心电信号压缩方法研究

徐小华

【摘 要】为有效压缩心电信号，且保持信号特征，以便实现心电信号远程传输与处理，在比较了常用数据压缩算法的基础上，本文提出了心电信号小波变换调整编码压缩方法来实现心电信号的压缩。首先将心电信号进行小波分解，再通过小波系数的处理减少信息冗余，达到信号压缩的目的。

【关键词】小波变换；心电信号压缩；调整编码；信息冗余

心电信号数据如果压缩后再传输，就可以增加通信能力。这样，我们就要寻找高压缩比的方法且压缩后的心电信号要有合适的信噪比，在压缩传输后还要恢复原信号，这就还要有高复现度，并且在压缩、传输、恢复的过程中，还要保持心电信号的特征不改变，以便心电信号的分类、识别等。心电信号压缩将是实现心电信号远程传送的关键技术[1]，直接决定了系统的实用性和有效性。

1 常见的数据压缩算法

ECG数据压缩算法可分为无失真编码和有失真编码。有的文献将无失真编码称为可逆编码，将有失真编码称为不可逆编码。这是因为前者可以完整恢复原始信号，不损失任何原始信号所包含的信息，而后者会损失一部分原始信号所包含的信息。无失真编码的最大缺点在于无法获得较高的压缩比，有失真编码可以获得比无失真编码高得多的压缩比。由于中包含有诊断无关信息，而在恢复信号中容许有部分失真，故心电数据压缩应在保证主要诊断信息不受损失的前提下尽量减少存储数据，实际应用中也就大多采用有失真编码。有失真编码除要求消除信号中的冗余信息外也排除诊断无关信息。冗余信息主要表现为相邻采样点间的统计相关性、量化幅值分布的非均匀性以及各心搏间的相似性，ECG中的诊断信息则主要分布于P-QRS-T波群中。

心电压缩算法形式千差万别，但大体可划分为三类：直接压缩法、特征参数提取法和变换压缩法。ECG直接压缩法可分为四类：容差比较压缩法、差分脉冲编码调制法（DPCM），熵编码法和矢量量化。大多数直接压缩法采用预测或插值方法，他们通过对原始采样数据的分析处理，消除数据中的冗余，实现数据的压缩。如AZTEC、 SAPA、 CORTES、AESC等方法。直接压缩法是建立在直接分析原始数据的冗余基础上，其优点是简单快速，易于实现，缺点是很难同时保证高的数据压缩比和高的信息保真度。

特征参数提取算法：从信号中提取特征并以模型参数表达，因此压缩率比较高，但数据重建质量与所选模型的性能有很大关系，鲁棒性也不够强。主要包括线性预测方法和神经网络方法等。

变换压缩方法目前广泛应用于心电信号的压缩与识别。不同于时域直接压缩方法，其基本原理是将时域信号映射成某数域（频域）中基的系数。在时域中具有强相关性的信号，反映在频域上是在某些特定的区域中能量特别集中，或是系数的分布具有某种规律，因此可以利用这种特点和规律对系数进行选择和编码，在一定误差范围内通过反变换重构信号，以达到数据压缩的目的。主要包括KLT变换、傅里叶变换、余弦变换和小波变换等。

在各种变换方法中，小波变换具有多分辨率分析的特点，在时频两域都具有表征信号局部特征的能力。本文实现心电信号的压缩的其基本思想：心电信号在时间—频率域的分解系数所占的存储空间尽可能小，同时还要保留压缩后的系数能精确地反映原信号所携带的信息。

2 心电信号小波变换压缩原理

小波变换进行信号压缩的基本原理是信号的相邻采样点之间存在很强的相关性，而小波变换起到消除信号相邻点间相关性的作用[2]，如果信号的某些部分的自相关性很强，就体现在相应的高频小波系数很小，可以通过量化对这些系数进行更有效的编码，从而达到压缩数据的目的。根据这个原理我们首先对数字化后的ECG信号进行一维离散小波变换，转换成小波域上的小波系数。

心电信号经小波变换分解为不同层次的细节系数和最后一层的近似系数，系数表示不同频带上的信息，小波系数越大，其携带的能量越多。噪声与心电信号在各尺度上（即各频带）上的小波系数具有不同的表现，将各尺度上噪声产生的小波系数，通过阈值处理，变成零系数，特别是那些噪声分量占主导地位的尺度上的噪声小波分量（最小尺度细节系数）去掉，这样就减少了要存储的小波系数个数，达到心电信号压缩的目的。

阈值处理的方法有两种：硬阈值和软阈值。软阈值方法是在硬阈值的基础上边界出现不连续点收缩到零，这样就可以有效的避免间断，使得重建信号比较光滑。硬阈值缺点是在某些点会产生间断，但能比较好的保留信号的突变，这对于心电QRS波的检测有着重要意义[3]。因此根据心电信号检测需要，本文压缩阈值的选择为硬阈值。

阈值的选取直接影响心电信号的压缩性能。本文对于心电压缩主要考虑了两个指标：信号质量和压缩比。在一般情况下，这两者在本质上是矛盾的，这就需要我们在其间做权衡。心电信号质量考虑的是根均方差RMSD，它和压缩比CR定义如下：

【参考文献】

[1]赵安，吴宝明.心电数据压缩技术的新进展[J].国外医学生物医学工程分册，2005，28（4）：89-93.

[2]张波，周文娟，杨晓，等.基于小波包的图像压缩及Matlab实现[J].电脑知识与技术，2009，5（28）：8050-8052.

[3]高志，余萧海. Matlab小波分析工具箱原理与应用[M].北京：国防工业出版社，2004.

[责任编辑：杨玉洁]