生物医学心电信号降噪技术与应用研究

张梅梅 魏恒烨 周宇 太和县人民医院医学装备科 （安徽 阜阳 236600）

生物医学信号是指生命体发出的能够用来反应所处状态以及身体特征的一种不稳定自然信号，其主要包括心电、呼吸、脉搏等[1]。心电信号的研究是治疗心脏病的主要依据。人体心电图（ECG）作为心脏电活动在人体体表的表现能够客观反映人体心脏各部位的生理状况。人体心电信号在采集过程中易受到各种噪声干扰，导致很多非常重要的特征信息被干扰淹没，不利于识别诊断[2]。因此需要对心电信号的噪声干扰进行滤波。

1.心电信号

1.1 心电信号产生的机理与特征

心电信号是由人体心脏的心肌电活动的一种体现，能够对心脏电活动是否异常进行判定，心电信号作为生物医学信号的一种，既有生物医学信号得共同特征，同时又有噪声背景强、信噪比低、幅度在mv级、随机性强等特征。心电信号能够客观反映人体心脏各部位的生理状况[3]，图1为一段正常人体心电信号波形图。

图1.

1.2 心电信号的常见噪声与来源

人体心电信号在采集过程中易受到各种噪声干扰，其中常见的心电信号噪声干扰主要为工频干扰、肌电干扰，频率在5～20KHz之间，通常会与心电的频谱混在一起；基线漂移，为频率小于1Hz的低频干扰。

1.3 常见降噪方法

消除或降低心电信号噪声的方法主要包括屏蔽过滤法、对消滤除法、电场及磁场干扰的发现及抑制、通过带阻进行滤波以及现代数字滤波等方式、方法[4]。随着现代数字信号处理技术的不断发展，数字滤波器的功能变得越来越全面，同时应用面也越来越广泛，能够很好地实现心电信号的降噪效果。

2.小波变换与小波阈值降噪

2.1 小波变换

小波变换能够很好实现信号在时-频域的局部化，同时由于其具有的“变焦”特征，非常适合用于非线性、非稳态的生物医学心电信号的处理。

小波基函数的窗口面积与a，b无关，时间、尺度分辨率相互制约，不能同时增大或减小，使得小波变换非常适合处理突变信号。

2.2 小波阈值降噪

小波阈值降噪是通过对信号进行小波变换后，根据产生的细节系数幅值较大而噪声对应的细节系数的幅值较小，在不同尺度上设置一合理阈值，阈值以下的系数置零，高于阈值的系数进行处理，最后经小波逆变换，实现信号重构，最终达到抑制噪声的目的的一种降噪方法。

小波阈值降噪方法中的参数选取主要包括阈值函数的选取、小波基函数的选取、阈值选取规则选取。

（1）阈值函数选取

阈值函数主要包含软阈值和硬阈值两种，其中硬阈值处理是当小波系数绝对值不小于阈值时其大小不变，小于阈值时则置零；软阈值处理是对较小的小波系数置零[3]，较大的小波系数会向零作收缩。

同一信号用不同小波基进行分析时，由于时频特性不同，从而使同一信号在分析后得到的时频特性也会不同。

在小波阈值降噪的过程中，小波系数阈值的选取通常是最为关键的一步，尽管不恰当的选择会对降噪的效果产生直接影响，但截至目前仍未能提出一种通用的模型。

3.心电信号小波降噪应用

3.1 工频干扰滤除

频干根据生物医学心电信号工频干扰频带互相重叠的特点，因此此处选用小波阈值降噪法通过对心电信号的小波系数进行抑制实现噪声滤除。选择MIT/BIH国际标准数据库的心电信号，并截取其中一段作为原始心电信号，在原始心电信号基础上加入工频干扰后的心电信号，为小波阈值降噪法进行降噪后的心电信号。其中，图2加入工频干扰后的心电信号的信噪比为6db，小波阈值降噪过程小波基函数选用coif4，6层分解，采用rigrsure阈值。

原始心电信号很光滑，加工频干扰后的心电信号充满毛刺，同时含有大量高频噪声，信号的波形非常不平滑，会严重干扰对信号特征的提取，影响分析结果。可以看出，小波阈值降噪对于工频干扰的滤除具有较好的效果，同时很好地保留了生物医学心电信号的固有特征，未出现严重的失真现象。

3.2 肌电干扰滤除

选择MIT/BIH国际标准数据库的心电信号，并截取其中一段作为原始心电信号，在原始心电信号基础上加入肌电干扰后的心电信号；小波阈值降噪法进行降噪后的心电信号。其中，图3加入肌电干扰后的心电信号的信噪比为6db，小波阈值降噪过程小波基函数选用coif4，6层分解，采用rigrsure阈值。可以看出，小波阈值降噪对于肌电干扰的滤除具有较好的效果，同时很好地保留了生物医学心电信号的固有特征，未出现严重的失真现象[5]。

图2. 滤波工频干扰后的心电信号

图3. 滤除肌电干扰后的心电信

图4. 滤除基线漂移后的心电信号

3.3 基线漂移滤除

由于心电信号基线漂移的频率在0.05Hz～2Hz，所以无需设定固定阈值，即可将分量置零，从而实现对基线漂移干扰的滤除。原始心电信号在原始心电信号基础上加入基线漂移干扰后的心电信号；小波阈值降噪法进行降噪后的心电信号。其中，加入基线漂移干扰后的心电信号的信噪比为6db，小波阈值降噪过程小波基函数选用coif4，6层分解。

可以看出，小波阈值降噪对于心电信号基线漂移的滤除具有较好的效果，同时很好地保留了生物医学心电信号的固有特征，未出现严重的失真现象。

4.结果与讨论

然而心电信号易受噪声干扰影响，导致心电信号波形产生失真，丢失部分重要信息，不利于医生做出正确的判断。因此，需要对采集到的人体心电信号进行降噪处理，本文利用小波变换理论，选择MIT/BIH国际标准数据库部分数据进行了仿真验证，从实验结果来看，小波阈值降噪对于心电信号三种常见噪声干扰的滤除具有较好的效果，同时很好地保留了生物医学心电信号的固有特征，未出现严重的失真现象。

尽管对于生物医学心电信号进行了有效地降噪，并取得了一定成果，但对于其降噪方法的研究还需继续，提出更优、更好的方法。

[1] 刘海龙.生物医学信号处理[M].化学工业出版社2006.

[2] 魏航.基于小波分析的医学信号去噪方法的研究[D].太原理工大学,2009.

[3] 白丽荣.基于小波变换的心电信号处理技术的研究[D].山东科技大学,2005.

[4] 马文.基于小波变换的心电信号去噪研究[D].兰州大学,2009.

[5] 姚成,吴小培.小波变换与生物医学信号处理 [J].生物学杂志,2000,17(1):24-26.