一种适用于全心房心外膜标测中抑制心室干扰的自适应滤波算法

【】孙莉倩，刘梁，王彦磊，杨翠微

复旦大学信息科学与工程学院，上海，200433

一种适用于全心房心外膜标测中抑制心室干扰的自适应滤波算法

【作 者】孙莉倩，刘梁，王彦磊，杨翠微

复旦大学信息科学与工程学院，上海，200433

介绍了一种基于最小均方误差（LMS）准则的自适应滤波算法，用于抑制心房电信号标测中心室信号的干扰。

自适应滤波；心外膜标测；心室干扰

正常生理情况下，心房和心室总是在有序地兴奋和收缩交替中，因而在全心房心外膜标测实验中采集到的心房电信号，被心室电信号干扰是在所难免的。窦性心律下，心房和心室电信号频率基本一致，即两者频谱重叠，使用一般的滤波器通常无法做到只保留心房信号，而滤去同样频带下的心室信号。本文采用基于LMS准则的自适应算法，应用噪声抑制模型，通过合理选择参考信号，最大程度地抑制心室干扰，使滤波器输出理想的心房信号。

1 128道全心房心外膜标测系统概述

心脏标测（Cardiac Mapping）技术是对心律失常进行识别、判断及定位的过程[1]。心脏标测技术按部位可分为体表标测、心外膜标测、心肌标测和心内膜标测等[2]。同时，按测量方法也可分为电学标测和光学标测。

心外膜电位标测可用于心脏电生理机理研究，确定心律失常的起源部位，为临床诊断和手术治疗心动过速、房颤等心律失常提供定位依据及判断疗效。

128道心外膜电位标测系统是由复旦大学电子工程系心脏电生理与起搏实验室设计开发的，它分为硬件部分和软件部分，系统结构如图1所示。硬件部分主要完成数据的采集、量化、降噪等功能；软件部分主要完成信号的采集控制、处理、显示和分析[3]。系统的滤波主要由前后级低通、高通滤波器组成，通带范围为3-600 Hz。然而，系统硬件上的滤波器对频谱重叠的情况无能为力，需借助软件处理将心房信号中的心室干扰消除。

2 自适应滤波算法设计

图1 系统框图Fig.1 System Block Diagram

2.1噪声抑制模型及其原理

本文选用基于噪声抑制模型[4]的自适应滤波器，模型框图如图2所示。输入信号yk是被污染信号，包含了所希望的心房电信号sk和心室干扰nk。另一输入信号xˇk与nk具有相关性，由自适应算法产生一个nk的估计nk。那么，心ˇ房信ˇ号的估计如ˇ下-：

假设信号sk和ˇnk不相关，得：ˇ

2.2基于LMS的自适应算法

本文采用基于LMS准则的最优化估计算法，先得到心室干扰的最优化估计，从而得到心房信号的最优化估计。假定自适应滤波器有N系数，记作w(0), w(1), ∧w(N-1)，则滤波器输出信号yk和噪声估计nk之差ek为：

图2 噪声抑制自适应滤波模型Fig.2 Noise canceller adaptive fi lter mode

其中Xk和W分别是输入信号矢量和权矢量。

误差平方为：

若输入矢量Xk和yk信号是联合平稳的，那么可以得到均方误差（MSE）：

其中，σ2=E是yk的方差，P=E[yk]是长度为N的互相关矢量，R=[X]是N×N的自相关矩阵。采用由Widrow等人提出的最速下降LMS算法[5]，得到权矢量的迭代公式：

其中， 为均方误差J的梯度，k其瞬时估计记为：

将k代入权矢量的迭代公式，有：

2.3参考信号的获取

如前所述，基于噪声抑制模型的自适应滤波器需要输入一个与噪声信号相关的参考信号。本实验的噪声信号是心室电信号，为此，特意从128道全心房标测电极中拨出一路电极，置于心尖处（近左心室）来采集心室电信号。

心室的体积及其所含心肌细胞的数目远大于心房[6]，因而在心脏兴奋收缩时电极采集到的心室电信号幅度明显大于心房电信号。此外，电极放置的位置不同，采集到的心电综合矢量的极性可能不同。本实验中，心房信号上叠加的心室干扰信号与单纯采集到的心室参考信号极性相反。综上所述，在将参考信号输入自适应滤波器之前，需对其进行幅度缩放及极性取反的预处理，使其在形态及幅度上尽可能接近实际的心室干扰信号，从而提高滤波质量。

3 自适应滤波输出效果

自适应滤波结果如图3所示。其中，(a)为原始的心房心外膜标测电信号，A处为心房激动电信号，V处为心室激动电信号；(b)为置于心尖的电极所采集到的心室参考信号；(c)为对心室信号预处理后作为自适应滤波器的参考信号，得到的自适应滤波结果；(d)心室电信号未经预处理直接作为参考信号，得到的自适应滤波效果，显然对心室干扰的滤除效果不够理想。从图3(c)中可以看出，在时域上心室干扰基本被滤除，留下较理想的心房信号。在频域上，借助经典的Welch周期图法，对滤波前后数据进行功率谱密度估计(选用的窗函数为海明窗)，效果如图4、图5所示。系统的采样频率为2 kHz,因此奈奎斯特频率为1 kHz。可见，滤波前后，功率谱密度的低频成分(约2-5 Hz处)明显减少，而高频部分则基本不变。因此，认为自适应滤波的效果比较理想，具有实用价值。

图3 自适应滤波效果Fig.3 Adaptive fi lter output

4 总结

本文介绍了一种适用于全心房心外膜标测中抑制心室干扰的自适应滤波算法。此法基于最速下降的LMS准则，通过噪声抑制模型滤除心室干扰，得到心房电信号的最优化估计。滤波后的信号无论时域还是频域效果均较为理想，证明了此法的有效性和实用性。

图4 自适应滤波前信号的功率谱密度Fig.4 Power spectral density before adaptive fi ltering

[1] Markides V, Segal OR, Tondato F, et al. Cardiac electrophysiology from cell to beside [M]. America: Saunders Company, 2004

[2] Robert M, Nicolle K, Benjamin S. Advances in electrical and mechanical cardiac mapping [J]. Physiological Measurement, 2005, 26: R1-R14.

[3] Yang CW, Lu WJ, Zhou T, et al. Development of epicardial mapping system for studying atrial fibrillation [A]. IEEE-BMEI 2008, International[C], Conference on Biomedical Engineering and Informatics, Shanghai, China, 2008: 606-609.

[4] E. C. Ifeachor, et al. Digital signal processing A Practical Approach[M]. Beijing: Publishing House of Electronics Industry, 2003

[5] B Widrow, JM McCool, et al. Stationary and nonstationary learning characteristics of the LMS adaptive filter [J]. Proceedings of the IEEE, 1976,64(8):1151-1162.

[6] 黄宛. 临床心电图学[M]. 第6版. 北京: 人民卫生出版社, 2009.

An Adaptive Filtering Algorithm Applied to Inhibit the Interference from the Ventricular during Atrial Epicardial Mapping Experiment

【Writers】Sun Liqian, Liu Liang, Wang Yanlei, Yang Cuiwei Department of Electronic Engineering, Fudan University, Shanghai 20433

adaptive fi lter, epicardial mapping, ventricular interference

】This paper introduces an adaptive fi ltering algorithm based on the LMS principle to inhibit the ventricular interference in the atrial epicardial mapping experiments.

图5 自适应滤波后信号的功率谱密度Fig.5 Power spectral density after adaptive fi ltering

R540.4+1

A

10.3969/j.issn.1671-7104.2011.04.002

1671-7104(2011)04-0243-03

2011-03-30

国家自然科学基金，项目，61071004

孙莉倩，E-mail: 10210720109@fudan.edu.cn

【