便能在Q、R、S波中找到对应极大值的幅值最大的一个波形,传统方法是无法实现这一功能的。),对小信号干扰进行剔除,具体为:
取较短时间的数据进行滑动平均计算,得到小信号的均值及基线,对小信号的均值设定一有效放大倍数,得到小信号的包络线,对包络线内的数据置零,并将小信号的均值设置为下一特征波形检测阈值的下线(所述小信号为小幅度值的随机干扰信号,所述大信号就是正常的心电信号。对小信号干扰进行剔除,保留所述导数绝对值的较大极值点。在没有正常心电信号时需要剔除小信号的干扰,有必要在特征频谱成分的导数绝对值中取较短时间的数据进行滑动平均,以确定均值,对于均值设定一有效下限值和放大倍数来剔除小信号的干扰,此方法计算复杂度很小;阈值化去除邻域内较小的极值点,保留较大极值点;剔除小幅值的平稳随机干扰信号,心电信号常常伴有小幅值平稳随机信号和基线漂移等干扰,呈现出小幅值的平稳随机信号和缓慢的漂移信号叠加,干扰正常的QRS波检测的准确率。尤其是在没有正常心电信号输入时,偶尔会错误的检测到QRS波。究其主要原因,是因为小幅值平稳随机信号干扰,剔除小幅值平稳随机信号后,基线漂移对检测就不会造成干扰。依据小幅值平稳随机信号的特征,在特征频谱成分的导数绝对值中取较短时间的数据进行滑动平均计算。计算得到的均值及小幅值平稳随机信号的基线,对均值设定一有效放大倍数就得到小幅值平稳随机干扰信号的包络线,对包络线间的数据置零即可剔除小幅值平稳随机信号。同时得到的均值即可作为下一特征波形检测阈值的下限。此方法计算复杂度很小、实时性高);
保留求导绝对值的极大值点,根据极大值点幅值的变化,结合QRS复合波的最大周期获取特征波形,提取QRS波,具体为:
通过自训练法或自适应阈值法计算心电信号的阈值;去掉小于阈值的波形数据,可得到QRS复合波形;检测连续的QRS周期内的最大极值点(所述最大极值点为QRS特征波形中R波或S波或Q波的波峰,特征波形检测是对图2(d)中变换数据的处理,根据幅值的变化来获取特征波形。对特征波形的检测是一系列简单计算方法的有机结合,主要有自训练法、自适应阈值等方法,还结合了QRS复合波的最大周期。自训练法通过一个最小持续时间心电信号训练获得最大阈值;自适应阈值是根据连续相邻两段自训练法获得的最大阈值计算平均,得到当前阈值。对当前阈值需要结合上一步(四中)得到的阈值下限进行修正而获得了更精确的阈值,使用阈值化的方法去掉小于阈值的波形数据,即可得到QRS复合波形。但此时获得的QRS复合波形对应于一段有效波形数据,可结合最大周期,找出连续的QRS周期内的最大极值点,即对应于检测的QRS特征波形中R波或S波或Q波的波峰,如图2(d)所示的局部最大值点。);
定义该QRS波信号为Qrs(t);
D、应用所述公式1对Qrs(t)进行小波变换,如下公式2:
SWT4(Qrs(t))=A4(Qrs(t))+D4(Qrs(t));
把Qrs(t)第4尺度上的低频信号与模板M(t)变换后的低频信号进行幅度相关运算,如下公式3:
设
X(t)=A4(M(t));
Y(t)=A4(Qrs(t));
则
其中,Corrscope(X,Y)表示幅度相关运算,ScopeCorr表示幅度相关性,cov(X,Y)表示协方差运算,D(X)表示期望运算;
把Qrs(t)第4尺度上的高频信号与模板M(t)变换后的高频信号进行相位相关运算,如下公式4:
设
则
X(t)的相位为
Y(t)的相位为
则相位相关性
其中,Corrphasic(x)表示相位相关运算,PhasicCorr表示相位相关性,cov(X,Y)表示协方差运算,D(X)表示期望运算;
E、分别给两种运算赋一个权重因子,两个相关运算与权重因子相乘再做和,得到步骤B中选择的QRS波与模板QRS波的相关程度,以此判断选择的QRS波与模板QRS波是否匹配,具体为:
定义幅度相关权重Wp(权重取值范围0~1)与相位相关权重WS(权重取值范围0~1),且WS+Wp=1,则待测信号得到的QRS波QRS波与模板QRS波的整体相关性计算如下公式5:
WholeCorr=ScopeCorr*Ws+PhasicCorr*Wp;
如果相关程度WholeCorr大于95%则认为待测信号得到的QRS波与模板QRS波匹配。
Claims (5)
1.一种基于小波变换的心电信号QRS波检测方法,其步骤为:
A、选择一个特殊QRS波作为目标模板;
B、对选择的QRS波模板进行小波变换并保存变换后第4尺度上的低频信号和高频信号;
C、对待检测的信号进行预处理,将待检测的信号的采样率改变为预定范围的采样率,对预处理后的心电信号进行小波变换,得到特征频谱高频成分并求导并取绝对值,保留求导绝对值的极大值点,根据极大值点幅值的变化,结合QRS复合波的最大周期获取特征波形,提取QRS波;
D、对步骤C中最后提取到的QRS波进行小波变换;把变换后第4尺度上的低频信号与模板变换后的低频信号进行幅度相关运算,把变换后第4尺度上的高频信号与模板变换后的高频信号进行相位相关运算;
E、分别给两种运算赋一个权重因子,两个相关运算与权重因子相乘再做和,求得待测信号得到的QRS波与模板QRS波的相关程度,以此判断是否匹配。
2.根据权利要求1所述的基于小波变换的心电信号QRS波检测方法,其特征在于,步骤E中,如果相关程度达到95%以上,则认为待测信号得到的QRS波与模板QRS波匹配。
3.根据权利要求1所述的基于小波变换的心电信号QRS波检测方法,其特征在于,步骤C中,对特征频谱高频成分求导并取绝对值后,对小信号干扰进行剔除。
4.根据权利要求2所述的基于小波变换的心电信号QRS波检测方法,其特征在于,步骤E中,分别给两种运算赋一个权重因子,权重取值范围0~1。
5.根据权利要求4所述的基于小波变换的心电信号QRS波检测方法,其特征在于,步骤E中,定义幅度相关权重Wp与相位相关权重WS,且WS+Wp=1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510161705.6A CN106137184B (zh) | 2015-04-08 | 2015-04-08 | 基于小波变换的心电信号qrs波检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510161705.6A CN106137184B (zh) | 2015-04-08 | 2015-04-08 | 基于小波变换的心电信号qrs波检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106137184A true CN106137184A (zh) | 2016-11-23 |
CN106137184B CN106137184B (zh) | 2019-02-12 |
Family
ID=57338766
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510161705.6A Active CN106137184B (zh) | 2015-04-08 | 2015-04-08 | 基于小波变换的心电信号qrs波检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106137184B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106908655A (zh) * | 2017-03-06 | 2017-06-30 | 广东顺德工业设计研究院(广东顺德创新设计研究院) | 光电信号峰值检测方法与*** |
WO2018166136A1 (zh) * | 2017-03-14 | 2018-09-20 | 华为技术有限公司 | 波形信号处理的方法及装置 |
CN108647584A (zh) * | 2018-04-20 | 2018-10-12 | 西安交通大学 | 基于稀疏表示和神经网络的心律不齐识别分类方法 |
CN108670245A (zh) * | 2018-05-31 | 2018-10-19 | 哈尔滨工业大学深圳研究生院 | 一种心电信号检测方法及*** |
CN114027853A (zh) * | 2021-12-16 | 2022-02-11 | 安徽心之声医疗科技有限公司 | 基于特征模板匹配的qrs波群检测方法、装置、介质及设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3998214A (en) * | 1975-05-19 | 1976-12-21 | Brondy Laboratories, Inc. | Premature ventricular contraction detector and method |
CN101028186A (zh) * | 2007-03-28 | 2007-09-05 | 李楚雅 | 基于模板匹配的心电图st段自动识别方法 |
CN101828918A (zh) * | 2010-05-12 | 2010-09-15 | 重庆大学 | 基于波形特征匹配的心电信号r波峰检测方法 |
WO2010125116A1 (en) * | 2009-05-01 | 2010-11-04 | Heartsine Technologies Limited | An external defibrillator |
CN101919695A (zh) * | 2010-08-06 | 2010-12-22 | 李楚雅 | 一种基于小波变换的心电信号qrs波检测方法 |
CN103800003A (zh) * | 2014-01-21 | 2014-05-21 | 杭州电子科技大学 | 一种心电检测方法及检测仪 |
CN104102915A (zh) * | 2014-07-01 | 2014-10-15 | 清华大学深圳研究生院 | 一种心电异常状态下基于ecg多模板匹配的身份识别方法 |
-
2015
- 2015-04-08 CN CN201510161705.6A patent/CN106137184B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3998214A (en) * | 1975-05-19 | 1976-12-21 | Brondy Laboratories, Inc. | Premature ventricular contraction detector and method |
CN101028186A (zh) * | 2007-03-28 | 2007-09-05 | 李楚雅 | 基于模板匹配的心电图st段自动识别方法 |
WO2010125116A1 (en) * | 2009-05-01 | 2010-11-04 | Heartsine Technologies Limited | An external defibrillator |
CN101828918A (zh) * | 2010-05-12 | 2010-09-15 | 重庆大学 | 基于波形特征匹配的心电信号r波峰检测方法 |
CN101919695A (zh) * | 2010-08-06 | 2010-12-22 | 李楚雅 | 一种基于小波变换的心电信号qrs波检测方法 |
CN103800003A (zh) * | 2014-01-21 | 2014-05-21 | 杭州电子科技大学 | 一种心电检测方法及检测仪 |
CN104102915A (zh) * | 2014-07-01 | 2014-10-15 | 清华大学深圳研究生院 | 一种心电异常状态下基于ecg多模板匹配的身份识别方法 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106908655A (zh) * | 2017-03-06 | 2017-06-30 | 广东顺德工业设计研究院(广东顺德创新设计研究院) | 光电信号峰值检测方法与*** |
CN106908655B (zh) * | 2017-03-06 | 2019-06-14 | 广东顺德工业设计研究院(广东顺德创新设计研究院) | 光电信号峰值检测方法与*** |
WO2018166136A1 (zh) * | 2017-03-14 | 2018-09-20 | 华为技术有限公司 | 波形信号处理的方法及装置 |
CN108701219A (zh) * | 2017-03-14 | 2018-10-23 | 华为技术有限公司 | 波形信号处理的方法及装置 |
US11321561B2 (en) | 2017-03-14 | 2022-05-03 | Huawei Technologies Co., Ltd. | Electrocardiogram waveform signal processing method and apparatus |
CN108647584A (zh) * | 2018-04-20 | 2018-10-12 | 西安交通大学 | 基于稀疏表示和神经网络的心律不齐识别分类方法 |
CN108647584B (zh) * | 2018-04-20 | 2022-04-22 | 西安交通大学 | 基于稀疏表示和神经网络的心律不齐识别分类方法 |
CN108670245A (zh) * | 2018-05-31 | 2018-10-19 | 哈尔滨工业大学深圳研究生院 | 一种心电信号检测方法及*** |
CN114027853A (zh) * | 2021-12-16 | 2022-02-11 | 安徽心之声医疗科技有限公司 | 基于特征模板匹配的qrs波群检测方法、装置、介质及设备 |
CN114027853B (zh) * | 2021-12-16 | 2022-09-27 | 安徽心之声医疗科技有限公司 | 基于特征模板匹配的qrs波群检测方法、装置、介质及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN106137184B (zh) | 2019-02-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103584854B (zh) | 心电信号r波的提取方法 | |
CN108714026B (zh) | 基于深度卷积神经网络和在线决策融合的细粒度心电信号分类方法 | |
CN106108889B (zh) | 基于深度学习算法的心电图分类方法 | |
CN106137184A (zh) | 基于小波变换的心电信号qrs波检测方法 | |
CN101919695B (zh) | 一种基于小波变换的心电信号qrs波检测方法 | |
CN103989462B (zh) | 一种脉搏波形第一特征点和第二特征点的提取方法 | |
CN104161510B (zh) | 一种多级导联心电信号qrs波形识别方法 | |
CN109381181A (zh) | 心电信号特征波形的端点检测方法 | |
CN101828918B (zh) | 基于波形特征匹配的心电信号r波峰检测方法 | |
CN104268883B (zh) | 一种基于边缘检测的时频谱曲线提取方法 | |
Ting et al. | ECG based personal identification using extended kalman filter | |
CN103431856A (zh) | 在多导联同步心电信号中选择心电导联的方法及装置 | |
CN108056770A (zh) | 一种基于人工智能的心率检测方法 | |
CN102626310A (zh) | 基于提升小波变换和改进近似包络的心电特征检测算法 | |
CN105212922A (zh) | 面向fpga实现心电信号r波自动检测的方法及*** | |
CN107688553A (zh) | 基于小波变换和逻辑回归算法检测心电波形特征的方法 | |
CN106175731A (zh) | 非接触式生命体征监测的信号处理*** | |
CN104771178A (zh) | 身份识别的方法及装置 | |
CN101933811A (zh) | 一种血氧饱和度检测方法及*** | |
Lastre-Dominguez et al. | Denoising and features extraction of ecg signals in state space using unbiased fir smoothing | |
CN108403108A (zh) | 基于波形优化的阵列式表面肌电信号分解方法 | |
CN105147252A (zh) | 心脏疾病识别及评估方法 | |
CN104783787A (zh) | 一种基于神经网络的j波检测方法 | |
CN107392123A (zh) | 一种基于相参积累消噪的射频指纹特征提取和识别方法 | |
CN103860167A (zh) | 基于非负矩阵分解的j波提取和分析方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP01 | Change in the name or title of a patent holder |
Address after: No. 5, Wuke East 3rd Road, Wuhou District, Chengdu, Sichuan 610000 Patentee after: Sichuan Jinjiang Electronic Medical Device Technology Co.,Ltd. Address before: No. 5, Wuke East 3rd Road, Wuhou District, Chengdu, Sichuan 610000 Patentee before: SICHUAN JINJIANG ELECTRONIC SCIENCE AND TECHNOLOGY Co.,Ltd. |
|
CP01 | Change in the name or title of a patent holder |