1、第 卷 第 期 年 月传 感 技 术 学 报 .项目来源：国家自然科学基金重点项目（）；浙江省自然基金项目（）；宁波市“科技创新”重大专项（，）；衢州市科技计划项目（）；宁波市自然科学基金项目（）；宁波市公益项目（）收稿日期：修改日期：，（，）：，：；：基于分段香农能量与结构特征提取的心电 波检测方法张靖峰，谢志军（宁波大学信息科学与工程学院，浙江 宁波）摘 要：波检测是采用心电图（，）评估心率变异性与检测其他特征波的基础。针对便携式采集环境中受运动伪迹与噪声影响的 记录存在 波检测准确度低的问题，提出了一种基于分段香农能量与结构特征提取的 波检测方法。首先采用平稳小波变换（，）提取原始 信号
2、中的 波主要成分，然后通过分段香农能量增强 波特征信息，利用 变换的正交性质提取候选点，再采用结构特征分析校验候选点，最后根据心率标准优化结果，实现检测 波。将该方法应用 个典型 数据库，并与 种应用广泛的检测方法进行比较。在 个受噪声影响的 数据库检测实验中，该方法在 波检出个数方面分别提高了、与 以上，分数指标上分别至少提高了、和。在临床 数据库检测实验中，所提方法的灵敏度、阳性准确率与 分数均达到了 以上。关键词：心电信号；波检测；平稳小波变换；分段香农能量；结构特征提取中图分类号：文献标识码：文章编号：（）是一种通过测量肌肤表面携带的电信号来表征心脏活动状态的无创技术，通过分析 信号的
3、时序与形态特征能够获取丰富的病理信息，是诊断心脑血管疾病的重要依据。心脑血管疾病作为一种慢性疾病具有突发性，对此类疾病早期的监测与治疗是非常关键的一环。在 信号中，波的形态结构蕴含着大量的医疗信息，并且作为 中最为突出的特征，一些研究中将 波视作判别其他特征波形的基准，这使 波检测的正误直接影响最终的判别结果，以致于其成为 自动传 感 技 术 学 报第 卷分析的重要环节。目前，常见的 波检测方法主要包括 类：基于阈值的 波检测方法，基于模板匹配的 波检测方法，基于深度神经网络的 波检测方法。与 提出将原始 信号先利用 的带通滤波器进行滤波，再将滤波后的结果分步使用差分、平方变换以及窗口滑动积分
4、增强 波信息，再采用动态双阈值检测 波，利用 不应期与回溯机制校准 波，该方法为 波检测领域内最著名的方法之一，其算法计算量小、原理简单，但 信号被严重干扰时检测的准确率会受到较大的影响。提出对原始 信号先使用 的带通滤波器进行滤波，通过平方变换与移动均值滤波增强 波信息，采用自适应阈值检测到候选 波后，通过总结 波基本特征创建 个校验标准对候选的 波进行校验，实现 波检测，该方法计算复杂度低，实时性强，但过于依赖阈值检测与校验标准的性能，当 波形态特征发生形变较大的改变时，算法的稳定性会被影 响。提出将原始 信号下采样至 后，再将信号进行母小波为 的平稳小波变换提取第 级细节小波系数，再将提
5、取到的信号重采样至原始采样频率，将前 的信号包含的信息作为学习模板初始化检测阈值，此后阈值每 更新一次，利用阈值检测 波，该方法快速适应信号采集过程中发生的变化，从而达到较好的检测效果，但效果依赖作为学习模板的信号质量。近年来，随着传感器、无线通信以及微电子技术的突破，远程医疗与可穿戴设备进入人们的视野，促进了心脑血管疾病的预防与监测的发展，带来了舒适的人体心电监护体验，但便携式的体验需要在非临床约束下完成，使得运动伪迹与噪声干扰了 信号的质量，导致 波检测的准确性降低。尽管过去的几十年里，许多 波检测方法被提出，但检测方法的鲁棒性和准确性依然是一个具有挑战性的问题。在 的研究中系统地评估了包
6、括 与在内的 种广泛应用的 波检测方法，将检测方法用于处理受运动伪迹与噪声严重干扰运动动态远程健康数据库（，）时，所有检测方法中基于 分数的评估结果最高为。因此，提升运动伪迹与噪声干扰的 信号的 波检测准确率对促进远程医疗与可穿戴设备发展具有重要意义。针对由运动伪迹与噪声影响使得 波形态特征发生形变，导致其检测准确率较低的问题。本文提出了一种基于分段香农能量与结构特征提取的 波检测方法。首先，采用平衡小波变换（，）提取出原始 信号中 波特征信号，引入分段香农能量增强 波信息，利用 变换的正交性质提取出 波候选点，再采用结构特征提取方法进行候选点校验，依据心率变化情况进行漏检误检纠正，从而实现
7、波准确定位。图 心电信号 波检测方法整体框架 本文 波检测方法基于分段香农能量与特征结构提取的 波检测方法由 个部分组成，图 中展示了方法的整体框架，并介绍了整个方案中所使用到的基本符号。为了清晰地展示本文方法每一步骤得到的结果，将本文方法应用于一组被基线漂移噪声干扰的 信号实例上，分步结果如图 所示。本文方法步骤的简要描述如下：步骤：将原始 信号 进行预处理，采用平稳小波变换提取出包含 波特征的信号。步骤：将提取出的 先进行归一化计算，再从归一化后的信号 计算出分段香农能量信号 后，达到 波特征增强的目的。步骤：将信号 采用 变换，提取变换后虚部信号 的零交叉点得到候选 波位置集合。步骤：对
8、集合 进行校验，保留满足结构特征提取条件的候选点，否则丢弃。得到校验后的 第 期张靖峰，谢志军：基于分段香农能量与结构特征提取的心电 波检测方法 图 本文方法的应用实例波位置集合。步骤：采用漏检误检纠正策略优化集合，得到最终确定的 波集合。本文方法具体的分步说明如下所述：预处理 信号在采集过程中易受到各种噪声源的影响，其中包括了呼吸或肌肉活动，且一些与心脏相关疾病会导致 信号的形态特征发生变化，从而对 波检测结果造成影响。在近几年的研究中可以发现，离散小波变换（，）是一种有效的 信号处理方法。为 的一个分支，在每一级的分解中没有进行下采样使其弥补了 不具有位移不变性的问题，更有助于对分解出的细
9、节小波系数进行分析。因此，本文采用 对原始 信号 进行预处理，以抑制噪声源影响，提取出 波特征信号。预处理的主要包含 个步骤：对原始 信号 采用基于 小波基函数的平稳小波变换，分解至第 级。提取第 级的细节小波系数，将其余的细节小波系数与近似小波系数置为。对 采用平稳小波逆变换得到 波特征信号。在预处理步骤中，提取 的原因在于：信号能量大部分集中在 波的 之内，且频带介于 。如图 所示，将 进行能量与原始 信号的互相关系数的对比分析，的能量在所有分解出的细节小波系数中最高，在时域上也与原始 信号最相似，且与 波频带范围重叠。因此，为本文方法的最佳选择。图 中的子图 即为提取出的 波特征信号 结
10、果。图 级细节小波系数的能量与互相关系数图 波特征增强为了达到 波特征增强的目的，先将 波特征信号 进行归一化，归一化计算如式（）所示：（）（）（）（）式中：（）表示在第 个采样点时信号 的幅值，（）表示求取最大值，为信号 包含采样点的个数，（）表示归一化后信号在第 个采样点时的幅值。对归一化后的信号 计算其分段香农能量。通过计算香农能量能够增强中强度分量，同时抑制低强度分量，以此得到更好的 波信息增强效果。本文方法在香农能量的基础上引入分段机制，有利于对原始 信号中存在幅值较小的 波与幅值变化较大作出检测，使其更适用于存在运动伪迹影响的便携式采集环境。由于 波在正常 信号中的持续时间为 ，为
11、了增强 波特征信息，以 波最短持续时间的一半即 作为分段时间，对信号 分段计算每段香农能量值，得到分段香农能量，结果如图 中的子图 所示。的计算如式（）所示：（）（，）（）（）（）式中：表示采样点，（）表示两个数值中最小值，为原始 信号的采样频率，（）为第 个采样点对应的分段香农能量幅值。波候选 波候选阶段负责找出原始 信号包含的传 感 技 术 学 报第 卷所有潜在的候选 波位置集合，在本文的研究背景下，为了达到这一目的，集合 的代价包括表现为假阳性的 波。目前，大多数的 波探测方法依赖于固定阈值或自适应阈值，但阈值方法的检测效率与有效性依赖于初始化参数的正确选择。同时 信号作为一种具有弱抗干
12、扰、非平稳等特点的生理信号，其特点导致了基于阈值的 波检测方法易受影响，在便携式采集环境中，运动伪迹或噪声影响导致 波形态特征发生变化的问题更加突出，进一步引出了阈值方法探测 波位置有效性的问题。因此，本文方法利用 变换的正交性质提取候选 波位置集合，具体方案如下。变换是一种常用的信号瞬时幅值与频率的分析工具，其本质在于信号与 （）进行卷积运算得到，将分段香农能量 进行 变换计算如式（）所示：（）（）（）（）式中：（）表示对分段香农能量 的第 个采样点所表示的幅值（）进行 变化后得到的幅值。将信号 提取其虚部得到信号，结果如图 中的子图 所示。对比图 中子图 与子图 可以看出，经 变换后提取的
13、虚部信号 产生的零交叉点对应在分段香农能量 的局部峰值点上，通过提取零交叉点的位置，可以检测出候选 波的位置集合，同时避免阈值方法在 波检测过程中的幅值要求。通过统计信号 中的零交叉点位置，得到候选的 波位置集合，标注位置如图 中的子图 的星标所示。波校验由于候选的 波位置集合 以假阳性为代价，因此 波校验阶段负责降低假阳性点在集合 中的出现概率。为达到校验目的，对集合 中的 个候选点以半宽 构建 个窗口长度为 候选点窗口，为保证整个校验过程正常运行，窗口内必须至少包含一次心跳，因此，设置窗口半宽（），其中 为原始 信号采样频率。在第 个候选点窗口所对应的 波特征信号 中提取其波峰结构特征集合
14、，集合，的定义如式（）所示：，（）（），（）（），（）（），（）（）（）式中：（）为符号函数，为满足波峰结构特征的采样点 对应的特征值，（）为第 个候选点对应的采样点位置，且，。通过计算得到第 个候选点窗口的波峰结构特征集合，的平均值 与标准差，计算过程如式（）、式（）所示：，（），（），（）式中：，表示在第 个候选点窗口中波峰结构特征集合，中包含波峰结构特征点的个数，表示波峰结构特征集合，中第 个波峰特征点代表的特征值。判断第 个候选点在其候选点窗口内是否为离群值，离群值需满足的以下 条假设：候选点窗口中波峰结构特征集合包含的特征值需要满足正态分布；在 波特征信号 中候选点对应的幅值至少为候
15、选点窗口内最大幅值的一半；在候选点窗口内随机选择的特征点为 波峰的概率小于或等于。在满足 条假设的前提下，第 个候选点所对应的特征值，还需超出其对应候选点窗口内特征值的 界限，即保留成为校验后的 波点。将候选的 波位置集合 中的 个候选点经结构特征提取条件判定后得到校验后的 波位置集合，集合 的获取如式（）所表示，其标注位置如图 中的子图 的星标所示。保留满足 条离群值假设且，丢弃满足 条离群值假设且，丢弃不满足 条离群值假设（）漏检误检纠正如图 中的子图 所示，集合 虽经过结构特征校验但仍然存在少部分的漏检误检现象造成假阴性与假阳性指标升高。因此，漏检误检纠正阶段需要对这些明显的错误现象进行
16、优化以达到降低假阴性与假阳性的目的。首先，搜索集合 中距离过于分离的一对 波峰，通过添加该距离内的最大幅值点作为漏检的 波峰，从而达到纠正漏检的目的。其次，搜索集合中距离过于接近的一对 波峰，保留幅值较大的点位以达到纠正误检的目的。最后，得到最终确定的 波集合。从图 中的子图 可以看出，得到的星形标志集合 中的检测点基本与数据库给出第 期张靖峰，谢志军：基于分段香农能量与结构特征提取的心电 波检测方法 的圆形标志的 波参考点吻合。对于方法描述中的距离过于分离与过于接近的标准，使用较为合理的最小心率与最大心率作为依据。过于分离如式（）所表示：（）（）（）过于接近如式（）所表示：（）（）（）式中：为原始 信号的采样频率，（）与（）分别表示校验后的 波位置集合 中进行距离比较的 波峰 与 波峰 的采样点位，最小心率 ，最大心率 。实验与结果分析 数据库与评估指标为了验证本文方法的有效性与鲁棒性，选取了包括麻省理工与 医院合作建立的噪声压力数 据 库（，）、年中国生理信号挑战数据库（，）、动态远程医疗数据库（，）以及 年心脏病学计算挑战数 据 库（，）在内的 个具有代表性的数据库对方法进行评估
