基于EMD算法的心电信号基线漂移去除方法研究

张喜红　王玉香

(亳州职业技术学院， 安徽 亳州 236800)



基于EMD算法的心电信号基线漂移去除方法研究

张喜红王玉香

(亳州职业技术学院， 安徽 亳州 236800)

摘要：采用经验模态分解的方法，解决心电信号基线漂移时的最优分解层数问题，通过合理选择EMD分解层数来改进基线漂移的去除方法。借助Matlab的工具箱，对MIT-BIH心律失常数据库中较为洁净的心电数据段，人为叠加心电常见噪声信号以产生实验仿真信号，将所构建的仿真信号经EMD(经验模态分解)分解后，将分解所得的残余项去除，从而实现心电信号的基线漂移去除。对比不同分解层数下基线漂移去除的效果，可看到EMD层数越大，残余项所在层的基线漂移特征越加明显。最后对数据库中受到严重基线漂移干扰的109号心电数据段进行基线漂移去除，验证本方法的可行性。

关键词：经验模态分解； 基线漂移； 心电信号

心电信号滤波方面的相关理论是医用电子仪器专业学生的必修理论，为了更好地培养学生本领域的相关技能及知识，亳州职业技术学院在安徽省医电省级特色与省级实习实训示范中心两大项目建设过程中，自主研发了开放式心电示教实验实训平台[1]。在心电信号采集过程中，难免会混入常见的多种噪声信号，因此在分析心电信号时需对采集的心电信号进行各种滤波处理。基线漂移是心电信号采集过程中最常见的噪声信号之一，它是人体呼吸波动和电极运动引起的低频干扰，其频率通常小于5 Hz。因心电信号自身包含较多有用的低频信号，心电信号因基线漂移的存在将会淹没其有用的信息，一定程度上影响了诊断的准确性[2]。基于以上客观背景，在Matlab平台下研究采用经验模态分解的方法，解决基线漂移时的相关问题。

1材料及方法

1.1材料

实验中，首先在MIT-BIH数据库中截取一段高信噪比原始心电信号[3]。图1所示为原始心电信号。图2所示为仿真心电信号。在Matlab中，通过式(1)，构建在采集环境相对恶劣、采集设备抗噪声能力较差情况下的仿真心电信号：

y(n)=x(n)+0.2sin(100πt)+

0.4sin(πt)+g(t)

(1)

式中：x(n) —— 截取的原始心电信号；

g(t) —— 高斯白噪声，模拟肌电干扰；

0.2 sin(100 πt) —— 模拟50 Hz 的工频噪声，其幅度为0.2；

0.4 sin(πt) —— 模拟基线漂移干扰，其幅度为0.4；

y(n) —— 仿真信号输出。

图1　原始心电信号

图2　仿真心电信号

1.2方法

1.2.1EMD基本理论

EMD即经验模态分解，是由Huang等人在1998年提出的一种信号处理分解算法，主要适用于非平稳信号的分解处理。人体生理信号多具有非平稳信号的特征，生物医学工程研究人员对此算法给予了较多关注[4]。EMD算法的主要过程就是从复杂的非平稳信号中分解并提取本征模态函数(IMF)，所提取的本征模态函数(IMF)的定义是必须满足2个条件：(1)在整个数据序列集中，含有相同数量的极值点与过零点，或者相差的个数应为0个或1个；(2)在每个时间点，由信号序列局部极大值所形成的包络和由信号序列局部极小值所形成的包络均值必须为零。EMD分解是通过3次样条插值，将信号变换为式(2)所示的形式[3]：

(2)

式中：x(t) —— 原始信号；

N—— 分解出的本征模态函数(IMF)个数；

rn(t)—— 分解得到的残余项。

1.2.2实验方法及步骤

研究过程中，在Matlab 7.0平台上，通过相应的工具箱函数,对所构建的仿真信号进行处理：

(1)将仿真信号y(n)通过MATLAB工具箱函数进行EMD多个层次分解，对比多个层次分解基线漂移成分的分布情况，确定合理的EMD分解层数；

(2)对多个层进行分解，分别去除最后一层残余项分量；

(3)用上述步骤保留下来的IMF分量重构ECG信号y(n)，对比多层分解、去除残余项、重构得到的新信号，比较基线漂移的去除效果。

2实验结果与分析

2.1EMD分解实验与分析

在Matlab 7.0平台上，对以上所构建的仿真心电信号，分别进行5、6、7、8层EMD模态分解，得到图3所示的结果。分析可知，1、2、3、4层主要包含了工频噪声、肌电噪声和QRS波信号；伴随着经验模态分解层数的增加，肌电干扰噪声能量趋于分散，分布于各分解层；基线漂移噪声伴随着EMD分解层的增加，能量在最后一层(即EMD分解所得残余项)的分布更加集中；P、T波信号及低频信号主要分布在其他层。此外，在执行EMD分解算法的过程中，分解层数越多，运行时间越长。总之，从分析结果来看，分解层数越多，其他类型的噪声及有用的PQRS心电信号能量分布越散乱，基线漂移越多集中于EMD分解残余项。综合考虑，进行经验模态的7层分解后，将基线漂移所在残余项去除。这样既可有效去除基线漂移，又不影响后续滤波处理，且算法效率适中。

图3　不同分解层次的EMD分解结果

2.2基线漂移去除实验与分析

基于以上实验结果，设计基线漂移去除方法：(1)对含有基线漂移的信号x(n)进行7层EMD分解；(2)将7层EMD分解所得的基线漂移集中分布残余项直接剔除掉；(3)用保留下来的IMF分量重构ECG信号y(n)。按照此方法分别对构建的仿真心电信号及MIT-BIH心律失常数据库中受到严重基线漂移干扰的109号、203号心电数据段进行基线漂移去除，所得结果分别如图4、图5、图6所示。基于EMD的7层分解，直接去除残余项分量，能够对所构建的仿真心电信号及MIT-BIH心律失常数据库中受到严重基线漂移干扰的109号、203号心电数据段去除基线漂移；同时，重构的心电信号并未失真，基本上保留了原来的概貌特征，有利于后续的心电信号处理,但肌电噪声、工频噪声仍无法去除。

图4　仿真信号和滤波后的结果

图5　109号数据和滤波后的结果

图6　203号数据和滤波后的结果

3结语

心电信号是生物医学工程领域常见的典型非线性、非平稳信号，在采集的过程中易受到各种噪声干扰。因其自身频带分布范围较宽，用传统的傅里叶变换进行噪声消除效果欠佳，而EMD算法能有效处理非线性、非平稳信号。本次研究针对基线漂移去除，以构建的仿真心电信号为实验源数据，借助Matlab 工具平台，分别进行了EMD多层分解实验。经分析发现基线漂移噪声主要集中分布于最后一层的残余分量上，且7层EMD分解的运行速度和分布区分度都较好。分别对所构建的仿真心电信号及MIT-BIH心律失常数据库中受到严重基线漂移干扰的109号、203号心电数据段进行基线漂移去除，结果有效可行。

参考文献

[1] 张喜红.开放式心电图机教学平台的设计[J].长江大学学报(自然科学版)，2013(34):43-46.

[2] 丁瑞,李国军,王青.心电信号基线漂移去除方法研究[J].云南大学学报(自然科学版)，2014，36(5):665-660.

[3] 高彩红.心电信号临床信息的识别研究[D].镇江：江苏大学,2010：16-26.

[4] 张喜红,杨清志,王玉香.基于HHT的心电信号滤波算法的研究[J].吉林化工学院学报，2014(2)：51-54.

The Method of ECG Baseline Wander Removal Based on EMD

ZHANGXihongWANGYuxiang

(Bozhou Vocational and Technical College, Bozhou Anhui 236800, China)

Abstract:Based on Empirical Mode Decomposition (EMD) algorithm, this paper focues on the research of new methods of removal ECG baseline wander, thereby improving the quality of the ECG signal. Using MATLAB toolbox for MIT-BIH arrhythmia database relatively clean ECG data segment, we firstly artificially superimposed common ECG signal noise signal generator simulation experiment; then the simulated signals were constructed by various levels of decomposition EMD by decomposing the residual term to remove the resulting realize ECG baseline wander removal. Comparing the different layers decompose under the effect of baseline wander removal, we obtained the results: EMD layer is large, the baseline drift which features more residual layer appeared. The MIT-BIH arrhythmia database is disturbed by the baseline drift of the 109 ECG data segment, and the baseline wander is removed. The feasibility of this method is also verified in this paper.

Key words:Empirical Mode Decomposition; baseline wander; ECG signal

收稿日期：2015-09-28

基金项目：2010年度安徽省教育厅省级质量工程项目“医用电子仪器与维护特色专业建设”(20101459)；2011年度安徽省教育厅质量工程项目“医用仪器示范实习实训中心建设”(2011131)

作者简介：张喜红(1983 — )，男，山西朔州人，硕士，亳州职业技术学院讲师，技师，研究方向为生物医学工程。

中图分类号：TP391

文献标识码：A

文章编号：1673-1980(2016)02-0098-03