融合粒子群與雙邊長(zhǎng)短窗能量差的心電P波檢測(cè)

徐禮勝, 蘇宇劍, 譚浚宜, 方喜冬

(1. 東北大學(xué) 醫(yī)學(xué)與生物信息工程學(xué)院, 遼寧 沈陽 110169; 2. 沈陽東軟智能醫(yī)療科技研究院有限公司, 遼寧 沈陽 110167)

心電圖分析可用于診斷心血管疾病,大多數(shù)診斷所需數(shù)據(jù)都可以從心電圖波形的間隔、幅度和形狀中獲得[1],所以準(zhǔn)確且可靠提取心電圖特征十分重要.心電信號(hào)是在皮膚表面獲得的由心臟極化和去極化產(chǎn)生的電信號(hào),這種電信號(hào)具有周期性,每個(gè)心電周期按照前后順序分為P波、QRS波群、T波和U波.其中:P波代表心房去極化,QRS波群代表心室去極化,T波代表心室去極化后再極化[1].雖然心電圖中P波幅值小、時(shí)長(zhǎng)短,但P波蘊(yùn)含了豐富的病理信息.P波是判斷室性早搏和正常心拍的主要判據(jù)之一,是心房功能能否正常的主要判斷依據(jù).P波起點(diǎn)到QRS波群的起點(diǎn)間的時(shí)長(zhǎng)是判斷竇性心動(dòng)過速、預(yù)激綜合征等的重要指標(biāo)[2],因此,心電P波的準(zhǔn)確提取對(duì)生理健康判斷具有重要意義.

P波幅值較低,在不同導(dǎo)聯(lián)中的形態(tài)也有所不同,心電P波按照波峰的形態(tài)可分為正向、倒置與雙向三種[3].目前較好的P波提取方法有自適應(yīng)濾波法、高斯擬合法、神經(jīng)網(wǎng)絡(luò)法等,但這些檢測(cè)方法都以正向P波為主[4-6].Mohamed等[4]對(duì)心電波形首先采用帶通濾波,然后使用兩個(gè)移動(dòng)的平均濾波器檢測(cè)P波和T波,該方法的缺點(diǎn)是濾波器需要精準(zhǔn)參數(shù),而且參數(shù)無法自適應(yīng)[4].Rao等[5]使用基于動(dòng)態(tài)規(guī)劃的參數(shù)混合高斯擬合法,先預(yù)設(shè)一種與P波類似的高斯模型,并與心電信號(hào)對(duì)比,與其模型最相近的部分為心電P波.這種方法只能檢測(cè)出正向P波,對(duì)于雙向P波則無法檢測(cè).Lenis等[6]運(yùn)用了無相位小波變換對(duì)心電P波進(jìn)行提取分析,并取得良好結(jié)果,但未考慮到P波有正向、負(fù)向和雙向三種形態(tài).目前檢測(cè)P波的方法都是從波形時(shí)域形態(tài)或頻域方面檢測(cè),但P波波形有三種不同形態(tài),很難使用一種方法同時(shí)檢測(cè)所有形態(tài)的P波.因?yàn)樾碾姷皖l噪聲與P波在頻域重合,所以頻域法需要心電信號(hào)有非常好的質(zhì)量.本文提出了一種融合粒子群和雙邊長(zhǎng)短窗能量差檢測(cè)多形態(tài)心電P波的算法,此算法通過能量變換檢測(cè)出所有形態(tài)的心電P波,并具有一定的抗噪能力.

1 方法與步驟

本文算法主要通過雙邊長(zhǎng)短窗能量差法提取心電P波起點(diǎn)與終點(diǎn)的特征,并使用粒子群來優(yōu)化其參數(shù),最終確定P波的起點(diǎn)與終點(diǎn).算法具體步驟如圖1所示.

圖1 算法具體步驟

首先對(duì)信號(hào)進(jìn)行預(yù)處理,包括去除基線漂移和高頻噪聲;再根據(jù)R波波峰將心電信號(hào)分離為單個(gè)心電周期,并找出預(yù)選區(qū)域.根據(jù)Q(t)找到P波的起點(diǎn)與終點(diǎn),在計(jì)算過程中使用粒子群算法得到最優(yōu)解.在圖1中,ag,Lg分別代表粒子群算法的初始解,其中ag為短窗長(zhǎng),Lg為長(zhǎng)窗長(zhǎng)比短窗長(zhǎng)的倍數(shù).a和L分別為每次通過粒子群算法迭代所得的短窗長(zhǎng)、長(zhǎng)窗長(zhǎng)比短窗長(zhǎng)的倍數(shù).Xs和Xe分別為通過雙邊長(zhǎng)短窗平均能量差法計(jì)算所得心電P波的起點(diǎn)與終點(diǎn).圖1中的目標(biāo)函數(shù)是使用當(dāng)前迭代所得參數(shù)提取P波的起點(diǎn)與終點(diǎn),將其結(jié)果與金標(biāo)準(zhǔn)對(duì)比,計(jì)算標(biāo)準(zhǔn)差,其結(jié)果越小則參數(shù)優(yōu)越性越高.

1.1 雙邊長(zhǎng)短窗平均能量差法

在雙邊長(zhǎng)短窗平均能量差法的基礎(chǔ)上,對(duì)長(zhǎng)短時(shí)窗能量差法加以改進(jìn),基礎(chǔ)的長(zhǎng)短時(shí)窗能量差法廣泛用于微地震波起點(diǎn)的檢測(cè)[7-8].微地震波是指在山體施工、土木建設(shè)、能源開發(fā)或汽油采集等過程中引起地下應(yīng)力場(chǎng)變化,導(dǎo)致巖體破裂,發(fā)生微小震動(dòng)而產(chǎn)生的地震波,其幅值低、頻率低、含有大量高頻噪聲,與人體心電類似[9].本研究將基礎(chǔ)的長(zhǎng)短時(shí)窗平均能量差法加以改進(jìn),用于檢測(cè)心電P波的起點(diǎn)與終點(diǎn).

雙邊長(zhǎng)短時(shí)窗平均能量差法的原理是通過能量變化來判斷信號(hào)的邊界.基礎(chǔ)的長(zhǎng)短時(shí)窗平均能量差法通過計(jì)算,將起點(diǎn)前沒有信號(hào)的部分判斷為低能量區(qū),將起點(diǎn)后含有信號(hào)的部分判斷為高能量區(qū).當(dāng)長(zhǎng)短窗都位于起點(diǎn)前,t點(diǎn)位于起點(diǎn)前時(shí)由于長(zhǎng)窗和短窗的區(qū)域都為噪聲,能量值偏低,長(zhǎng)窗與短窗的平均能量差值接近于0;繼續(xù)向后滑動(dòng),一部分長(zhǎng)窗包含信號(hào),進(jìn)入了高能量區(qū),差值開始減少;繼續(xù)滑動(dòng),全部長(zhǎng)窗進(jìn)入高能量區(qū),短窗在低能量區(qū)達(dá)到極小值;再繼續(xù)滑動(dòng),短窗進(jìn)入高能量區(qū),長(zhǎng)窗不變,差值變大.具體計(jì)算方式如下:

1) 先選定一組長(zhǎng)短窗,短窗包含l個(gè)采樣點(diǎn),長(zhǎng)窗包含L個(gè)采樣點(diǎn),短窗在長(zhǎng)窗的內(nèi)部前側(cè),長(zhǎng)、短窗交界處為一個(gè)采樣點(diǎn),此點(diǎn)既存在于長(zhǎng)窗內(nèi),又存在于短窗內(nèi),長(zhǎng)窗與短窗組合成組合窗Wf.Wf的移動(dòng)方式如圖2所示,圖中虛線為長(zhǎng)窗,實(shí)線為短窗,共同組成組合窗Wf.

2) 以信號(hào)第1個(gè)點(diǎn)為起點(diǎn),計(jì)算短窗與長(zhǎng)窗內(nèi)采樣點(diǎn)的平均能量差Qf:

(1)

式中:E(ε)為采樣點(diǎn)的能量值,數(shù)值上等于采樣點(diǎn)數(shù)值的平方;Qf為t點(diǎn)的平均能量差.向后移動(dòng)時(shí)窗,步長(zhǎng)為一個(gè)采樣點(diǎn),計(jì)算下一個(gè)采樣點(diǎn)的平均能量差值,遍歷信號(hào)中所有采樣點(diǎn),得到Qf(t).Qf(t)的變化過程分為3個(gè)階段:①初始點(diǎn)沒有進(jìn)入到組合窗內(nèi),所以Qf(t)的變化是噪聲的變化,其幅值改變很小;②初始點(diǎn)到達(dá)組合窗內(nèi),長(zhǎng)窗能量值逐漸增加,Qf(t)減小;③組合窗的起點(diǎn)與信號(hào)初始點(diǎn)重合,Qf(t)成為極小值,隨組合窗向后移動(dòng),Qf(t)逐漸恢復(fù)至第一階段的狀態(tài),Qf(t)與P波起點(diǎn)的關(guān)系如圖3所示,可知Qf(t)的極小值點(diǎn)與心電P波初始點(diǎn)的對(duì)應(yīng)關(guān)系.

圖2 Wf移動(dòng)方式示意圖

圖3 Qf(t)與P波起點(diǎn)的關(guān)系示意圖

基礎(chǔ)的長(zhǎng)短時(shí)窗能量差法可以檢測(cè)出波形的初始點(diǎn),但由于算法本身限制,基礎(chǔ)的長(zhǎng)短時(shí)窗能量差法無法計(jì)算P波最后長(zhǎng)為L(zhǎng)的部分,導(dǎo)致P波的終點(diǎn)無法識(shí)別,這是算法中的缺點(diǎn).本研究將組合窗的位置改變,將短窗放置在長(zhǎng)窗內(nèi)部后側(cè),長(zhǎng)度不變,創(chuàng)造一組新的長(zhǎng)短組合窗Wb,新的組合窗中長(zhǎng)短窗終點(diǎn)重合,具體放置位置如圖4所示.此組合窗內(nèi)平均能量的計(jì)算過程與基礎(chǔ)長(zhǎng)短時(shí)窗能量差法類似,也是將短窗內(nèi)采樣點(diǎn)的平均能量減去長(zhǎng)窗內(nèi)采樣點(diǎn)的平均能量,計(jì)算結(jié)果為Qb，如圖5所示.此組合窗只可以從信號(hào)的第L個(gè)點(diǎn)開始計(jì)算,同樣向后滑動(dòng),每次滑動(dòng)一個(gè)采樣點(diǎn)至P波結(jié)束.計(jì)算式為

(2)

圖4 Wb移動(dòng)方式示意圖

圖5 Qb(t)與P波終點(diǎn)的關(guān)系示意圖

在Wb的移動(dòng)過程中,經(jīng)歷起點(diǎn)時(shí)和基礎(chǔ)長(zhǎng)短時(shí)窗Wf不一樣,Wb的短窗與長(zhǎng)窗同時(shí)接觸信號(hào)的起點(diǎn),在此之前新長(zhǎng)短時(shí)窗Wb內(nèi)的平均能量差Qb是噪聲的變化,其值幾乎不變.在Wb接觸信號(hào)初始點(diǎn)后,Qb的數(shù)值會(huì)增加,因?yàn)槎檀按蟛糠治挥诟吣芰繀^(qū)內(nèi),而長(zhǎng)窗大部分位于低能量區(qū)內(nèi),隨組合窗Wb向后滑動(dòng),短窗逐漸退出高能量區(qū)域,長(zhǎng)窗依舊保持在高能量區(qū)內(nèi),Qb開始下降.當(dāng)Wb的終點(diǎn)與P波截止點(diǎn)重合時(shí),Qb達(dá)到極小值.再向后滑動(dòng)長(zhǎng)窗逐漸退出高能量區(qū),Qb開始增加.

Qb可以將心電P波的截止點(diǎn)和起始點(diǎn)都標(biāo)記出來,P波的起點(diǎn)即為Qb開始變化的起點(diǎn),P波的終點(diǎn)即為Qb的極小值點(diǎn).但Qb開始變化的起點(diǎn)不容易測(cè)量,而且,P波前可能存在一定量噪聲,會(huì)干擾Qb開始變化的起點(diǎn),導(dǎo)致檢測(cè)結(jié)果不準(zhǔn)確.

將Qb與Qf組合在一起,先將P波的預(yù)選區(qū)域通過Wf遍歷一遍得到Qf(t),再使用新的組合窗Wb遍歷一次P波預(yù)選區(qū)域得到Qb(t),最后將其結(jié)果融合，得Q(t)=Qb(t)-Qf(t)，將Wf和Wb的結(jié)果融合在一起.Qf(t)在P波起點(diǎn)時(shí)是極小值,Qb(t)在起點(diǎn)之后有上升趨勢(shì),所以P波的起點(diǎn)在Q(t)為波峰的極大值點(diǎn);Qf(t)在P波終點(diǎn)時(shí)因公式與算法中的缺陷為0,而P波終點(diǎn)在Qb(t)中表示為波谷的極小值點(diǎn).依據(jù)Q(t)的計(jì)算過程,P波的起點(diǎn)Q(t)表示為極大值點(diǎn),P波的終點(diǎn)Q(t)表示為極小值點(diǎn),這使P波的邊界提取十分簡(jiǎn)單.

采集得到的心電信號(hào)通常會(huì)有不同程度的噪聲,即使通過之前的去噪手段,也無法將噪聲完全去除,因此,在所有的原波形上直接判斷P波的邊界是不現(xiàn)實(shí)的.依據(jù)能量變化速度將P波起點(diǎn)與終點(diǎn)檢測(cè)的困難變換為檢測(cè)波峰與波谷的問題,這不僅降低了檢測(cè)P波的難度,還可以同時(shí)檢測(cè)出正向、負(fù)向和雙向3種不同形態(tài)的P波.基于被初步處理后的心電信號(hào)的噪聲能量低及信號(hào)能量高的特點(diǎn),將信號(hào)分為有信號(hào)的高能量區(qū)和沒信號(hào)的低能量區(qū).低能量區(qū)在Q(t)中體現(xiàn)為接近基線,高能量區(qū)在Q(t)中體現(xiàn)為較規(guī)律的波形,這樣就可以據(jù)此來判斷P波的起點(diǎn)與終點(diǎn).

1.2 粒子群參數(shù)優(yōu)化原理及具體步驟

粒子群算法具有進(jìn)化計(jì)算和群體智能的特點(diǎn),主要過程是通過個(gè)體間的協(xié)同與競(jìng)爭(zhēng),實(shí)現(xiàn)復(fù)雜空間中最優(yōu)解的搜索[10].算法具體步驟如下:首先確定粒子的初始解和初速度.初始解是將粒子均勻分布在可選擇解的范圍內(nèi),每個(gè)粒子的初速度都是隨機(jī)的.通過目標(biāo)函數(shù)計(jì)算每個(gè)粒子的適應(yīng)度,目標(biāo)函數(shù)使用當(dāng)前解提取P波的起點(diǎn)與終點(diǎn).將結(jié)果與金標(biāo)準(zhǔn)對(duì)比,計(jì)算標(biāo)準(zhǔn)差,結(jié)果越小則參數(shù)越優(yōu).在解空間內(nèi)選取適應(yīng)度最小的解,作為當(dāng)前迭代的全局最優(yōu)解.每個(gè)粒子的結(jié)果與上一次迭代結(jié)果進(jìn)行對(duì)比,選出粒子本身的歷史最優(yōu)解.當(dāng)找到足夠好的最優(yōu)解或達(dá)到了最大迭代次數(shù)時(shí),算法完成[11].迭代式為

Vid(t+1)=?Vid(t)+C1rand(0,1)(Pid-Xid(t))+C2rand(0,1)(Pgd-Xid(t))，

(3)

Xid(t+1)=Xid(t)+Vid(t+1) .

(4)

式中:?為慣性因子,其值為非負(fù);Vid(t)和Xid(t)分別為第i個(gè)粒子在第t次迭代中第d維的速度和位置;C1和C2為加速度常數(shù),通常設(shè)置為2;rand(0,1)為[0,1]區(qū)間上的隨機(jī)數(shù);Pid為第i個(gè)粒子中第d維度的個(gè)體最優(yōu)解;Pgd為第d維度全局最優(yōu)解[12].粒子維度指的是有多少個(gè)參數(shù)需要優(yōu)化,在本文中粒子維度為2.根據(jù)實(shí)驗(yàn)經(jīng)驗(yàn)將粒子數(shù)設(shè)為36,最大迭代次數(shù)為500.

使用手動(dòng)標(biāo)注的金標(biāo)準(zhǔn)(gn)與本文方法估計(jì)的位置(xn)之間的誤差的方差作為粒子群算法的目標(biāo)函數(shù):

(5)

2 實(shí)驗(yàn)及結(jié)果

2.1 實(shí)驗(yàn)數(shù)據(jù)

使用兩個(gè)數(shù)據(jù)庫(kù),分別為L(zhǎng)obachevsky University Electrocardiography Database(LUE)[13]和QT Database(QT)[14],分割出共含有6 299個(gè)心動(dòng)周期的心電波形,進(jìn)行P波提取算法的訓(xùn)練和驗(yàn)證.LUE中心電數(shù)據(jù)為12導(dǎo)聯(lián),采樣頻率為500 Hz,在此數(shù)據(jù)庫(kù)中,P波的形態(tài)包括正向、負(fù)向和雙向.QT數(shù)據(jù)庫(kù)中心電數(shù)據(jù)包括2個(gè)導(dǎo)聯(lián),P波包括正向與負(fù)向.文獻(xiàn)[5-6]的檢測(cè)方法新穎,檢測(cè)結(jié)果誤差小.在LUE數(shù)據(jù)庫(kù)中使用了1 892個(gè)含正向P波的單周期心電波形,1 397個(gè)含負(fù)向P波的單周期心電波形,1 074個(gè)含雙向P波的單周期心電波形.從QT數(shù)據(jù)庫(kù)中使用了1 936 個(gè)周期的單周期心電波形,將數(shù)據(jù)的70%作為訓(xùn)練集,30%作為測(cè)試集,具體如表1所示.

表1 實(shí)驗(yàn)數(shù)據(jù)集

2.2 實(shí)驗(yàn)結(jié)果

使用手動(dòng)標(biāo)注的金標(biāo)準(zhǔn)(gn)與本文方法估計(jì)的位置(xn)之間的誤差標(biāo)準(zhǔn)差S來評(píng)估精度.S是所有標(biāo)記出的起點(diǎn)及終點(diǎn)的標(biāo)準(zhǔn)差,pe是數(shù)據(jù)采樣周期,St為以時(shí)間為單位的誤差.金標(biāo)準(zhǔn)由高級(jí)醫(yī)生和兩個(gè)初級(jí)醫(yī)生共同標(biāo)注.誤差式為

(6)

2.2.1 雙邊長(zhǎng)短窗平均能量差法計(jì)算結(jié)果

圖6～圖8分別為3種不同形態(tài)的心電P波樣本及其對(duì)應(yīng)的Q(t),心電P波的起點(diǎn)與Q(t)的第一個(gè)波峰對(duì)應(yīng),P波終點(diǎn)與Q(t)最后一個(gè)波谷對(duì)應(yīng).

圖6 正向P波檢測(cè)結(jié)果

圖7 負(fù)向P波檢測(cè)結(jié)果

圖8 雙向P波檢測(cè)結(jié)果

2.2.2 粒子群算法迭代結(jié)果

在粒子群算法中,粒子數(shù)為36,最大迭代次數(shù)為500,每次迭代選用全局最優(yōu)解作為本研究的最優(yōu)參數(shù),圖9為每次迭代所得最優(yōu)參數(shù)計(jì)算得到的結(jié)果與金標(biāo)準(zhǔn)的誤差標(biāo)準(zhǔn)差,本文算法在100次左右取得最優(yōu)解,并保持穩(wěn)定.

2.2.3 不同形態(tài)心電P波檢測(cè)結(jié)果

在QT數(shù)據(jù)庫(kù)中使用了584個(gè)心電周期對(duì)算法進(jìn)行測(cè)試,數(shù)據(jù)均為正向心電,QT數(shù)據(jù)庫(kù)中的數(shù)據(jù)采樣頻率為250 Hz,St為7.80 ms.本文算法檢測(cè)結(jié)果與金標(biāo)準(zhǔn)之間的誤差直方圖如圖10所示,在采樣頻率為250 Hz時(shí),誤差最大值是16 ms,大部分在[-8, 8]ms以內(nèi).

圖9 粒子群迭代結(jié)果

圖10 QT數(shù)據(jù)庫(kù)P波檢測(cè)結(jié)果

在LUE數(shù)據(jù)庫(kù)中使用了1 299個(gè)心電周期對(duì)算法進(jìn)行測(cè)試,綜合誤差標(biāo)準(zhǔn)差為6.26.其中,569個(gè)心電周期含有正向P波,St為6.18 ms;421個(gè)心電周期含有負(fù)向P波,St為6.21 ms;309個(gè)心電周期含有雙向P波,St為6.52 ms.結(jié)果如圖11～圖13所示.

本文算法與文獻(xiàn)[5-6]的檢測(cè)結(jié)果對(duì)比如表2所示,P波起點(diǎn)和終點(diǎn)的檢測(cè)結(jié)果皆優(yōu)于其他兩種算法.

表2 P波的起點(diǎn)與終點(diǎn)檢測(cè)結(jié)果對(duì)比

圖11 正向P波檢測(cè)結(jié)果

圖12 負(fù)向P波檢測(cè)結(jié)果

圖13 雙向P波檢測(cè)結(jié)果

圖11～圖13分別為正向P波、負(fù)向P波和雙向P波的誤差直方圖,在采樣頻率為500 Hz時(shí),誤差最大值為12 ms,大部分在[-8, 8]ms.將本文算法與文獻(xiàn)[5]中基于動(dòng)態(tài)規(guī)劃的參數(shù)混合高斯擬合法和文獻(xiàn)[6]中無相位平穩(wěn)小波變換法進(jìn)行比較,所得統(tǒng)計(jì)結(jié)果如表3所示.由表3可知本文方法檢測(cè)結(jié)果誤差較小,可以檢測(cè)出雙向P波的位置.

表3 P波檢測(cè)標(biāo)準(zhǔn)差

2.3 不同強(qiáng)度噪聲下本算法的精度

將LUE數(shù)據(jù)庫(kù)中心電分別加入信噪比為10,20,30 dB噪聲檢測(cè)本算法的魯棒性.在正向P波與負(fù)向P波中加入30,20 dB的噪聲,可以辨認(rèn)出P波的形狀.當(dāng)噪聲強(qiáng)度為10 dB時(shí),由于P波的幅值較小,已無法從信號(hào)整體判斷出P波的準(zhǔn)確位置.在雙向P波中加入30 dB的噪聲時(shí),可以辨別P波的大致形狀,當(dāng)噪聲強(qiáng)度為20,10 dB時(shí),噪聲覆蓋信號(hào),已辨別不出P波的準(zhǔn)確位置.本文使用P波位置的檢測(cè)準(zhǔn)確率(Acc)與檢測(cè)P波誤差的標(biāo)準(zhǔn)差S代表本算法對(duì)噪聲的魯棒性.

P波位置的準(zhǔn)確率為

Acc=P/Pall.

(7)

式中:P為檢測(cè)出P波的數(shù)量;Pall為每種形態(tài)P波的數(shù)量.

圖14～圖16分別為算法在正向、負(fù)向和雙向P波加入仿真白噪聲后檢測(cè)結(jié)果誤差的變化趨勢(shì).隨機(jī)白噪聲用來模擬心電信號(hào)采集過程中的高頻隨機(jī)噪聲.該隨機(jī)白噪聲是均值為0、方差為1的高斯隨機(jī)序列.雙向P波在信噪比為10 dB噪聲強(qiáng)度下準(zhǔn)確率降低為0,正向與負(fù)向P波在信噪比為10 dB時(shí)仍可檢測(cè)出P波位置;S與信噪比具有明顯的負(fù)相關(guān)性,且變化趨勢(shì)相似,在信噪比提升至20 dB時(shí),S減小緩慢.

圖14 噪聲對(duì)算法檢測(cè)正向P波的影響

圖15 噪聲對(duì)算法檢測(cè)負(fù)向P波的影響

2.4 不同采樣頻率下本算法的精度

對(duì)LUE和QT數(shù)據(jù)進(jìn)行重采樣,將信號(hào)的采樣頻率提高到1 000,2 000,3 000,4 000,5 000 Hz,并重新計(jì)算結(jié)果.重采樣后并沒有對(duì)P波峰值檢測(cè)的準(zhǔn)確率造成影響,起點(diǎn)與終點(diǎn)的檢測(cè)結(jié)果采樣點(diǎn)誤差有所提高,但時(shí)間誤差逐漸降低.本文算法的檢測(cè)結(jié)果誤差隨采樣頻率的升高不斷減少,并趨于平穩(wěn),在采樣頻率為5 000 Hz時(shí)檢測(cè)結(jié)果誤差降為1.1 ms.重采樣后不同方法檢測(cè)結(jié)果對(duì)比如表4所示,采樣頻率對(duì)P波檢測(cè)的誤差隨采樣頻率的增加而降低.本文方法在高采樣頻率的情況下,性能要優(yōu)于文獻(xiàn)[5-6].

圖16 噪聲對(duì)算法檢測(cè)雙向P波的影響

表4 重采樣后不同方法檢測(cè)結(jié)果對(duì)比

3 結(jié) 論

1) 改進(jìn)了基礎(chǔ)的長(zhǎng)短窗平均能量差法,利用其對(duì)信號(hào)微小變化的敏感性,設(shè)計(jì)一種新的多形態(tài)心電P波提取算法,檢測(cè)多種心電P波.

2) 將本文算法與其他算法相比,本文算法的檢測(cè)結(jié)果相對(duì)較好,但不能完全準(zhǔn)確檢測(cè)P波,絕大部分誤差在4個(gè)采樣點(diǎn)內(nèi).

3) 對(duì)于不同形態(tài)心電P波,本文算法檢測(cè)結(jié)果的誤差明顯不同,而且在相同噪聲下,不同形態(tài)P波檢測(cè)的準(zhǔn)確性有很大差別.在后續(xù)工作中,需改進(jìn)以上問題.