srp项目总结

“心电信号特征参数提取的实现”项目总结一，个人心得体会自去年起有幸参与这个为期一年的“心电信号特征参数提取的实现”项目，经过老师的指导以及自己的努力，我们受益匪浅。在研究这个项目之前，我在数学实验这门学科里学过了一些关于MATLAB运行环境以及简单函数的的基础，对这一部分的技术十分感兴趣，所以选择了这一项目来研究。参加学生研究计划，对于我们来说，莫过于在掌握课本知识的同时，可以更加的了解科技的发展，在参与学术研究的同时，也提高了自己的技术能力，能够更加系统的了解到一个项目实施的整套流程，同时也在团队合作与分工中，提高团队的沟通合作能力，这对于我们来说尤为重要。“心电信号特征参数提取的实现”主要是通过去噪算法和信号抽样算法，计算提取出检测到的人体心电图中一些有用必要的数据，来帮助医生更加快捷准确的对病人的病情进行连接和对其治疗的安排。计算机的高效分析一方面减轻了人工负担，另一方面也为病患检测提高了科学的保证性，是一个有价值的创新实验项目。而在这个项目中用到的小波变换，在相对其他的方法而言，能更加准确快速的得到所需要的QRS波的特征信息。自从参与了这个项目以来，我们的项目一直在积极地进行中，而我们从中学习了许多书本上没有的知识，也从实践中验证了书本的许多知识，使我们的知识点更加的牢靠了。而对于这一个项目，它的难点在于如何提取精确有效的心电信号，这设计到一个去噪以及提取信号函数的问题，而只懂基础函数的我们在这个学习过程中，确实是一份艰辛的体验，更是一份学习的收获。在本项目中，我们的实现总体思路是明确的，我们也清楚的知道这个项目难点在哪。基于这个项目，我先学习了老师给的一些资料，从基础上了解这个项目中所需要MATLAB知识，小波信号处理等等，慢慢的熟悉基础知识之后是对于一些以往相关资料的阅读，通过以前人们在这方面项目研究上的成果，让我们知道以前关于这个项目的研究是如何规划的，而他们实现过程中的重点难点又在哪里。在老师的指导下，结合我们自身的运行实践，终于我们能很好的利用matlab中的算法计算出不同心电图的特征信息，我们对此很开心，知识的汲取总是充满乐趣的。我们的这个srp的作用所在是我们可以通过自己的动手实践，明白我们读大学的意义到底是在哪里，对于大多数学生来说，读好课本的理论，很多人就已经以为是学习的目的了，其实学以致用，在实践中去得到知识，才是学习的源泉，才可以得到学习的乐趣。这个项目经验，对于以后无论是读研还是找工作的我来说，都是一笔宝贵的财富。二、项目论文：摘要据2011年世界卫生组织发布的数据显示，全球每年大约有1/3的人死于心脏病，而且相当多的病人是由于没有及时发现病情而导致耽误了治疗。因此，对于心脏病的预防和检测成为世界性的研究重点。本文使用了小波基为双正交样条小波的小波变换法对心电信号进行特征参数提取。根据Mallat算法的原理，利用与双正交样条小波等效的滤波器，对心电信号进行快速小波变换；根据经小波变换后的小波系数的模极大值对的过零点，与信号的奇异点之间有良好的对应关系，来检测心电信号当中的特征信息。算法的主要步骤为读一个窗口的心电数据、对数据进行小波分解、设定模极大值点的阀值、检测模极大值点，最后对固有时移进行修正。为了提高特征信息的检测的准确率，引入了漏检和多检的处理算法。在本文的最后，使用了MIT-BIH心率失常数据库来对本文提到的算法进行验证。由matlab程序和界面程序的运行结果来看，本文所研究的算法均提取到了实验心电信号数据的R波峰值、QRS波群起始值和结束值等特征参数。本文研究的意义在于通过提取心电信号特征参数来实现心电信号的自动诊断分析，从而代替人工完成这种单调大量的波形标注工作。在另一方面，通过计算机技术准确地对心电信号进行波形特征识别，提取常用的心电特征参数，可以为医生提供有效的辅助分析手段。关键词：心电信号；特征提取；小波变换一、绪论1.1研究背景和意义由于时代在变换，人民的生活节奏越来越快，而且随之产生的工作压力也越来越大，威胁人类健康的疾病也层出不穷。其中与心脏有关的疾病成为影响人类健康的主要病因之一，并且心脏病的发病率和致死率也逐步攀升。据2011年世界卫生组织发布的数据显示，全球每年大约有1/3的人死于心脏病，而且相当多的病人是由于没有及时发现病情而导致耽误了治疗。因此，对于心脏病的预防和检测成为世界性的研究重点。心电信号较早应用与临床，与其他生理信号相比，心电信号的提取和分析更为容易，而且心电信号里边包含着大量有关心脏运行情况的生理信息。因此心电图也就成为评论心脏健康的主要根据。[1]心电图（Electrocardiogram，简称ECG）信号的分析已经广泛应用于对许多心脏疾病的诊断。心电图是一个记录着心房和心室的去极化和复极化所产生的活动的电信号的方向和大小的图表。一个心动周期的心电图信号是由P波、QRS波群、T波组成。大多数的临床有用的心电图信息都是在它里边提取出来的特征值（特征波的峰值和持续时间）中发现的。早期的心电信号分析是人工手动进行，这种诊断方法可能因为人为误差而出现诊断错误，再者因为有些临床数据量过大，例如动态心电图监测，采集到的数据长达十多二十小时，处理量极大。显然这样的处理方法已经不能满足我们对快速诊断的需求。因此，我们可以利用计算机的强大运算能力来进行检测。就这样，精确快速而又自动化的提取心电信号特征值的方法尤其重要，特别是针对长记录的分析。实际上，心率节拍检测往往需要确定它的心率和一些心率不调现象，如心动过速、心动过缓、心动异常。有时也需要进一步对信号进行处理，目的是为了检测异常的心跳。心电图信号提取系统提供了基础的特征值（幅值和间隔），这些特征值被应用在随后的自动化分析当中。编写一个算法去检测心电信号中的P波、QRS波群、T波是一个非常困难的问题，是因为生理条件产生出来的心电信号是随着时间变化变换波形和信号本身充满着噪声。但最近几年发展起来的小波变换（WaveletTransform，简称WT）方法，对于心电信号特征参数的提取和自动化分析取得了较大的进步。在心电信号的去干扰处理、特征参数提取、波形归类方面取得了良好的效果。因此，本文所研究的基于小波变换的心电信号特征参数提取具有重大的研究意义。1.2关于心电信号的研究状况关于心电信号的研究可以追溯到1885年，Einthoven用毛细静电计记录了心电波形，到1910年改进成了弦线电流计（StringGalvanometer），并且将电流计用于人体心电信号的检测，由此诞生了心电信号研究这一课题。紧接着电子技术的发展，利用电子放大器、示波器等仪器，使得ECG记录显示系统得到了进一步的完善。[2]早期的心电图都是由医生人工检测分析来诊断病情的，这样的分析处理方法效率十分低下，而且容易受到人为因素影响。在20世纪50年代发展起来的心电自动分析技术，经过20年的改进，在70年代的时候正式进入了实用化和商业化阶段。随着80年代计算机技术的快速发展，心电自动分析系统的功能越来越完善，一些新的基础理论和新的解决思想的引入，使得心电信号分析处理算法呈现多样化，而且分析的准确度也逐步提升。现在，心电信号分析技术大都具有检测速度快、检测多样化、检测精度高和检测智能化等优点[3]。1.2.1心电信号预处理的研究一般来说，现实生活当中的信号都是混合着噪声的，由于噪声的影响，心电信号可能产生严重失真，从而使信号失去了诊断的价值。因此在对信号进行分析之前，必须对噪声进行处理，以使噪声对信号的干扰达到最低。在用体表电极提取出来的心电信号主要包含以下三种干扰噪声：基线漂移、肌电噪声和工频噪声。[4]基线漂移是由于人体的呼吸，使提取信号的电极发生微弱移动而产生的低频噪声干扰。肌电噪声则是由于人体肌肉的颤动而引发的，噪声频率范围较广。工频噪声是由于用电设备而产生的噪声，其频率一般与设备的交流电频率相同。这些干扰和心电信号混合在一起，使心电信号的检测造成误差。设长度为N的信号nf和噪声ne混合在一起，被电极所检测到的数据为：xn=fn+en心电信号预处理的目的就是在含噪信号x中得到信号ƒ的近似值f心电信号比较微弱，幅度为10uV~5mV，频率为0.05Hz~100Hz。其中大多数心电信号能量集中在0.25Hz~35Hz之间。由于信号比较微弱，干扰的影响比较大，所以去干扰是必不可少的。为了去除心电信号的噪声干扰，研究人员做了大量实验，涌现了很多方法来去除噪声，如经典的数字滤波法、小波变换法、神经网络法、数学形态法等。由这些方法的去噪结果来看，数字滤波法算法比较简单，实现起来比较容易，但是由于它有固定的截至频率，所以去噪效果不够灵活。神经网络算法虽然在精确度上面有了很大的提升，但是由于它的计算量巨大，所以在日常当中比较少用，但随着计算机的计算能力提高，相信这种方法在日后必定会更为瞩目。近年来，由于小波变换理论的不断完善，越来越多人使用小波变换法来去除信号噪声。小波变换法是根据信号和噪声所呈现处理的不同频谱特性进行滤波。首先将信号进行小波分解，根据噪声的不同分布，用不同尺度的小波系数进行不同的处理，最后利用处理后的小波系数进行一次小波反变换，这样就能去掉信号里边的噪声影响。利用小波变换法，可以较好地实现去噪效果，并且保持波形不失真。[5]1.2.2QRS波群检测的研究在心电信号分析当中，首要解决的是QRS波群的检测。因为心电信号的其他细节信息都要在QRS波群确定后才能够分析出来。在一个心电信号周期当中，QRS波群幅值最大并且最陡，所以比较容易检测出来，并且准确率也很高。到现在为止，QRS波群的主要检测方法有滤波器组法、差分阀值法、神经网络法和小波变换法等。通常人们会选用比较容易实现的差分阀值法来检测QRS波群，这是因为R波在心电信号周期当中具有较大的幅值和幅度。但是差分阀值法容易发生误检，一旦心电周期当中的T波和P波幅度也很大的时候，很容易就被检测为R波。用滤波器检测组法来检测R波时，首先要建立滤波器，但是建立滤波器组却是一个很复杂的过程。在神经网络检测法当中，因为需要对神经网络的各层系数进行训练，这样做的话，往往会造成计算量过大，所以也不适合用来处理大量的数据。而小波变换法则是因为时频局域化特性比较良好，所以常常被用作QRS波群的检测。小波变换的实质则是将信号通过一系列不同的带通信号，然后按照信号的频率成分不同，将他们分解到不同的尺度上面。就这样，将QRS波的特征信息、普通信息和噪声分别分开来，我们只需对QRS波的特征信息进行检测，这样的话就可以很容易提取特征参数。并且与其他方法相比，小波变换法在处理基线漂移等方面具有特殊的优越性。二、基本理论知识2.1心电信号的产生机理和波形特征心肌细胞若未受到刺激（静息状态），将在细胞膜内外产生电位差，这个电位差就被成为静息电压。静息状态时膜外将会排列一定数量的阳离子，而膜内则对应产生相同数量的阴离子。当膜内外稳定为固定数值的静息电位状态，这时候就被称作极化状态。心肌细胞若在静息状态的时候发生可扩布电位变化，这一电位变化过程就叫做动作电位。若细胞膜的通透性发生变化，膜内电位为正，膜外电位为负，则这个过程就叫做除极。若发生除极后，细胞膜的电位恢复到原来外正内负的状态，这个过程就叫做复极。在心脏有规律地舒张和收缩过程中，心肌细胞产生了动作电位，将动作电位的变化综合起来，这样就成为了心电信号。图2-1ECG各波段与除极、复极的关系在心电信号的一个周期中，图2-1可以粗略地看出了心电图中各波段与除极、复极之间的关系。为了更好地给出心电信号各波形和间期的定义，在表2-1中，将更为详细地介绍它们之间的关系。心电图反应了心脏的生理活动情况，作为分析和诊断心血管系统和心脏系统功能的重要手段，提取心电信号的特征参数变得尤为重要。在本文的第三章和第四章，将会介绍提取心电信号参数的方法。2.2小波变换理论在1822年，傅里叶变换被提出来，它可以将时间和频率很好的对应起来。因此，傅里叶变换变为人们常常用来分析信号和处理信号的工具。但是由于傅里叶变换是一种对于全局的变换，所以有一定的局限性。为了解决傅里叶只能在单一