使用抽取小波变换的心电信号的去噪

Baliram美国大额牛¹,F.I.谢赫²

E&TC系助理教授,英迪拉Engg学院。和管理印度浦那¹
和我(数字系统)的学生,电子称,J.N.E.C.奥兰加巴德,印度¹
电子称,J.N.E.副教授C,奥兰加巴德,印度²

文摘

我们使用的是一个人的心电图(ECG)检查方法个人心脏功能和异常(疾病)发生。然而,观察心电噪声的存在在一个复杂的分析心电图信号识别功能和异常的心脏。心电图的主要噪声源是电源线干扰,肌电图(EMG)噪音,电极接触噪音,运动构件,以及仪器噪音。雷竞技网页版在本研究工作噪音消除描述发生在心电图。去噪心电的目的是获得可靠的诊断目的和明确的信号,同时保留尽可能多的潜在的主题信息。这一研究工作是基于使用非抽取小波变换(UWT)[1]为了更好地识别心电图。我们需要阅读心电图样本麻省理工学院数据库WFDB工具箱。心电图使用小波去噪进行Coiflet和Daubechies过滤器。这些都是选择,因为他们的扩展功能密切相关的形状心电图和拟合很好应用约束[2]。心电信号采集标本从麻省理工学院/波黑数据基地和加工使用UWT MATLAB

关键字

心电图(ECG)、世界UWT,麻省理工学院/波黑数据库

介绍

心是人体非常重要的器官。现在一天多的人民遭受心脏疾病和这个数字不断增加。正确、及时的诊断是非常重要的。捕获的ECG信号可能是一个简单的过程,但获得清晰、可靠,噪音免费心电图是一个非常艰巨的任务。可靠的专家需要心电图诊断的目的。如果心电图是噪音污染诊断病人可能出错了,这是胎儿对病人的生活。因此ECG信号的去噪前诊断非常重要。心电图污染代理,

1。AC线干扰

2接触噪声的电极雷竞技网页版

3所示。电极的电耦合和董事会

4所示。肌电图(EMG)噪音

5。运动构件,

6。仪器噪声

的优势有效地去噪心电信号是确定PQRST复杂,简单明了的方式,帮助专家识别不同类型的心律失常、心动过速或心动过缓和心率的变化;以及确定其他类型的心肌异常[3]。

记录的心电图(ECG)是一个技术生物电流产生的心脏这将帮助临床医生评估患者的心脏的条件。所以它是非常重要的ECG信号的参数明显没有噪音。许多基于小波的去噪算法利用DWT(离散小波变换)遭受转变方差分解阶段。为了克服这个在本文中,我们提出使用抽取小波变换去噪方法分解原始ECG信号和我们进行收缩操作来消除噪声信号的噪声。收缩一步中我们使用半软和斯坦阈值操作符以及传统的软硬阈值操作符和验证不同小波家庭是否适合ECG信号的去噪。结果证明,去噪信号使用UDWT(抽取离散小波变换)之间有一个更好的平衡比DWT的平滑度和准确性

心电图的理论

是经胸廓的心电图(整个胸腔或胸部)对心脏的电活动在一段时间内,当检测到电极表面的皮肤和记录设备外部的身体。这个的过程产生的记录称为一个心电图(ECG或EKG)。心电图是用来测量心跳的速率和规律性,以及房间的大小和位置,出现任何损坏的心脏,和药物的影响或设备用于调节心脏,如心脏起搏器。大多数ecg进行诊断或研究目的在人类心脏。

心电图记录心脏的电活动,其中每个心跳显示为一系列的脑电波高峰和低谷的特征。任何心电图给两种信息。,电波穿过心的持续时间进而决定电活动是否正常或慢或不规则的,第二个是通过心肌电活动的数量使发现心脏的部分是否太大或过度劳累。通常情况下,一个心电图信号的频率范围是0.05 -100 Hz及其动态范围——1 - 10 mV。ECG信号的特征是五高峰和低谷标记字母P, Q, R, S, T .在某些情况下我们也使用另一个高峰,心电图分析系统的性能主要取决于准确和可靠的QRS波群的检测,以及T - P波。

纵波代表了心脏的心房的激活,心房,QRS波群的激发,让代表心脏的心室或众议院。QRS波群的检测是心电信号自动分析的最重要的任务。一旦确定了QRS波群的更详细检查心电图信号包括心率、ST段等可以执行[3]。在正常窦性心律(心脏的正常状态)P-R间隔在0.12到0.2秒的范围。QRS时间间隔从0.04到0.12秒。q - t间隔的小于0.42秒和心脏的正常速度是每分钟60 - 100次。从记录心电图的形状,我们可以说心脏活动是否正常或不正常。心电图是一个图形记录或显示的时间变异产生的电压在心动周期中心肌。P -, QRS -和T-waves反映心肌的节奏电气去极化和复极化与心房和心室的收缩有关。心电图是临床上用于诊断各种异常和疾病与心脏有关。

纵波振幅- 0.25 mV

非线性波- 1.60 mV

R波q波性- 25%

让- 0.1到0.5 mV

P-R间隔时间:0.12 - 0.20

Q-T区间:0.35 - 0.44

s - t区间:0.05 - 0.15

纵波区间:0.11 s

QRS区间:0.09 s

方法

这里的ECG信号的去噪过程是在MATLAB进行。心电图信号样本来自麻省理工学院/波黑数据库。从数据库读取数据使用WFDB工具箱。WFDB MATLAB工具箱是一个收集的MATLAB函数为阅读,写作,和操纵(处理)PhysioBank数据,作为系统调用来实现世界通过Java和MATLAB软件包应用程序包装器。使用WFDB工具箱,MATLAB用户直接访问超过50 PhysioBank数据库(/ 3 TB的生理信号包括心电图、脑电图、肌电图、胎儿心电图,PLETH, ABP,等等)。Addionally,大多数这些数据库也伴随着元数据专家注释等生理相关事件(WFDB注释文件)。这些可以包括,例如,心脏病专家注释对ecg分类不同的心律失常,或睡眠脑电图专家annoations细分不同的睡眠阶段。所有这些生理信号和注释可以从生理网web服务器读取需求及其镜子使用工具箱函数,或从本地副本如果您选择下载。UWT技术用于这项研究工作去噪的目的。UWT的基本思想是将适当的低和高通滤波器应用到数据在每个级别产生两个序列到下一个级别。结果并没有摧毁和两个新序列与原始序列长度相同。 The multiresolution is achieved by modifying (upsampling) the filter at each level. Translation-invariance is achieved by removing the down samplers and up samplers in the DWT and up sampling the filter coefficients by a factor of 2(j − 1) in the jth level of the algorithm. The SWT is an inherently redundant scheme as the output of each level of SWT contains the same number of samples as the input – so for a decomposition of N levels there is a redundancy of N in the wavelet coefficients. This algorithm is more famously known as "algorithme à trous"

最重要的获得un-decimated小波变换是它提供了更多的关于分析图像的信息。这些额外的信息是很有价值的De -喧哗。额外的系数给出更好的噪声分配的可能性。进一步提高了去除更多的噪声,同时保留数据的机会。

的独特特征UWT与DWT变换比较遵循

1。不变的翻译特点

2。更好的减少噪音的能力

3所示。更好的峰值检测

小波函数的选择取决于应用程序或应用程序,它将被使用。选择小波函数,它看起来像会被处理的信号是最方便的选择。这里选择函数作为Coiflet和Daubechies小波家族相似形状的QRS波群[7]。

去噪算法用于这项工作如下,

1。阅读心电图信号使用WFDB MATLAB工具箱安装在电脑。

2。信号与噪声的措施。

3所示。现在UWT申请去噪心电信号。

4所示。衡量去噪信号的力量。

5。为每个ECG样本计算信噪比(PSNR。

运行这个UWT算法我们需要指定某些东西如下。

我。指定使用哪个小波的家庭我们会在小波的分类。

在我们的任务,我们使用coiflet和daubechies家庭过滤器。

二世。指定decomposion水平。

decomposion水平更好,我们可以分离出更详细的数据。所以我们选择decomposion 5级。

三世。阈值的选择模式。

无论是硬或软。软阈值技术总是表现得更好,因为阈值与信号功率和噪声得到调整。

iv.Select阈值。

这些选择试验和错误和一些值是根据定义的家庭。

诉适用间隔基于去噪功能

这个函数尺度滤波器系数值在每个decomposion水平但不要样品或样本数据。所以它是UWT。

在图2中所示的第一个信号是原始ECG信号的帮助下从麻省理工学院/波黑数据库读取WFDB Matlab工具箱。第二信号图2显示了一个心电图信号含有噪声。由于噪声变化发生在ECG信号的参数。这个信号不是可靠的临床专家的分析。这嘈杂的信号应用于coiflet-UWT过滤器和daubechies UWT过滤器。第三和第四信号的输出在图2中可以在Coiflet UWT过滤和daubechies UWT过滤器。我们观察到心电信号的噪声去除。

去噪等质量措施实施后信号噪声比(信噪比),PSNR来证明我们的算法的效率。

结果和讨论

在图2所示第三ECG信号的输出Coiflet -UWT小波滤波器,我们可以清晰的看到一个众所周知的改善复杂的P, Q, R, S, T,虽然还可以观察到小山峰之前开始QRS波。第四信号显示了应用程序Daubechies UWT小波滤波器,可以看出ECG信号的等电点线是直接和明确的相比coiflet UWT过滤器。上面图中只有121个样本数量的ECG信号从麻省理工学院/波黑数据库及其噪声去噪信号。但这项研究是进行数字信号的数据库。下面的表1和表2给出了一些结果当Coiflet Daubechies UWT过滤器分别适用于嘈杂的心电图信号样本。Daubechies UWT过滤器也给给更好的和明确的结果和良好的性能相比Coiflet UWT过滤器。

结论

Daubechies UWT小波滤波器更好的结果显示在与Coiflet UWT小波滤波器。不同样品的分析从麻省理工学院/波黑数据库使用世界的Matlab工具箱安装在系统上。这些样本处理后者使用Coiflet和Daubechies UWT变换小波滤波器。获得一个合适的ECG信号远程医疗应用程序是一项基本的任务为了准确性的每一波的形成。事实上除了处理,这是ecessary检测精度和识别每个特性是为了确定一个准确的心率、不同类型的心律失常如心动过缓、心动过速和心率的变化。

在这工作,我们提出了一个替代过滤心电图信号,从而获得信号更容易解释,作为生物医学信号处理,可以应用在其他领域的研究。

未来的范围

在这项工作中,我们提出了一个建议使用抽取小波变换降噪的为了提高心电图信号诊断的准确性和可靠性的目的由临床专家。未来的工作包括生物电子信号的在线处理和降噪应用远程医疗应用程序。

表乍一看


表1	表2

数据乍一看


图1	图2

引用

奥斯卡埃尔南德斯,埃德加墨西哥一个¢降噪心电图和心率信号使用非抽取小波TransformA¢,IEEE电子健康国际会议上,远程医疗和社会医学牛津大学145 - 150年,2009页。
莱昂内尔Tarassenko尼古拉斯·p·休斯和斯蒂芬·j·罗伯茨,一个¢马尔可夫模型自动心电图间隔AnalysisA¢,工程Sciencie Departmen pp.01-08牛津大学。
s . z . Mahmoodabadi A . Ahmadian医学Abolhasani, m·伊斯拉米J.H. Bidgoli,一个¢心电图特征提取基于多分辨率小波TransformA¢,IEEE 2005年医学和生物工程。
罗伯特·j·Huzar基本节律异常、解释和管理(简历Mosby有限公司,1988年)。
朱利安•维瓦斯路易斯·m·托雷斯分析y Visualizacion de Senales Electro-Cardiograficas使用la Transformada de小波。大学El博斯克,2003。
Bert-Uwe科勒,Carsten韩宁,莱因霍尔德Orglmeister,一个¢软件的原则QRS DetectionA¢,IEEE,工程在医学和生物学,42-57页。2002年1月/ 2月。
全张、¢小波方法对心电基线漂移校正和噪声ReductionA¢,学报2005年IEEE和生物医学工程年会。
粗毛d·克利福德弗朗西斯科Azuaje和帕特里克•创造一个¢ECG数据的先进方法和工具AnalysisA¢,Publisers Artech房子。
将核技术Mozaffary,默罕默德·A·Tinati¢心电图基线漂移消除使用小波PacketsA¢,交易工程、计算技术、V3, 14 - 16页,2005年12月,
介绍小波分析,大卫·f .核桃Birkhauser, 439年,2002页。
Donoho D L,约翰斯顿我m .理想空间适应小波收缩。生物统计学。页425 - 455,1992,81。
美国Mallat。小波信号处理。学术出版社,第二版,1999年版。
s . Nibhanupudi r . Youssif c·珀迪,一个¢数据特有的信号用小波去噪,与应用心电图DataA¢,中西部47 h IEEE国际研讨会上电路和系统。