FastICA及自适应相干处理的胎儿心电信号提取

刘春艳 司夏岩 崔艳群 王强 尹晶 何琪耀

摘  要： 针对胎兒心电信号检测难的问题，提出基于FastICA及自适应相干处理的胎儿心电信号提取方法。首先利用自适应相干抵消进行基线漂移和母体心电的预处理，随后使用FastICA对数据进行分离和处理，从分离结果可以看出迭代次数为18时胎儿的心电信号最佳，然后对FastICA分离通道数进行讨论和实验，明确分离通道数目，最后使用频谱图观察处理后的胎儿心电信号质量，可以看出该方法收到了良好的效果。

关键词： 胎儿心电; 信号提取; FastICA; 自适应滤波; 噪声分析; 盲信号分离

中图分类号： TN911.7?34; TP391.4                  文献标识码： A                  文章编号： 1004?373X（2020）21?0035?04

Method of fetal electrocardiosignal extraction based on

FastICA and adaptive coherent processing

LIU Chunyan， SI Xiayan， CUI Yanqun， WANG Qiang， YIN Jing， HE Qiyao

（College of Optical and Electronical Information Changchun University of Science and Technology， Changchun 130114， China）

Abstract： In order to solve the problem of difficult detection of fetal electrocardiosignals， an extraction method of fetal electrocardiosignals based on FastICA and adaptive coherent processing is put forward. In this method， baseline drift and maternal ECG are preprocessed by adaptive coherent cancellation， and then the data is separated and processed by means of FastICA. It can be seen from the separating result that the fetal electrocardiosignal is best at 18 iterations. The number of FastICA separation channels was discussed and tested. And then， the number of separation channels was determined. The quality of fetal ECG signal was observed with the spectrogram. The observed result shows that the method has an excellent effect.

Keywords： fetal electrocardiosignal; signal extraction; FastICA; adaptive filtering; noise analysis; blind signal separation

0  引  言

胎儿心电是表征胎儿心脏活动最为直接的信号。通过胎儿心电信号的监控分析和评估可以对胎儿的健康状况和先天性心脏疾病进行预判，降低胎儿的发病率[1?3]，然而从母体腹部采集的胎儿心电非常微弱，同时还混有母亲心电信号、肌电信号、工频干扰和环境噪声等干扰，使得提取准确的胎儿心电信号很难。针对这种现象，通常采用奇异值分解[4]、自适应滤波[5?6]、盲信号分离[7]等方法对胎儿心电进行提取。

盲信号分离方法被引入胎儿心电领域后，收到了明显的效果，因此从2001年Zarzoso等应用主成分分析、独立分量对盲信号进行提取后，继续深入地对此进行研究，当前研究的重点在于快速地对信号进行分离并对环境噪声进行压制，完成信号的有效提取[8]。

自适应相干抵消方法根据输入信号和相干评价信号对信号进行处理，得到相对干净的胎儿心电信号，这种方法不仅可以抑制母亲心电信号对胎儿心电信号的干扰和基线漂移的作用，而且具有较小的运算量。该方法使用的重点在于能够明确母亲心电信号通路，这在胎儿心电处理中是明确的信息，因此自适应滤波相干抵消方法作为FastICA的辅助方法，适用于胎儿心电信号的处理和提取。

1  FastICA分析简介

独立向量分析是盲源分离中的常用方法之一，也是当前盲源分离中最有前景的方法之一。其使用“隐变量”模型，观测量通过源变量的线性组合获得，表达式为：

[X=AS] （1）

式中：[S]为统计上相互独立的源信号，记为[S=[S1，S2，…，Sm]T];[X]为可以观测到的通道信号，记为[X=[X1，X2，…，Xn]T];[A]为混合矩阵，表征[S]信号经过某路径被观测获得为[X]的混合矩阵。

由式（1）可见，如果想获得源信号[S]，需要构建混合矩阵[A]的逆矩阵[W]，[W=S-1]。通过对[W]矩阵的构建，可以获得源信号的估计量[Y]。

[Y=WX=WAS] （2）

为达到[Y]对[S]的准确估计，需要注意到矩阵中各个独立分量要满足统计独立，这是独立向量分析最为主要的前提和约束。其次，为使矩阵可以获得满意解，需要观测数量[n]大于信源数量[m]，在独立向量分析中，通常为了分析简便，令[m=n]。同时，混合矩阵[A]必须为非奇异矩阵。

通过这些特点可以看出，独立向量分析是适用于胎儿心电信号提取的强有力的算法之一。因为相对于母体心电信号、外界测量仪器的工频干扰、肌电干扰和环境噪声等信号，胎儿心电属于相对独立的源信号，这满足独立向量分析的前提约束。而独立向量分析所带来的输出信号的幅值不确定、符号不确定和次序不确定都不会对胎儿心电的观测特征产生影响。

在实际使用中，独立向量分析通常使用FastICA算法进行计算[9?10]，其是芬兰学者Hyvannen等人提出的ICA的Fast迭代寻优算法，采用大样本数据并行计算的方式对寻优策略进行处理和迭代。因此FastICA可以获得较高的提取效率。

2  胎儿心电噪声分析及预处理方法

因胎儿心脏位置难以确定，而且其心电信号较弱。因此通常在做胎儿心电检测时，会使用5～8个探极进行检测。这些传感器分别位于母亲胸部位置和腹部位置。母亲胸部位置的探极用于胎儿心电噪声信号的提取，以便去除干扰，母亲腹部位置的采集信号用于检测微弱的胎儿心电信号。利用这种方法对胎儿心电检测时，主要的噪声有如下几种：母亲的心电信号、外界仪器的工频干扰和背景噪声等。

在这些噪声中，母亲心电会带来低频成分的基线漂移和干扰，频率一般为0.5～2 Hz，幅值为胎儿心电的2～10倍，其R波存在胎儿心电重合的可能;外接仪器所带来的50 Hz工频干扰，一般在测量过程中，工频干扰以50 Hz及其谐波表现，幅度相对较大，可以达到数百毫伏，但是其幅度和频率成分基本不变，属于相对稳定的干扰;背景噪声包含基线漂移、电极接触噪声和其他干扰，其中主要难于分离和观察的干扰为基线漂移干扰。

由以上分析可知，要提取清晰的胎儿心电信号主要是消除和抑制基线漂移干扰，然后利用FastICA对信号进行处理，分离母亲的心电信号和胎儿的心电信号。预处理使用自适应滤波相干抵消方法对信号进行处理，因为在采集信号时，母亲胸部的采集信号可以明确，而且可以使用多组，因此使用自适应相干抵消可以获得很好的处理效果。算法实现图如图1所示。

在胎儿心电提取中，原始输入端为母体腹部信号，参考输入端为母体胸部信号，假设混合信号中的胎儿心电与母体心电信号不相关，不断调整滤波器系数使参考输入无限接近母体心电信号，通过原始母体腹部信号减去参考母体胸部信号，提取较为纯净的胎儿心电信号。本文使用RLS收敛的自适应相干滤波算法对胎儿心电信号进行预处理，抑制母亲心电信号带来的影响。

3  胎儿心电信号提取及分析

为保证数据处理的可重复性和权威性，使用标准的胎儿心电数据库（MIT?BIH）的数据进行计算分析。数据采集时间为10 s，在母亲体表放置8个电极，采样频率为250 Hz，采集到的原始数据图如图2所示。

由图2可以明显看到，通道1上含有明显的胎儿心电数据，其他通道上的胎儿心电数据稍弱。这是因为原始数据的取样位置不一样，这就带来胎儿心电在预处理后有着不同的表现，同时还可以看出每一路都存在基线漂移，检测出的基线漂移结果图如图3所示。

进而采用自适应滤波相干抵消的方法对母亲心电和基线漂移进行抵消。处理后的信号如图4所示。

由图4可以看出，基线漂移得到了很好的抑制，同时母体心电信号也被滤除了一部分，但还是存在一部分母体心电信号和其他干扰，所以要提取清晰的胎儿信号主要是要消除和抑制基線漂移干扰，然后利用FastICA对信号进行处理，分离母亲的心电信号和胎儿的心电信号。使用FastICA对数据进行处理，对应分离出的8路信号如图5所示。

由输出的结果图可以看到，多数通道输出了母亲的心电结果，在通道4和通道5上输出了胎儿的心电信号图。通道4上的信号尤为明显，其上可以明显地看到QRS波群。其中各通道迭代次数分别为11，16，12，18，7，7，21和2次。其中，母亲的心电信号分别分布在通道1，通道2和通道5上，这是因为母亲的心电信号可以用一个三维的向量信号来近似，因此在独立通道中会被分离成3路信号。而胎儿的心电信号并非一个三维的向量信号，因此不会被分离成3路信号，而是2路或者1路，一般会分离出2路成分，与本次实验的结果一致。而剩下的3路信号为分离出的噪声信号。

根据分离通道的向量维度原理，也可以利用FastICA进行6通道的信号分离，其结果如图6所示。

由图6可以看出，6通道分解信号同样可以获得3路母亲的心电信号和2路胎儿心电信号，但是剩下1路的其他噪声信号表现的就没有那么明显了。因此，在实际使用FastICA处理胎儿心电信号时，分解的通道数不应少于6路（在采样数据为8路的情况下）。对前述分离出来的胎儿心电进行频谱分析，其结果如图7所示。

由图7可以清晰地看出基线漂移和母亲心电信号等噪声信号已经被分离出去，通道内胎儿心电信号较为纯净，和源数据结果图对比可以看出，该方法收到了非常好的效果。

4  结  语

本文提出的基于FastICA及自适应相干处理的胎儿心电信号提取方法，预处理使用自适应滤波相干抵消方法对信号进行处理，因为在采集信号时，母亲胸部的采集信号可以明确，而且可以使用多组，因此使用自适应相干抵消可以获得很好的处理效果。随后使用FastICA对预处理数据进行分离和处理，获得分离出来的胎儿心电信号，同时通过频谱图观察处理出来的胎儿心电信号质量，方法收到了良好的效果，有一定的医学价值。

注：本文通讯作者为司夏岩。

参考文献

[1] KALEEM A M， KOKATE R D. Performance evaluation of fetal ECG extraction algorithms [EB/OL]. [2019?04?24]. https：//doi.org/10.1007/978?981?13?5802?9_17.

[2] 付骁.母胎心电信号分离算法的研究[D].哈尔滨：哈尔滨理工大学，2019：5?16.

[3] 刘春艳，尹晶，崔艳群，等.谱特征周期估计的胎儿心电图提取[J].电子测试，2016（z7）：162?164.

[4] 刘芳，张燕妮.基于奇异值降维的胎儿心电盲分离方法[J].中国医学物理学杂志，2013，30（6）：4561?4564.

[5] 魏文亮，茅玉龙.一种基于LMS自适应滤波的互相关时延估计优化算法[J].电子科技，2020，33（6）：29?34.

[6] 张会先.自适应滤波算法的研究与应用[D].西安：西安电子科技大学，2012.

[7] 付丙艮.基于盲分离的胎儿心电信号提取系统设计[D].广州：广东工业大学，2016.

[8] PIELA M， MORO? T. Spatio?temporal extension of independent component analysis for fetal ECG extraction [M]. Springer International Publishing， 2018： 315?324.

[9] 赵卫波，胡捍英，周游，等.基于FastICA的高精度多径时延估计算法[J].电子技术应用，2013，39（4）：79?82.

[10] 赵治栋，徐雯，张晓红，等.基于改进FastICA的胎儿心电提取算法研究[J].传感技术学报，2015，28（9）：1275?1281.

作者简介：刘春艳（1981—），女，内蒙古人，硕士研究生，副教授，主要研究方向为检测与信号处理。

司夏岩（1977—），男，吉林长春人，硕士研究生，副教授，主要研究方向为嵌入式、自动控制。

崔艳群（1982—），女，吉林长春人，硕士研究生，讲师，主要研究方向为电子技术。