一種非接觸心電測量方法的研究

李運(yùn)華，劉寶華，戶鵬飛，甄 龍

(1.北京航空航天大學(xué) 自動化科學(xué)與電氣工程學(xué)院，北京100191;2.燕山大學(xué)，河北 秦皇島066004)

0 引 言

心電監(jiān)測是預(yù)防心臟病突發(fā)的一種有效手段［1］。目前無論是在醫(yī)院的臨床應(yīng)用中，還是使用市場上流行的便攜式心電測量儀，在檢測人體的心電信號時，電極都要與人體的皮膚緊貼在一起，這種測量方式容易受到人體活動的影響，應(yīng)用在長時間的心電監(jiān)測中具有較大的局限性。為了解決這一問題，有人提出了將SQUID 磁力計用于人體傳感［2］，實現(xiàn)了心電信號的非接觸測量，但該技術(shù)只適用于低溫環(huán)境，并且成本昂貴。

針對以上情況，本文利用耦合電容原理設(shè)計了一種非接觸心電測量系統(tǒng)［3］，包括硬件系統(tǒng)和軟件系統(tǒng)，并針對該系統(tǒng)因人體活動的影響導(dǎo)致采集的心電信號受到的干擾因素不斷發(fā)生變化的情況，采用了一種具有自適應(yīng)特點的濾波方法--主成分分析(PCA)去噪算法。該測量系統(tǒng)的測量電極可以鑲嵌在床、座椅等固定物中，不會干擾人的正常活動，從而實現(xiàn)對人在睡眠或長期伏案工作、學(xué)習(xí)等狀態(tài)下的心電信號的實時監(jiān)測。

1 非接觸心電測量的原理

非接觸心電測量系統(tǒng)中的最關(guān)鍵部分是用來采集人體心電信號的電極，本文采用耦合電容原理:將電極與人體皮膚上被測量的部分分別作為耦合電容器的兩極板，將兩者之間的衣物、空氣等作為絕緣介質(zhì)，其模型圖如圖1 所示。為了減小外界的干擾，在測量電極上加入了屏蔽層。通常情況下，該耦合電容器的電容值非常小。

2 硬件系統(tǒng)的設(shè)計

圖1 耦合電容的模型圖Fig 1 Model diagram of coupling capacitance

非接觸心電測量系統(tǒng)的硬件電路主要包括:信號采集、信號放大和信號處理。系統(tǒng)組成如圖2 所示，由2 個電極測量人體2 個不同的部位的電勢差，采集到的心電信號經(jīng)過放大和濾波等預(yù)處理后由A/D 轉(zhuǎn)換器轉(zhuǎn)換成數(shù)字信號。

圖2 測量系統(tǒng)的組成圖Fig 2 Configuration diagram of the measurement system

2.1 信號采集電路

人體皮膚與測量電極組成一個耦合電容器，人體皮膚和測量用的電極分別作為這個耦合電容器的2 個極板，由電容器的性質(zhì)可知，當(dāng)其中一個極板上的電信號發(fā)生變化時，另一個極板上的電信號也會相應(yīng)發(fā)生變化。在整個心電周期中，人體皮膚表面上的電信號的變化會通過耦合傳遞給測量電極，并傳遞到后續(xù)電路，即電壓跟隨器中，在電壓跟隨器的輸入端有一個偏置電阻器，用來形成偏置電流回路，其原理如圖3 所示。

圖3 信號采集原理Fig 3 Signal acquisition principle

利用耦合電容原理設(shè)計的非接觸測量方法受電極與人體之間距離的影響最大［4］。根據(jù)電容器的特性可知，電容器兩極板之間的距離越大，電容值就越小，當(dāng)極板上的電壓一定時，隨著電容容量的減小，電量會減少，從而導(dǎo)致采集到的電信號減小。所以，經(jīng)常出現(xiàn)由于測量電極與人體之間位移的改變而使采集到的心電信號發(fā)生變化的情況。

在非接觸心電測量中，信號采集部分受到的干擾會在后面的電路中進(jìn)一步被放大，為減小或者消除外界的干擾，需要在信號采集電路的外圍加屏蔽層。

2.2 信號放大電路

信號放大電路分為前級放大和后級放大兩部分，之間有一個50 Hz 的陷波電路，其電路原理如圖4 所示。信號分兩級放大，中間所加濾波電路是為了在放大心電信號的同時抑制50 Hz 工頻干擾信號。50 Hz 的陷波電路使用的是雙T 型有源濾波。

圖4 信號放大電路原理Fig 4 Principle of signal amplifier circuit

前級放大電路中使用的是一個差動放大器，采用差動放大電路可以有效地抑制共模干擾［5］。放大器的差分放大倍數(shù)由外電路中的變阻器決定，其計算公式如式(1)

其中，G 是放大器的增益，R 是變阻器的阻值。本文中R 的取值為1 kΩ，即增益為51。

后級放大電路的增益設(shè)為20，這樣整個電路可以將采集到的心電信號放大1 000 倍左右。在輸出端有一個低通濾波電路，可以將100 Hz 以上的干擾信號去除掉。

2.3 信號處理

通過本電路采集的心電信號經(jīng)過放大、濾波等預(yù)處理后還是會含有明顯的噪聲，需要用數(shù)字濾波的方法做進(jìn)一步的處理。本文采用了PCA 去噪算法，該方法是從能量的角度對信號進(jìn)行分析處理，具有自適應(yīng)的特點，基本的計算步驟如下:

1)首先引入動態(tài)嵌入技術(shù)建立采樣的時間序列［6，7］。通過多維數(shù)組的構(gòu)建，將源信號的一維數(shù)據(jù)轉(zhuǎn)換成了一個多維的矩陣，這個矩陣的每一行代表一個信號源，列數(shù)則代表信號的個數(shù)，雖然每一行的數(shù)據(jù)不相同，但其中主要成分的結(jié)構(gòu)是相似的。通過對連續(xù)觀察時間序列重構(gòu)一個新的狀態(tài)空間，以此對產(chǎn)生該觀察時間序列的未知動態(tài)系統(tǒng)重構(gòu)，由延遲矢量構(gòu)成的內(nèi)嵌式矩陣為

式中 N 為延遲矢量;μ 為延遲;m 為延遲矢量維數(shù)。其中，m≥fs/fL，fs為采樣頻率，fL為測量信號中所需信號的最低頻率。N 的值由采集信號數(shù)據(jù)的長度決定，但不能小于m。

2)用 PCA 的方法提取內(nèi)嵌矩陣中的主成分［8］。設(shè)X=［x1，x2，…，xm］T是一個用動態(tài)嵌入技術(shù)由一維數(shù)據(jù)轉(zhuǎn)換成多維的嵌入式矩陣，假設(shè)其協(xié)方差矩陣為C，求X 的主成分的過程就是計算協(xié)方差矩陣C 的最大特征值λ 相應(yīng)的標(biāo)準(zhǔn)正交的特征向量u 的過程［9］，假設(shè)矩陣C 的特征值按從大到小依次是 λ1，λ2，…，λm，其對應(yīng)的標(biāo)準(zhǔn)正交的特征向量依次為 u1，u2…，um，則 X 最大的主成分為 y1=u1X，余下的以此類推為 y1，y2，…，ym。

3)用Beyeian 信息準(zhǔn)則確定主成分的個數(shù)。相對于其它常用的準(zhǔn)則，Beyeian 信息準(zhǔn)則受信號的信噪比和采樣長度的影響較小。以下是Beyeian 信息準(zhǔn)則的數(shù)學(xué)表達(dá)式

式中 n 為所需主分量的個數(shù)，p 為源數(shù)據(jù)的維數(shù)，λ 為特征值，N 為觀測數(shù)據(jù)的個數(shù)，另外有

Beyeian 信息準(zhǔn)則用于尋找一個能使式(3)達(dá)到最大的m(0≤m≤p)值，這個值就是所要提取的主成分的個數(shù)。當(dāng)主成分的個數(shù)m 確定后，取最大的m 個主成分進(jìn)行線性組合［10，11］，在這個新組合中被認(rèn)為是噪聲的部分已經(jīng)被完全排除。

為了確定PCA 去噪算法的準(zhǔn)確性，以MIT/BIH 標(biāo)準(zhǔn)心電數(shù)據(jù)庫數(shù)據(jù)為研究對象，在心電數(shù)據(jù)中加入白噪聲后用PCA 去噪算法進(jìn)行濾波處理。圖5(a)是處理前的心電圖，圖5(b)是處理后的結(jié)果，通過比較可以看出:白噪聲已被去除。

圖5 PCA 去噪算法的濾波效果Fig 5 Filtering effect of PCA denoising algorithm

3 實驗結(jié)果

本文利用設(shè)計的非接觸心電測量系統(tǒng)在實驗室中對人體進(jìn)行了實際測量，人體與測量電極之間有絕緣物質(zhì)。在測量時，周圍電場的變化會影響測量結(jié)果，如被測者周圍人的活動。對數(shù)據(jù)用PCA 去噪算法進(jìn)行處理時，圖6(a)是未經(jīng)過PCA 去噪算法處理的心電圖，可以看出含有較明顯的噪聲，圖6(b)是與其對應(yīng)的用微機(jī)利用PCA 去噪算法處理后的心電圖，其中的噪聲基本被消除。

圖6 非接觸心電測量中信號處理前后的對比Fig 6 Contrast of signal before and after processing in non-contact ECG measurement

PCA 去噪算法具有自適應(yīng)的特點，通過實驗證明了該算法能夠在長時間的非接觸心電測量中實現(xiàn)對信號的實時處理，并能保證處理效果的穩(wěn)定性。

4 結(jié) 論

本文實現(xiàn)了一種非接觸心電測量系統(tǒng)的設(shè)計，利用耦合電容原理采集人體的心電信號，其測量電極可以鑲嵌在各種人體經(jīng)常長時間接觸的地方，該方法不僅操作方便，完全適用于家庭生活中的心電監(jiān)測。

［1］ Dash P K.Electrocardiogram monitoring［J］.Indian Journal of Anaesthesia，2002，46(4):251 －260.

［2］ 遷隆之.SQUID 人體磁測量裝置及應(yīng)用［J］.國外醫(yī)學(xué):生物醫(yī)學(xué)工程分冊，1991，14(3):158 －163.

［3］ Toshihiro M，Naruhiro S，Masaaki M.Tpmographical ECG measurement using capacitance type multi electrodes［C］∥Proceedings of IFMBE，2007:452 － 455.

［4］ Thomas J S，Stephen R D，Gert C.A low－noise，non－contact EEG/ECG sensor［C］∥Biomedical Circuits and Systems Conference，2007:154 －157.

［5］ Spinelli E M，Pallàs－Areny R.AC－coupled front－end for biopotential measurements［J］.IEEE Biomedical Engineering，2003，50(3):391 －395.

［6］ Christopher J J，David L.Extracting multi－source brain activity from a single electromagnetic channel［J］.Artificial Intelligence in Medicine，2003，28(1):89 －104.

［7］ 劉寶華，戴成武.EVD 算法在踝臂指數(shù)測量中的應(yīng)用［J］.傳感技術(shù)學(xué)報，2010，23(1):19 －23.

［8］ Thireou T G，Strauss L，Dimitrakopoulou－strauss A et al.Performance evaluation of principal component analysis in dynamic FDG－PET studies of recurrent colorectal cancer［J］.Computerize Medical Imaging and Graphi，2003，27:43 － 51.

［9］ 羅志增，趙鵬飛.非線性PCA 在表面肌電信號特征提取中的應(yīng)用［J］.傳感技術(shù)學(xué)報，2007，20(10):2164 －2168.

［10］ Li J，An XJ，he H.Line segments detection with scale analysis:A principal component analysis based approach［C］∥IEEE International Conference on Intelligent Computing and Intelligent Systems，Shanghai，2009:43 － 47.

［11］ He F，Li M，Yang J H et al.Research on nonlinear process monitoring and fault diagnosis based on Kernel principal component analysis［J］.Key Engineering Materials，2009，413 － 414:583 －590.