论文部分内容阅读
心电信号（ECG）是心脏电活动在体表的综合表现。心电信号处理的目的是根据心电信号的特征推断心血管系统的状态，并据之做出辅助的医学决策。本论文以心电信号为研究对象，主要包含以下三个方面的内容：（1）在研究了现有的一些ECG信号中的QRS波群检测方法后，提出了一种算法简单、速度快的适合于实时信号检测的基于一、二阶差分相结合的改进的差分阈值算法。该算法的原理是通过一、二阶差分运算并结合取平方的非线性运算，最大限度地抑制各类噪声同时提高QRS波群的份量。运用本算法对原始心电数据文件、加入噪声的心电数据和MIT心电数据库的数据进行分析，可以极大地抑制干扰而准确地检测R波波峰位置，验证了本算法的有效性。（2）分析由原始ECG得到的R-R间期即HRV信号，是一种非侵入式的研究自主神经系统功能的途径。经过对多种HRV信号的分析方法的研究，本文选择了有代表性的并适用于短程（约5min）数据的分析方法和计算参数：a、基于时域的平均心率（AHR）和相邻R-R间期差值的均方根值（r-MSSD）b、基于频域的总功率（TP）、归一化低频、高频功率（LFnorm、HFnorm）、低频和高频的功率比（LF／HF） c、基于非线性动力学的分形维数（FD）、近似熵（ApEn）和建模非线性方程的NAR模型方程的总项数（TL）对从RS-621多导睡眠仪获得的处于两个特定的睡眠阶段：NREM4期（非快速眼动4期）和REM期（快速眼动期）的10个健康成年男子的HRV数据进行分析，得到的实验结论是，NREM4期的HRV数据的各项指标均显著低于REM期的对应值。推断产生这样的实验结果是由于REM期较NREM4期，心血管系统的复杂性更高、调节机制更加复杂，这个实验结论和以往生理实验得到的结论具有一致性。（3）信号的奇异性往往携带着信号的重要特征信息。通过证明小波变换模极大值和信号的奇异性指标-Lipschitz指数的关系定理|Tψ（a，b）|b=t0≤Caa（t0）+1/2后，提出并实现了在MATLAB中求解Lipschitz指数的算法，并将之用于正常人和来自MIT心电数据库中的心律不齐病人的ECG信号的R波计算中，得到了正常人R波的奇异性显著高于心律失常病人的结论，推断心律失常病人奇异性的降低可能是处在病理状态的心脏系统的调节能力下降，复杂性降低导致的。通过计算R波的Lipschitz指数，从数理的角度对不同模式R波波形的奇异性给出了量化指标，为心电信号分析的计算机化提供了一个思路。本文主要以R波检测、基于R-R间期的HRV特征信号分析和R波的Lipschitz指数的计算作为文章的论述重点，此外还做了一些基于LabVIEW环境实现的心电数据采集方面的工作，实现了基于普通电脑声卡和基于USB6009数据采集卡的简单心电采集系统。通过对比发现，基于声卡的采集系统对数据源有一定的匹配要求，信号较容易产生失真，并且采样率是四个固定的默认值，因此系统的实际应用价值不大；而基于USB6009的系统可以实现多通道多路信号的实时高速采集、显示和保存，具有很高的普适性，适于构建方便的数据采集平台，为实验室环境下的信号研究和分析提供了很好的数据来源的途径。