基于容性耦合電極的可穿戴心電信號(hào)檢測(cè)及其去噪算法研究*

李鴻強(qiáng),崔佃銀,袁丹陽(yáng),曹 路,李恩邦

(1.天津市光電檢測(cè)技術(shù)與系統(tǒng)重點(diǎn)實(shí)驗(yàn)室,天津工業(yè)大學(xué)電子與信息工程學(xué)院,天津 300387;2.天津市胸科醫(yī)院,天津 300051;3.澳大利亞伍倫貢大學(xué)物理系,伍倫貢 新南威爾士州 2522,澳大利亞)

基于容性耦合電極的可穿戴心電信號(hào)檢測(cè)及其去噪算法研究*

李鴻強(qiáng)1*,崔佃銀1,袁丹陽(yáng)1,曹 路2,李恩邦3

(1.天津市光電檢測(cè)技術(shù)與系統(tǒng)重點(diǎn)實(shí)驗(yàn)室,天津工業(yè)大學(xué)電子與信息工程學(xué)院,天津 300387;2.天津市胸科醫(yī)院,天津 300051;3.澳大利亞伍倫貢大學(xué)物理系,伍倫貢 新南威爾士州 2522,澳大利亞)

針對(duì)傳統(tǒng)心電檢測(cè)系統(tǒng)存在佩戴電極不方便和電極導(dǎo)電膏易脫水等問(wèn)題,在研究分析電容耦合工作原理的基礎(chǔ)上,設(shè)計(jì)了一種可穿戴容性耦合電極。針對(duì)這種可穿戴容性耦合電極,提出了一種改進(jìn)小波閾值去噪算法,該算法結(jié)合心電信號(hào)與噪聲小波系數(shù)分布特性,采用改進(jìn)閾值函數(shù)對(duì)分解后小波系數(shù)量化處理并重構(gòu)心電信號(hào)。利用MIT-BIH數(shù)據(jù)庫(kù)驗(yàn)證,該算法能有效消除心電信號(hào)中的噪聲干擾,相比平滑濾波、數(shù)學(xué)形態(tài)濾波和經(jīng)驗(yàn)?zāi)Ｊ椒纸庑旁氡忍岣吡?0.72%,均方誤差減小了27.29%。心電檢測(cè)實(shí)驗(yàn)表明可穿戴容性耦合心電信號(hào)檢測(cè)系統(tǒng)能夠準(zhǔn)確檢測(cè)出人體心電信號(hào)主要特征。

信號(hào)處理;容性耦合;改進(jìn)小波閾值;心電檢測(cè)

心電信號(hào)是人體心臟疾病診斷的重要依據(jù),傳統(tǒng)心電檢測(cè)系統(tǒng)測(cè)量時(shí)需要Ag/Cl電極與皮膚直接接觸,電極粘附需要較長(zhǎng)時(shí)間準(zhǔn)備,佩戴電極不方便,且電極導(dǎo)電膏易脫水[1]。近年來(lái)學(xué)者們針對(duì)非接觸心電信號(hào)測(cè)量進(jìn)行了研究。Kim等[2]使用大尺寸電極作為參考電極,研制了非接觸檢測(cè)心電信號(hào)的座椅;高山等[3]使用導(dǎo)電纖維制成電容電極并集成在床單上,通過(guò)身體靠近電極形成電容,耦合獲取心電信號(hào);周平等[4]采用優(yōu)化濾波電路結(jié)構(gòu),基于電容耦合原理設(shè)計(jì)了一種非接觸心電傳感器與心電測(cè)量系統(tǒng)。

以上分析僅針對(duì)心電信號(hào)非接觸測(cè)量進(jìn)行了研究,并未對(duì)心電信號(hào)去噪處理方法進(jìn)行研究。目前心電去噪方法有平滑濾波、經(jīng)驗(yàn)?zāi)Ｊ椒纸狻?shù)學(xué)形態(tài)濾波等方法[5-7]。數(shù)學(xué)形態(tài)學(xué)和經(jīng)驗(yàn)?zāi)Ｊ椒纸鉃V波效果好,但其算法計(jì)算復(fù)雜,實(shí)時(shí)處理能力差;平滑濾波算法簡(jiǎn)單,處理速度快,但對(duì)QRS波有較大削峰,信號(hào)衰減大。因此,本文設(shè)計(jì)了一種可穿戴容性耦合電極,并針對(duì)容性耦合電極采集心電信號(hào)易受噪聲干擾的特點(diǎn),提出了一種改進(jìn)小波閾值去噪方法,并對(duì)心電信號(hào)去噪結(jié)果對(duì)比分析,驗(yàn)證表明本文提出的算法去噪效果良好,檢測(cè)系統(tǒng)能準(zhǔn)確檢測(cè)出心電信號(hào)主要特征。

1 可穿戴心電信號(hào)檢測(cè)系統(tǒng)

1.1 心電信號(hào)檢測(cè)系統(tǒng)結(jié)構(gòu)

心電檢測(cè)系統(tǒng)可分為信號(hào)采集、信號(hào)放大和信號(hào)處理3個(gè)模塊[8-9],系統(tǒng)結(jié)構(gòu)框圖如圖1所示。

信號(hào)采集模塊包括固定在棉質(zhì)衣物上的兩個(gè)容性耦合電極,用于耦合人體皮膚表面微弱的心電信號(hào)。信號(hào)放大模塊包括前置放大電路、濾波電路和后置放大電路。前置放大電路采用差動(dòng)放大器對(duì)微弱的心電信號(hào)初步放大并且抑制共模干擾。濾波電路采用截止頻率分別為0.3 Hz的高通濾波器、100 Hz的低通濾波器和50 Hz的陷波濾波器,分別用于抑制低頻噪聲、高頻噪聲以及差動(dòng)放大器后的工頻干擾。后置放大電路采用儀表放大器對(duì)濾波之后的心電信號(hào)放大以滿足模數(shù)轉(zhuǎn)換的需求。信號(hào)處理模塊包括模數(shù)轉(zhuǎn)換器、微處理器和上位機(jī)。微處理器采用ADuCM361芯片,模數(shù)轉(zhuǎn)換器采用ADAS1000芯片,對(duì)心電信號(hào)進(jìn)行模數(shù)轉(zhuǎn)換,然后通過(guò)藍(lán)牙DX-BT05型模塊無(wú)線傳輸心電數(shù)據(jù)到上位機(jī),上位機(jī)通過(guò)LabVIEW編寫(xiě)心電數(shù)據(jù)接收程序、改進(jìn)小波閾值去噪程序和人機(jī)交互界面程序,完成對(duì)心電數(shù)據(jù)的去噪處理和波形顯示。

1.2 容性耦合原理及電極設(shè)計(jì)

容性耦合電極是利用電容耦合的原理,將人體皮膚和電極的極板看作耦合電容器的兩個(gè)導(dǎo)電平板,電極、衣物和人體皮膚就共同組成了一個(gè)等效的耦合電容Cs,其模型如圖2(a)所示。人體皮膚表面的電信號(hào)通過(guò)電容的耦合作用就可以傳遞到容性耦合電極的極板上,然后將兩個(gè)置于人體皮膚表面不同位置的電極獲取的兩路電信號(hào)進(jìn)行差分運(yùn)算,就可獲取微弱的心電信號(hào)[10],其工作原理如圖2(b)所示。

圖2 容性耦合電極等效模型及工作原理

圖3(a)為可穿戴容性耦合電極實(shí)物圖,本文采用多層印刷電路板(PCB)制作了半徑為1.5 cm的容性耦合電極,包含了絕緣層、屏蔽層和運(yùn)算放大器。為了更好地獲取心電信號(hào),容性耦合電極的預(yù)處理電路采用輸入阻抗為1.5 TΩ的CA3140運(yùn)算放大器構(gòu)成電極的電壓跟隨電路,增大信號(hào)輸入阻抗,充分滿足系統(tǒng)高輸入阻抗的需要。

圖3(b)為電極預(yù)處理電路原理圖,其中Cs為皮膚與電極之間的耦合電容,Ca為運(yùn)算放大器的輸入電容,Rb為偏置電阻,用來(lái)產(chǎn)生偏置電流。

圖3 容性耦合電極及預(yù)處理電路

根據(jù)預(yù)處理電路結(jié)構(gòu)可知其增益為:

(1)

從圖3(b)和式(1)中可以看出容性耦合電極的預(yù)處理電路可以等效為一個(gè)高通濾波器,通帶增益由耦合電容Cs與總電容決定,而截止頻率受偏置Rb的影響。電容Cs表達(dá)式:

Cs=ε0εr(S/d)

(2)

式中:εo為真空中的介電常數(shù),εr為兩極板之間物質(zhì)的相對(duì)介電常數(shù),S為兩極板的有效耦合面積,d為兩極板的耦合距離。由于各種布料之間充滿空氣,近似認(rèn)為εo=εr=1,且本文電極半徑為1.5 cm,因此輸出信號(hào)主要受耦合距離d的影響。圖4可看出隨著耦合距離d的增大,耦合電容值會(huì)衰減,從而導(dǎo)致輸出信號(hào)幅值的減小。

圖4 耦合距離d對(duì)耦合電容值的影響

另一方面為了保證心電信號(hào)不衰減的通過(guò)高通濾波器,高通濾波器下限頻率不能高于心電信號(hào)頻率。其截止頻率fL為:

fL=1/(2πRbCs)

(3)

綜合考慮式(2)和式(3),可計(jì)算知偏置電阻Rb的阻值需要上百GΩ才能滿足條件。本文采用反接二極管來(lái)提供偏置電阻Rb。經(jīng)實(shí)驗(yàn)分析:二極管的反向電阻不僅可以滿足阻值條件,而且還具有一定的動(dòng)態(tài)調(diào)節(jié)能力,當(dāng)耦合電容變小時(shí),進(jìn)入檢測(cè)系統(tǒng)的電流就會(huì)變小,則二極管的反向動(dòng)態(tài)阻值就會(huì)變大,反之,二極管的反向電阻就會(huì)變小,因此相比于固定阻值的電阻,反接二極管與耦合電容組合更能滿足要求。

2 心電信號(hào)去噪算法

2.1 小波閾值去噪原理

圖5 有用信號(hào)與噪聲小波系數(shù)分布

2.2 改進(jìn)小波閾值函數(shù)

閾值函數(shù)是小波系數(shù)閾值量化處理的一個(gè)關(guān)鍵因素,關(guān)系到重構(gòu)信號(hào)的精度和連續(xù)性,影響著心電信號(hào)的去噪效果,傳統(tǒng)的閾值函數(shù)為:

硬閾值

(4)

軟閾值

(5)

針對(duì)硬閾值法和軟閾值法在心電信號(hào)去噪中的不足,本文提出了一種改進(jìn)閾值函數(shù):

(6)

圖6 軟、硬閾值函數(shù)和改進(jìn)閾值函數(shù)

閾值λ的選取是小波系數(shù)閾值量化處理的另一個(gè)關(guān)鍵因素,若選取閾值過(guò)大,則會(huì)濾除有用的信號(hào),造成心電信號(hào)的過(guò)平滑,而選取閾值過(guò)小,則會(huì)把噪聲當(dāng)作心電信號(hào)進(jìn)行保留,達(dá)不到良好的去噪效果。本文采用的閾值為[15]:

(7)

式中:N為小波分解后各層小波系數(shù)的長(zhǎng)度,σ為噪聲信號(hào)的估計(jì)標(biāo)準(zhǔn)差,實(shí)際應(yīng)用中噪聲強(qiáng)度σ的值是未知的,通常采用σ=(median|wj,k|)/0.674 5對(duì)各層的噪聲進(jìn)行估計(jì),median|wj,k|表示各層小波系數(shù)wj,k幅值的中間值。根據(jù)Mallat算法[16]可知隨著分解層數(shù)增加,信號(hào)的長(zhǎng)度N逐漸減小,閾值λ會(huì)隨N的減小而減小,符合噪聲與小波系數(shù)在各層分布的衰減規(guī)律。

2.3 算法步驟

①經(jīng)過(guò)多次實(shí)驗(yàn)分析選擇sym6小波基,最佳分解層數(shù)為5層,采用Mallat算法對(duì)心電信號(hào)進(jìn)行小波分解,得到各層小波系數(shù)wj,k;

3 實(shí)驗(yàn)結(jié)果與分析

3.1 心電去噪仿真分析實(shí)驗(yàn)

選取MIT-BIH標(biāo)準(zhǔn)心電數(shù)據(jù)庫(kù)中的心電數(shù)據(jù)進(jìn)行實(shí)驗(yàn),并從中截取長(zhǎng)度N=2 000的心電信號(hào)作為原始信號(hào),并隨機(jī)疊加高斯白噪聲模擬肌電干擾、人工偽跡等干擾,如圖7所示。

圖7 標(biāo)準(zhǔn)心電數(shù)據(jù)庫(kù)的心電信號(hào)

采用平滑濾波、數(shù)學(xué)形態(tài)學(xué)濾波、經(jīng)驗(yàn)?zāi)Ｊ椒纸?、硬閾值、軟閾值和本文算法?duì)圖7(b)所示加噪心電信號(hào)進(jìn)行去噪,去噪效果如圖8所示。從圖8中可以看出,平滑濾波和軟閾值方法過(guò)度扼殺了心電信號(hào)的有用信息,削弱了QRS波幅值;硬閾值方法去噪后的心電信號(hào)在QRS波處存在信號(hào)震蕩;數(shù)學(xué)形態(tài)學(xué)濾波和經(jīng)驗(yàn)?zāi)Ｊ椒纸庀啾惹懊?種方法去噪效果有了極大提高,但信號(hào)中仍存在少量的噪聲;對(duì)比可見(jiàn)本文算法的去噪效果最好,去噪處理后的心電信號(hào)比較光滑,且保留了有用信號(hào)的完整性,最大程度地保持了原始信號(hào)的特征。

為了評(píng)價(jià)幾種方法的優(yōu)劣,本文選用信噪比SNR和均方誤差RMSE來(lái)對(duì)去噪效果進(jìn)行定量分析。其定義式為:

(8)

(9)

采用上述6種方法對(duì)5種類型心電信號(hào)進(jìn)行去噪處理,其去噪效果的定量分析如表1所示,可以看出本文去噪算法相比其他5種方法信噪比提高了1 dB～3.8 dB,均方誤差降低了(2.46～12.4)×10-3,說(shuō)明本文去噪算法優(yōu)于其他方法,與圖8中得出結(jié)論一致。

圖8 6種方法的去噪效果對(duì)比圖

去噪方法性能指標(biāo)心電信號(hào)類型103102118232231平滑濾波SNRRMSE19.60960.029719.72580.029520.8860.031717.86880.036720.6180.0286數(shù)學(xué)形態(tài)濾波SNRRMSE22.79660.021422.28310.020323.06310.022418.99120.029323.74690.0194經(jīng)驗(yàn)?zāi)Ｊ椒纸釹NRRMSE23.12860.020622.90170.018923.48900.021419.64630.027224.22070.0183硬閾值SNRRMSE21.27690.025520.43200.025221.89570.025718.10980.031922.62790.0221軟閾值SNRRMSE21.74540.024120.22680.025822.10320.025118.00570.032822.55740.0223本文算法SNRRMSE24.06260.018523.48690.017824.01280.017920.86800.023625.28510.0163

3.2 可穿戴容性耦合心電檢測(cè)實(shí)驗(yàn)

通過(guò)彈性帶將2個(gè)PCB板容性耦合電極固定在人體胸部心臟的兩側(cè),容性耦合電極分別隔著厚度0.25 mm、0.51 mm和0.89 mm的棉質(zhì)衣物下檢測(cè)心電信號(hào),心電信號(hào)檢測(cè)實(shí)驗(yàn)平臺(tái)如圖9所示。可穿戴容性耦合電極檢測(cè)的心電信號(hào)如圖10所示。

圖9 心電信號(hào)檢測(cè)實(shí)驗(yàn)平臺(tái)

圖10 不同厚度棉質(zhì)衣物檢測(cè)的心電信號(hào)

從圖10可看出隨著衣物厚度的增大,檢測(cè)到的心電信號(hào)幅值衰減嚴(yán)重,信號(hào)質(zhì)量越來(lái)越差,P波、QRS波和T波逐漸被噪聲所淹沒(méi),不能清晰的看出心電信號(hào)主要特征,這一實(shí)驗(yàn)結(jié)果與理論分析的結(jié)果是相符的。

考慮到可穿戴檢測(cè)系統(tǒng)的實(shí)際使用需求,需要得到清晰的心電信號(hào),通過(guò)本文算法對(duì)圖10中的心電信號(hào)進(jìn)行去噪處理,去噪處理后的結(jié)果如圖11所示。

從圖11(a)可清晰的看出QRS波和T波,以及微弱的P波,其信號(hào)峰峰值約為0.53 V。圖11(b)可清晰的看出QRS波和T波,但P波不可見(jiàn),其信號(hào)峰峰值約為0.37 V。圖11(c)可清晰看出QRS波,P波和T波都不可見(jiàn),其信號(hào)峰峰值約為0.14 V。為了對(duì)比分析分別對(duì)圖10和圖11的心電信號(hào)進(jìn)行傅里葉變換求取頻譜,如圖12所示,從圖中可以看出本文算法去噪后的信號(hào)明顯消除了原始心電信號(hào)中的50 Hz工頻干擾以及其他高頻噪聲干擾,從而得到干凈的心電信號(hào)。實(shí)驗(yàn)結(jié)果表明本文設(shè)計(jì)的可穿戴容性耦合心電檢測(cè)系統(tǒng)可以準(zhǔn)確的檢測(cè)出人體心電信號(hào)的主要特征。

圖11 本文算法去噪處理后的心電信號(hào)

4 結(jié)論

本文對(duì)一種可穿戴容性耦合心電信號(hào)檢測(cè)系統(tǒng)進(jìn)行了研究。分析電容耦合的原理,設(shè)計(jì)了一種可穿戴容性耦合電極,并針對(duì)容性耦合電極采集信號(hào)易干擾的特點(diǎn),提出了一種改進(jìn)小波閾值的心電去噪算法,經(jīng)本文算法去噪后的心電信號(hào),在波形中可以清晰的看出QRS,結(jié)果表明檢測(cè)系統(tǒng)能夠很好地檢測(cè)出人體心電信號(hào)的主要特征。對(duì)于可穿戴容性耦合心電檢測(cè)系統(tǒng)而言具有十分重要的實(shí)際應(yīng)用價(jià)值。

[1] Searle A,Kirkup L. A Direct Comparison of Wet,Dry and Insulating Bioelectric Recording Electrodes[J]. Physiological Measurement,2000,21(2):271.

[2] Baek H J,Chung G S,Kim K K,et al. A Smart Health Monitoring Chair for Nonintrusive Measurement of Biological Signals[J]. IEEE Transactions on Information Technology in Biomedicine,2012,16(1):150-158.

[3] 高山,李永勤,魏良,等. 基于電容耦合的非接觸式心電監(jiān)測(cè)技術(shù)研究[J]. 生物醫(yī)學(xué)工程學(xué)雜志,2015,32(3):553-557.

[4] 周平,汪豐,劉夢(mèng)星,等. 非接觸式心電測(cè)量的噪聲抑制研究[J]. 儀器儀表學(xué)報(bào),2013,34(10):2226-2230.

[5] 田絮資,楊建,黃力宇. 心電信號(hào)去噪的數(shù)學(xué)形態(tài)學(xué)濾波器[J]. 計(jì)算機(jī)工程與應(yīng)用,2012,48(2):124-126.

[6] 黃進(jìn)文,王威廉. 平滑濾波對(duì)ECG的R波幅值影響研究[J]. 云南大學(xué)學(xué)報(bào),2008,30(6):559-563.

[7] 王玉靜,宋立新. 基于EMD和Hilbert變換的心電信號(hào)去噪方法[J]. 哈爾濱理工大學(xué)學(xué)報(bào),2007,12(4):70-73.

[8] 周鵬,高雄飛,張玉滿,等. 基于駐極體傳聲器的脈象檢測(cè)系統(tǒng)和方法[J]. 傳感技術(shù)學(xué)報(bào),2015,28(3):374-380.

[9] 高云,周聰聰,田健,等. 基于多傳感器的無(wú)創(chuàng)血壓測(cè)量系統(tǒng)的研究[J]. 傳感技術(shù)學(xué)報(bào),2015,28(5):763-767.

[10] 楊斌,董永貴. 電容耦合非接觸電極及心電信號(hào)拾取[J]. 儀器儀表學(xué)報(bào),2015,36(5):1072-1078.

[11] 曹京京,胡遼林,趙瑞.一種改進(jìn)小波閾值函數(shù)的光纖光柵傳感信號(hào)去噪方法[J]. 傳感技術(shù)學(xué)報(bào),2015,28(4):521-525.

[12] 王小飛,李鴻強(qiáng),陳磊,等. 基于提升小波和改進(jìn)包絡(luò)的心電特征檢測(cè)算法[J]. 系統(tǒng)仿真學(xué)報(bào),2013,25(12):2893-2899.

[13] 徐潔,王阿,鄭小鋒. 基于小波閾值去噪的心電信號(hào)分析[J]. 計(jì)算機(jī)仿真,2011,28(12):260-263.

[14] 歐陽(yáng)波,程棟,王玲. 改進(jìn)小波閾值算法在心電信號(hào)去噪中的應(yīng)用[J]. 計(jì)算機(jī)工程與應(yīng)用,2015,51(4):213-217.

[15] Donoho D L,Johnstone J M. Ideal Spatial Adaptation by Waveletshrinkage[J]. Biometrika,1994,81(3):425-455.

[16] Mallat S G. A Theory for Multiresolution Signal Decomposition the Wavelet Representation[J]. IEEE Transaction on Pattern Analysis and Machine Itelligence,1989,11(7):674-693.

Research on the Detection and De-Noising Algorithm of Wearable
ECG Signal Based on Capacitive Coupling Electrode*

LIHongqiang1*,CUIDianyin1,YUANDanyang1,CAOLu2,LIEnbang3

(1.Tianjin Key Laboratory of Optoelectronic Detection Technology and System,School of Electronics and Information Engineering,Tianjin Polytechnic University,Tianjin300387,China;2.Tianjin Chest Hospital,Tianjin,300051,China;3.School of Physics,University of Wollongong,Wollongong,NSW2522,Australia)

In most traditional electrocardiogram(ECG)detection procedures,wet electrodes may cause problems of inconvenience and glue dehydrates over time. The paper designs a kind of wearable capacitive coupling electrode based on the principle of coupling capacity. Due to this kind of wearable capacitive coupling electrode,an improved wavelet threshold de-noising algorithm is proposed. The algorithm uses the improved threshold function to deal with wavelet coefficients after decomposition and reconstruct ECG signal combining the characteristics of wavelet coefficients of ECG signal and noise. The MIT-BIH database was used to validate the algorithm and it indicates that the algorithm can effectively eliminate the noise. The SNR increased by 10.72% and the RMSE reduced by 27.29% compared to the other methods,such as,smoothing filtering,morphological filtering and empirical mode decomposition. The results of the experiment show that the system can accurately detect the main characteristics of the ECG signal.

signal processing;capacitive coupling;improved threshold;electrocardiogram detection

李鴻強(qiáng)(1975-),男,江蘇興化人,博士,天津工業(yè)大學(xué)教授,主要研究方向?yàn)槲⑷跣盘?hào)檢測(cè)與信號(hào)處理、光纖光柵傳感與應(yīng)用,lihongqiang@tjpu.edu.cn;崔佃銀(1991-),男,山東淄博人,碩士研究生,主要研究方向?yàn)槲⑷跣盘?hào)檢測(cè)與信號(hào)處理,1430092037@stu.tjpu.edu.cn; 袁丹陽(yáng)(1991-),女,山西朔州人,碩士研究生,主要研究方向?yàn)槲⑷跣盘?hào)檢測(cè)與信號(hào)處理,1431096018@stu.tjpu.edu.cn。

項(xiàng)目來(lái)源:國(guó)家自然科學(xué)基金項(xiàng)目(61675154,61177078,31271871)

2016-06-12 修改日期:2016-08-30

TN911.7

A

1004-1699(2017)01-0008-08

C:7220;7230

10.3969/j.issn.1004-1699.2017.01.002