动态心电信号干扰的识别研究

熊 昕，岑人经

（华南理工大学 生物科学与工程学院 生物医学工程系，广东 广州 510006）

动态心电信号干扰的识别研究

熊 昕，岑人经

（华南理工大学 生物科学与工程学院 生物医学工程系，广东 广州 510006）

目的 研究能够有效滤除动态心电信号各种噪声和干扰，使有效信号得以突出的算法。方法 分析动态心电信号干扰的形态特点及统计特点，针对不同种类的干扰提出识别办法，估算信噪比。结果 本算法能有效估计信噪比的大小，有助于在心电监护中抛弃计算错误的导联，减小有效信号值估的偏差。结论 本文算法具有较强的抗干扰能力，可靠性高，使监护系统能够有效地利用多导联的信息得到准确的分析诊断结果。

心电图仪；心电监护；动态心电信号；识别；算法

0 前言

常规心电图是病人在静卧情况下由心电图仪记录的心电活动。它是在心动周期内由心脏电位变化而引起的体表几个点上记录数秒至十余秒的电位差随时间变化的图形(ECG)，对心律失常等疾病的发现率有限[1]。心脏工作受诸多因素影响，特别是环境和人的精神状态都会诱发潜在的心脏病的发作。因此需要动态心电图(Dynamic electrocardiography)来记录病人处于正常生活、工作、活动条件时的心电变化，从而捕捉到初级的潜在的心脏疾病的心电信息。自Holter成功地研制出了第一台动态心电监护系统后，动态心电监护技术成为检出定量心律失常、心肌缺血的重要而有效的诊断方法，也使部分心脏病的早期诊断和治疗成为可能。

1 动态心电信号的干扰

随着滤波器技术的发展，信号中的噪声和干扰能尽可能多地被滤除，有效信号得以突出。然而，无论技术怎样发展，要同时保证算法的简单和有效比较困难，须以应用为背景，对算法的速度和效果进行综合考虑以进行取舍。实时监护中可能引入各种各样的噪声和干扰，要在短时间内将它们全部滤除非常困难。为了使算法达到一定的可靠性，必须能够在实时监护中识别各种噪声、干扰，并利用多导联分析的优势，丢弃由噪声、干扰产生的错误结果。

以往噪声、干扰都是根据产生原因分类，如生理方面的干扰有：呼吸引起的基线漂移和肌电干扰；技术方面的干扰有：电源工频干扰、电极接触噪声以及动作矫作物等[2]。这种分类法有利于对干扰本质的认识，然而对于计算机自动识别，从干扰的形态特点及统计特点进行分类更加具有指导实践的意义。本文主要把干扰分类为高频噪声、短时间内某导联上无信号引起的噪声、低平心电波形上的噪声和基线突然大幅抖动造成的噪声。

2 识别方法

2.1 高频噪声

高频噪声一般是由于肌电干扰、电极接触噪声或移动产生的[3]，其典型形态如图1所示（图中的心电波形皆经过Notch滤波）。图1中所示的各种形态的高频噪声其共同特点是频率较高，且各导联上均有分布，但噪声水平不同。一般而言，噪声水平越高，QRS复波识别出错可能性越大，故可根据噪声水平的大小评价各导联计算结果的可靠性。噪声水平过高的导联，将被弃用。

图1 不同形态的高频噪声

由于此时真实心电信号并未分离出来，噪声水平大小只能通过某些方法进行初步的估计。可以采用平滑滤波之后的结果作为参考信号以替代真实心电信号，累加各采样点实际信号大小与参考信号大小的偏差作为噪声水平的估计[4]。假设共有采样点N，则噪声水平：

其中，xi为采样点i的实际信号大小，为采样点i的参考信号大小。参考信号由21点最小二乘抛物线拟合平滑滤波得到，该滤波器利用某采样点前后各10点的数据进行平滑。设采样点为n，加上前后各10点采样数据共有21个采样数据分别为 ：x(n-10)、x(n-9) …x(n-1)、x(n)，x(n+1)、x(n+2) …x(n+9)，x(n+10)，令21点滤波器后数据为，则：

当采样频率为500Hz时，该平滑滤波器作用相当于低通，截止频率为25Hz左右，对高频信号具有较好的滤除效果且保证了QRS复波形态不失真，用其作为对高频噪声水平NoiseHigh估计的参考信号可行。根据估计出的噪声水平大小可知不同导联短时间内高频噪声的整体水平。

2.2 短时间内某导联上无信号

由于移动等原因可能使心电信号超出放大器的线性范围或AD采样的范围，致使某导联上无心电信号。若不考虑这种情况，仅按照式(1)进行判断，则会得到II导联上噪声最小最可靠的结果，而实际上用II导联进行判断会漏检2个心搏I导联可靠性最高。

经观察，无信号的波形各采样点的大小均在±15.0以内可在用式(1)分析时增加一阈值Thresholdsig，若实际信号大小在阈值以内的点有连续m个，当m超过250（500ms）时则将这m个连续点视作无信号，这些点不进行噪声水平判断式(1)中采样点大小变为N-m。用这种方法可避免某导联无信号时对噪声水平判断造成影响。

2.3 低平心电波形上的噪声

当各导联心电波形上高频噪声水平相当时，波形较低平的导联其信噪比相对其他导联而言较低，如图2所示，I导联和III导联的噪声水平相当，而III导联的信噪比较低[5、6]故若简单的以高频噪声水平来进行判断在某些情况下将有失准确，应进行信噪比的估计，并以此判断各导联计算结果的可靠性。

图2 低平心电波形上的噪声

由于此时真实信号并未分离出来，只能采取一些方法进行信噪比的估计，本文给出二种方法。

方法一，以每导联信号的最大值与最小值之差作为有效信号的估计，则每导联信噪比的估计为（N为采样点大小）：

该方法的物理意义比较直观，近似于每采样点的平均噪声与信号峰峰值之比。然而这里的噪声并非真实噪声，是采样值与平滑滤波之后的值之差，而平滑滤波相当于低通，对于高频信号有衰减作用，故峰峰值较大的真实信号经过平滑滤波后，一部分有效信号当作噪声被滤除，相应的计算出来的噪声水平比真实噪声水平要高。因此采用该方法进行估计叠加了相同水平噪声的低平心电波形计算出来的噪声水平NoiseHigh将比高耸波形要低。为了使信噪比估计更为实用，必须对该方法进行一定的修正，而且计算量不能增加很多，于是给出了修正后的信噪比估计方法。

方法二，计算出每导联信号的最大值与最小值之差作为该导联有效信号的估计，记为PP(i)；找到有效信号的最大值，记为PPmax；用最大值比上每导联的有效信号所得的商作为比例因子对噪声水平进行修正，则每导联信噪比的估计为（N为采样点大小）：

该方法对噪声水平进行线性扩大，修正不同形态的波形其噪声水平计算方法上的系统误差。经实践验证，该方法对信噪比进行估计更加灵活有效。

2.4 基线突然大幅抖动

由于电极接触，某些导联的基线可能产生瞬时大幅抖动，如图3所示，其频率一般较呼吸产生的基线漂移要高，不宜用高通滤波滤除[7]。这种干扰对于式(4)的信噪比估计公式有较大影响，致使有效心电信号的峰峰值估计出现较大偏差。

图3 基线突然大幅抖动的示例波形

为了尽可能的避免这种干扰产生的影响，增强算法的抗干扰能力，在有效信号峰峰值估计中引入自适应学习机制。由于干扰总是随机的，其大小和出现的时刻不确定，而真实心电信号一般具有周期性和稳定性的特点，若所估计的峰峰值大小的当前值PPcur与前次PPlast相比变化较大，则以前次峰峰值为基础，用当前值对峰峰值估计进行修改；若峰峰值大小连续几次稳定在一定范围内，则根据该范围确定峰峰值估计的标准参考值PPref，标准参考值PPref在峰峰值修改公式中所占权重最大。引入自适应学习机制后，算法可学习、记忆波形稳定时的状态，由于对PPcur权重m和PPlast权重n的两套不同取值，使得干扰发生时算法能保证一定的稳定性，干扰消失后估计值能快速回到真实值附近。

3 讨论

本文总结了四种不同形态的干扰及其对实时监护算法的不利影响，分析讨论出各导联信噪比的实时估计方法，有助于在监护系统中及时抛弃计算错误的导联，充分有效地利用多导联的信息得到准确的分析诊断结果，为心电参数的进一步准确计算打下基础。

[1] 何军.动态心电监护系统的发展和现状浅析[J].中国医疗器械信息,1997,3(6):11-12.

[2] [美] Willis J.Tompkins. 生物医学数字信号处理[M].林家瑞,等译.武汉:华中科技大学出版社,2001:143-159.

[3] 闫润强,詹永麒,胡伟国,等.12导联同步心电信号的自动检测技术的研究[J].中国医疗器械杂志,2002,26(2):88-91.

[4] 姜苇,李刚,虞启琏.抑止准周期干扰的自适应相干模板法[J].中国生物医学工程学报, 2004,23(1):61-65.

[5] 黄宛主.临床心电图学[M].第四版.北京:人民卫生出版社,1994:21-439.

[6] 张开滋,刘海祥,吴杰.心电信息学[M].北京:科学技术文献出版社, 1998:529-568.

[7] 陈素明,等.实用心电图手册[M].上海:上海科学技术出版社,1994:1-31.

Research on Recognizing the Interference of Dynamic ECG Signal

XIONG Xin, CEN Ren-jing
(Department of Biomedical Engineering, School of Biologic Science and Engineering, South China University of Technology,Guangzhou Guangdong 510006, China)

Objective To develop an algorithm in order to filter various noise and interference effectively and to make the available signal stand out. Methods Analyzed the morphological and statistical characteristic of interference of dynamic ECG signal, and proposed recognition methods for different types of interference and estimate the SNR.Results The algorithm can estimate the value of SNR effectively and help to throw away leads which give wrong value and decrease the bias in estimating the value of effective signal. Conclusion The algorithm has strong ability of anti-jamming, high reliability, and can contribute to obtain accurate result of analysis and diagnosis by employing the information of multi-lead effectively in monitoring systems.

electrocardiograph; ECG monitoring;dynamic ECG signal; recognization; algorithm

R318

A

10.3969/j.issn.1674-1633.2010.03.010

1674-1633(2010)03-0034-03

2009-07-16

本文作者：熊昕，在读硕士研究生。

岑人经，教授，博士生导师。

作者邮箱：xiong_xin@foxmail.com