一种基于体域网的非线性加窗心电系统设计研究*

郭 超 张景涛 郭 娟 魏占祯

1.北京电子科技学院，北京市 100070；2.桂林电子科技大学北海校区，北海市 536000

0 引言

体域网(Body Area Network，BAN)是近年来的新兴概念，是基于物联网高度发达的无线传感器网络，辅以泛在计算和集中式信息处理技术[1]，通过设立在身体周围的便携式传感设备建立针对个人生物医学信号的全方位立体化监测系统。而在所有的生理信号中，心电信号(E-lectrocardiogram，ECG)是判断人体健康水平的一个非常重要的指标。普通心电信号采集需要被测量人以平躺姿势静止不动，通过十二导联法获取一段非常稳定清晰的图像。这样采集的心电信号可靠性极高，但时效性很差[2]。事实上更多的心脏问题发病于患者运动态，短时测量结果并不可靠。设计基于体域网的心电信号采集与传输设备可以有效解决携带设备笨重的问题。体域网的特征即低功耗、实时性强、便于携带。用户可以通过体域网内传感器进行实时心电信号采集，通过网关节点发送至数据处理中心，或在节点处直接进行数据简单分析、处理和可视化呈现，这样的心电检测可以实时反应患者情况，遇到紧急情况可及时发出告警信息，且小型化设备不易带来其他问题，使用也较为简单[3]。同时保留了其他生理信号如位移、血压、体温等数据采集的接口，综合诊断更为科学准确。

目前基于体域网的心电信号研究主要集中在采集、传输、处理、QRS特征波识别和分析几个方面。Nilanjan Day等人提出了一种低功耗可穿戴式无线ECG监测设备[4]。Sahoo Prasan等人提出了一种新的心脏数据采集方法，并将心电和多通道地震心电数据结合分析，采用预警系统监测人的心脏活动[5]。Banerjee Santo等人引入梯度交叉递归和平均梯度交叉递归密度的概念，设计算法来分析被测者的心电信号特征[6]。Acharya U.Rajendra等人提出采用卷积神经网络技术来自动检测不同的心电片段[7]。国内针对心电信号也提出了多种研究理论。Yang X等人提出了一种基于自适应噪声和小波阈值的完整集成经验模式分解的心电图信号去噪和基线漂移校正方法[8]。Wang J等人开发了一种可穿戴式心电检测器，采用脉冲无线电(IR)型HBC技术，在可穿戴式体域网场景下，在人体上传输生命信号[9]。Liao W等人定量评估了6.8 MHz无线电力传输系统可穿戴心电图上的电磁干扰，利用电磁场分析技术推导出带可穿戴心电的人体与地面之间的共模电压，并通过电路仿真或测量得到可穿戴心电输出处的干扰电压[10]。

以上的研究大多使用Matlab对已有信号进行滤波、识别和分析，在理论仿真上增加心电信号的精确性而无法工程实现；部分研究信号采集的项目也着重于硬件精度和抗干扰能力的提升。总体上现有研究忽略了软件滤波对系统总体滤波效果的提升。

针对上述问题，本文设计了一种基于体域网的心电信号采集与传输系统。该系统硬件设计共由蓝牙、处理器、传感器、电极以及电源五个功能模块组成；软件设计以非线性加窗中值滤波法为基础进行心电信号滤波算法的改进，通过含均值滤波思想的改进中值滤波法对提取的原始心电信号进行软件滤波，并以MIT-BIH标准心电信号为参照标准，计算信噪比和均方差以验证其滤波效果。

1 信号采集与传输设备硬件设计

本文设计了如图1所示的基于体域网的心电信号采集与传输设备硬件系统，形成可用信号后无线传输至PC可视化呈现。系统需具有以下特点：

(1)小型化：基于体域网设计本系统，要求系统体积较小，便于随身携带采集信号。

(2)低功耗：基于体域网设计本系统，要求系统由电池供电，且支持连续采集和处理信号，因此系统需采用低功耗元器件。

(3)稳定性好：基于体域网设计本系统，要求系统可在受测者非静止状态下获得良好的波形信号，因此需采用屏蔽性能较好的电极电缆。

(4)时钟频率适当：频域分析可知，心电信号频率范围为0-100Hz，有用信息集中于10Hz以下的低频部分，因此根据奈奎斯特抽样定理，单片机的采样频率至少为200Hz。因此应选择合适的单片机并设置其时钟频率符合要求。

(5)无线传输：基于体域网设计本系统，要求系统可进行无线组网通信，应采取短距离无线传输协议，如蓝牙等。

图1 硬件整体设计图

系统选用心电传感器AD8232进行心电信号采集。该传感器抗噪声性能好，可以避免多种噪声干扰从而对微弱的心电信号进行提取、过滤和增益，搭配低功耗ADC或EMCU(嵌入式微处理器)可较好地实现复杂情况中的心电信号的采集提取。AD8232通过预置高通双极点有源滤波器滤波，对运动伪差干扰有较好的滤波效果，针对电极半电池电位也可以部分滤除。使用该滤波器密耦合一个仪表放大器，提升了心电信号检测的单极增益，实现更好的高通滤波。同时通过一个无输入的约束运放制作一个一个无使用约束运算放大器来创建一个三阶全极点低通有源滤波器，实现更好的低通滤波。可通过综合设置这两种滤波器实现针对心电信号特征的滤波。

心电信号为毫伏(mV)级，有效信号很容易受到大量噪声干扰，因此结合AD8232设计预处理放大电路，提高对不良影响的共模抑制。预处理放大电路应具备高增益的特点，提升心电信号强度，需对有效信号其进行放大，但考虑到系统零漂和保证共模抑制比，采用多级放大电路，且需提升前级输入阻抗。系统选用AD8232 Band Pass Designer设计放大和滤波电路，相较于默认设计值，将R3增大至500Kohm，使高通滤波器截止频率趋近0Hz，调整R4为R5的两倍且使R4与R6相等，均设计为1000Kohm，使低通滤波器截止频率略高于100Hz，同时保持共模抑制比与初始化时的数据相近。由于心电信号的有效部分主要集中在0～100Hz，因此设计这样的滤波器信号预处理放大电路可有效提升原始信号质量。

信号处理电路以Arduino UNO为核心，采集来自AD8232的ECG信号数据，通过烧写的软件滤波程序进行数据处理后，驱动HC-06或直接使用USB串口通信实现Arduino UNO与PC的数据交互。无线通信传输方式选用蓝牙技术，蓝牙技术由爱立信公司于1994年提出，其特点是传输速度快，功耗低，体积小，成本低，应用广泛，且蓝牙4.0协议后其安全性优于其他几种短距离无线传输方式。

2 信号降噪原理及实现

ECG信号基本上是毫伏级生物电信号，其非常容易受到环境噪声的影响。基于体域网设计一个心电信号采集与传输装置，受测者是运动的或是不稳定的。随着受测者呼吸频率变化、衣物与皮肤摩擦导致皮肤表面阻抗变化，肌肉紧张时产生肌电信号，装置内部电荷累积导致电容变化等情况出现，在ECG信号的采集期间引入了各种干扰。因此，减少干扰有利于后续及逆行波形分析。

心电信号中主要包括以下四种常见干扰：工频干扰：固定频率干扰，由仪器元件内部振荡引起，一般出现在50Hz左右。

基线漂移：前置放大器的直流偏置漂移、人体轻微移动和呼吸引起的10Hz以内的干扰，基线漂移使整个心电信号伏载于一个正弦波上下起伏。

电极干扰：电极电阻和极化电位突变，或电极在皮肤表面的迅速移动所产生的阶跃信号。

肌电干扰：由肌肉震颤产生的高频信号，几乎可淹没除QRS波群之外所有的波形。

2.1 中值滤波原理

中值滤波(Median filter)是一种典型的非线性滤波技术，其数学基础基于统计学排序思想，计算某一点信号值左右两侧邻域内所有点值排序后的中值作为该点最终值，去掉信号值中的极大极小值，以去除脉冲噪声和其他的一些孤立噪声。中值滤波后的信号值更接近于典型值，描绘图像时有明显的柔化边缘特性。中值滤波同样采取设置窗函数的方式，但相较于普通线性滤波器，中值滤波不再是加权运算。

2.2 中值滤波算法应用于心电信号降噪

针对心电信号，中值滤波可有效去除基线漂移和电极干扰。中值滤波器数学描述为：假设x＝{x(1)，x(2)，…，x(L)} 是实数列长度L，也可称为长L信号。x加方的信号是x＝{x(-k＋1)，x(-k＋2)，...，x(k＋L)} 来满足：

对于每个n，1≤n≤L，使用x(1)(n)的符号，2k＋1实数如下：x(n-k)，x(n-k＋1)，...，x(n)，...，x(n＋k-1)，x(n＋k)。中间的数字由小到大重新排列，称作x＝{x(1)(1)，x(1)(2)，...，x(1)(L)}是符号x窗宽2k＋1中值滤波器；x(1)(L)也可进行窗宽2k＋1中值滤波，结果记做x(2)(L)，x(p)＝{x(p)(1)，x(p)(2)，...，x(p)(L)}在与2k＋1及x的P次窗宽后，中值滤波大体上可变为上述结果[11]。

在一个心动周期绘制的ECG中，相较于基准幅值和频率，P波、QRS波群和T波的幅值和频率都要更高，因此采用中值滤波，可以使用这些特征波形去除更高的值，留下的即是信号中去除基线漂移的部分。

一段心电信号其典型值应大体连续，电极干扰常表现为短时尖峰脉冲，采用加窗中值滤波，窗内的异常值会被中值代替，从而达到去除电极干扰的效果。

心电信号中常存在的工频干扰为固定频率，稳定的工频干扰既可通过中值滤波滤除，又可通过均值滤波滤除——时域上幅值相同的固定频率的信号值的中位数与均值都为0，即滤波后的信号基本与基线水平。此处选择使用中值滤波去除工频干扰。

设计中值滤波流程框图如图2所示，具体实现使用冒泡排序法。

此处FILTER_N即为窗口大小。

图2 中值滤波流程框图

由于心电信号噪声多样性，中值滤波无法滤除周期性较强，频率较多样的肌电干扰。且R波和S波幅值相差较大，受其影响仅使用中值滤波会使波形的S-T段异常抬起，P-T段变窄，造成ECG失真。

3 改进中值滤波算法应用于心电信号降噪

针对中值滤波应用中出现的无法滤除肌电干扰和波形异常的情况，在中值滤波器的基础上结合线性均值滤波器的优点加以改进，设定长度为n的窗口，计算左右邻域所有值排序寻找n的中位点，再利用窗口函数进行平滑加权求和的运算，或者某种卷积运算，求n个中值的均值，以其均值作为这一段窗口内n×n个数据的代替。

其数学原理可表示为：在与2k＋1及x的P次窗宽后，中值滤波可变为结果如下：

注意此处的FILTER_N与普通中值滤波器不同，普通的中值滤波器窗口大小设置为100时效果较好，此处经多次尝试测量，令FILTER_N＝13，即总采样点为169时滤波效果较好。

4 结果展示与分析

心电信号是一种产生于心脏的生物弱电信号，其电压幅值范围为10μV-4mV，典型电压值为1mV，频率范围为0.05-100Hz，一段正常的心电信号中有大量直流成分，除去直流，其中90%的心电信号频谱能量集中在0.25-35Hz之间[12]。

心电信号的常见噪声中，工频干扰常出现在50Hz左右；基线漂移集中于0.05-2Hz，一般不超过10Hz；电极干扰为短时尖峰脉冲信号；肌电干扰幅值低且频谱分布广。

4.1 数据分析方法

本文采用Matlab对采集的心电信号进行频谱分析，在受测者静息状态下连续测量了原始心电数据，中值滤波后的心电数据和改进中值滤波后的心电数据，数据以文本形式存储，但使用时为了控制变量方便进行比对，三段数据统一取用前342个值。心电信号主要频率集中在0-100Hz，因此根据奈奎斯特抽样定理，采样频率不得低于200Hz。

本文前述的系统所采集的数据均为十六进制，将其转化为十进制后数值在0-600之间，不符合心电信号典型电压值标准，因此在分析前需对数据进行简单处理。由于心电信号典型电压值为1mV，因此对数据逐位除以平均电压值，使整组数据在统计学上的平均值接近1。

本文使用FFT对数据进行分析。FFT即快速傅里叶变换，通过选取采样点数N将信号扩展为N个一组，假设采样频率Fs，采样点数N，FFT后的结果为一个N点复数，其绝对值为该频率的幅度特性，一般情况下N为2的整数次幂。除幅度特性外，计算功率谱密度展示信号功率分布情况，直观体现能量在频域上的分布。平稳随机过程ξT(ω)的平均功率为：

ξ(t)的功率谱密度：

这样的平均功率等于各个频率分量所贡献的功率的连续和，功率谱密度是描述频域中随机过程的统计特性的最重要的数字特征。

4.2 降噪评价指标

本文采用以下几种降噪评价指标：

信噪比定义如下：

均方根误差定义如下：

4.3 信号分析结果

首先分别导入原始心电信号，中值滤波后的信号和改进中值滤波后的信号，绘制时域波形如图3所示，观察图像可得原始心电信号具有较大干扰，很难辨识各特征波形；中值滤波图像可辨认QRS波群，但S-T段异常抬起，P-T段变窄，尚存一定的干扰；改进中值滤波波形清晰，但信号幅值有所降低。

图3 信号时域波形图

进行FFT变换后，得到频域信号。绘制幅值频谱图，如图4所示，观察图像可清晰地看出原始信号、中值滤波信号和改进中值滤波信号都有一个较大的直流分量，原始信号在50Hz处产生了明显的工频干扰，在40-50Hz之间出现了明显的肌电干扰；中值滤波后50Hz处工频干扰消除，40-50Hz之间肌电干扰减弱，在其余波段肌电干扰也有所减弱，在0-20Hz区间的信号幅值下降，降低基线漂移；改进中值滤波后，在0-20Hz低频处滤波效果良好，10-20Hz处几个明显非典型幅值被滤除，20-100Hz幅值继续下降。

图4 信号幅度频谱图

绘制功率谱图像，如图5所示，观察图像验证上述结论可信。为进行对比，选取MIT-BIH标准心电数据库220号数据，绘制其时域波形图、幅度频谱图和功率谱图，结果如图6所示，以该数据和分析结果为标准，观察可得标准心电信号在0-20Hz范围内幅度与功率非常集中。

图5 信号功率谱图

图6 标准心电信号时域、幅频、功率谱图

以该理想信号为基础进行信噪比计算，可得原始信号信噪比原始信号 SNR1为-7.241551 dB，RMSE1为1.866509；中值滤波信号 SNR2为-6.545421 dB，RMSE2为 1.722755；改进中值滤波信号 SNR3为-6.479846 dB，RMSE3为1.709798。可以看出，改进中值滤波信号信噪比高于中值滤波信号信噪比高于原始信号信噪比，改进中值滤波均方根误差小于中值滤波信号均方根误差小于原始信号均方根误差，证明滤波算法及其改进有效。

5 结束语

本文主要研究分析了体域网架构，了解体域网特点及发展现状，阐明了实现基于体域网心电信号采集与传输的意义和可行性，设计了基于体域网的心电信号采集与传输的硬件系统，整体上分为信号采集、信号处理和信号传输三部分。针对心电信号的四种主要干扰，采用了中值滤波算法进行处理，针对中值滤波算法的不足，提出在中值滤波中融入线性均值滤波思想进行改进，提高心电信号信噪比，降低均方根误差。最后对原始信号和滤波后的信号进行频谱分析、计算，验证算法有效。本文设计的系统着重研究了软件滤波对系统总体滤波效果的提升。