使用自适应滤波器提取胎儿心电图

Prasanth K。¹宝贝,保罗²,阿伦·³

m .科技学者ECE称,Rajagiri工程与技术学院的高知县,印度
副教授,EC称,BPC学院Piravom,印度
助理教授,AEI称,Rajagiri工程与技术学院的高知县,印度

文摘

提取胎儿心电图(胎儿心电图)怀孕期间在医疗诊断有至关重要的作用。本文的方法去除背景噪声和工件从胎儿心电图信号提出了用自适应滤波器。该方法利用自适应降噪和数字滤波器提取胎儿心电图。提出了胎儿心电图提取算法是利用仿真软件模型在MATLAB中实现。仿真结果表明,胎儿心率可以通过计算提取的山峰的rr区间信号从噪声中提取胎儿心电图自由。

关键字

心电图、自适应降噪、母亲的心跳,LMS算法

介绍

胎儿心率(FHR)监测是一种可能的解决方案来测试诊断胎儿健康和可能的异常。怀孕期间胎儿监测阶段使医生诊断和识别病理条件尤其是窒息[1]。心电图(ECG)是最简单的非侵入性诊断方法对各种心脏疾病。胎儿心电图(胎儿心电图)信号反映胎儿心脏的电活动,并提供有价值的信息的生理状态。非侵入性胎儿心电图已用于获得有价值的临床怀孕期间胎儿情况的信息通过皮肤电极放置在产妇腹部[2]。然而,腹部心电图(AECG)总是损坏电源线干扰,孕产妇心电图(MECG)和肌电图(EMG)在胎龄胎儿心电图信号是损坏的,电极和皮肤阻抗的位置。心电图信号描述心脏的电活动。心电图信号在一个心动周期包括P波、QRS波群和T波。R-peaks即的检测。,the peaks of the QRS complex in an abdominal electrocardiogram signal provides information on the heart rate and hence it is an important tool for the physician to identify abnormalities in the heart activities. ECG signals are commonly measured at two locations: chest and abdomen[3]. The abdominal leads pick up a composite signal, consisting of the contributions from maternal electrocardiogram (MECG) and the fetal electrocardiogram (FECG) while the chest leads contains MECG only. Various research efforts have been proposed to extract the FECG from the AECG such as adaptive filtering, correlation techniques, blind source separation and a combination of wavelet analysis and blind source separation methods. FHR can be calculated by determining the R-R intervals from the extracted FECG[4]. However, the extracted FECG is still corrupted by the residual peaks of MECG (especially its QRS complexes) hence the FECG detection remains difficult. Rest of the paper is organized as follows. Section II deals with data acquisition and the proposed algorithm for fetal heart rate extraction is discussed in section III. Simulation results of the proposed method is discussed in Section IV and finally section V concludes the paper.

数据采集

的形状对母亲和胎儿心电图信号模拟假设一个母亲的心可能会产生一个4000 Hz采样率。这个信号的心率每分钟约89次,信号的峰值电压是3.5毫伏。胎儿的心脏跳动明显快于它的母亲,利率从20到每分钟160次[5]。胎儿心电图也更弱的振幅比产妇心电图。胎儿心电图信号对应的心率每分钟139次的峰值电压0.25毫伏。

测量胎儿心电图信号从母亲的腹部通常是由母亲的心跳信号传播从胸腔到腹部。这个传播路径可以被描述为一个线性滤波器与10个随机系数。此外,添加少量的不相关的高斯噪声来模拟测量中的任何宽带噪声来源。母亲的心电图信号是来自母亲的胸部。自适应噪声消除器的目标在这个任务是自适应消除母亲的心跳信号从胎儿心电图信号。噪声消除器需要一个参考信号产生的孕产妇心电图来执行这个任务。就像胎儿心电图信号,孕产妇心电图信号将包含一些添加剂宽带噪声。

算法

该算法的框图见图1。

答:在MATLAB代ECG信号

MATLAB用于模拟心电图对母亲和胎儿的形状。图2显示了母亲的心的母体心电信号生成假设4000 Hz采样率[6]。这个信号的心率每分钟约89次,信号的峰值电压是3.5毫伏。胎儿的心脏跳动明显快于它的母亲,与利率从每分钟120 - 160次。图3显示了胎儿心电图信号生成。测量胎儿心电图信号从母亲的腹部是图4所示。通常是由母亲的心跳信号传播从胸腔到腹部。

b .胎儿心电图提取方法

1)自适应噪声消除器:去除背景噪声和工件使用自适应滤波器从胎儿心电图信号需要两个输入信号的应用;主要的信号是胎儿心电图信号添加MECG信号和第二信号的参考信号的噪声被取消。,MECG信号。二次噪声信号与噪声必须密切相关的主要信号。自适应滤波器用于胎儿心电描记法,在母亲的心跳信号自适应地从一个胎儿心跳信号。

一个自适应滤波器的操作在一个固定的环境中,error-performance表面有一个恒定的形状以及取向[7]- [10]。自适应滤波器在不稳定的环境中,运行时的底部errorperformance表面不断移动的方向和曲率表面也可能会改变。因此,在非平稳输入时,自适应滤波器的任务不仅寻求错误的底部表面性能,但也不断跟踪它。图5显示了一个基本的自适应降噪系统。

如果可以做准确的测量梯度向量在每个迭代中,如果步长参数选择合适,那么tap-weight向量计算利用最陡下降法确实会收敛到最佳维纳解[9]。tap-weight向量更新按照适应传入的数据的一种算法。改变tap-weight向量的一个递归算法是最小均方(LMS)算法(1)。LMS算法的优点是简单,因为它不需要任何矩阵求逆。

2)数字滤波器去除高频:FIR滤波器的两个主要类型的数字滤波器在数字信号处理(DSP)应用程序中使用,信息检索的其他类型。FIR滤波器可以很容易地设计为“线性相位”没有任何相位失真。他们是适合多重速率的应用,比如“大量毁灭”(降低采样率)或“插值”(增加采样率),或两者兼而有之。的还是插值,FIR滤波器的使用允许省略了一些计算,从而提供一个重要的计算效率。为了胎儿心率是相对应的峰值提取胎儿心电图R波的需要。为实现这一目标在第一阶段冷杉滤波器是使用适当的滤波器去除高频系数。相对应的峰值在提取胎儿心电图R波通过固定阈值略高于正常水平。从rr间隔胎儿心率可以获得。

结果与讨论

答:仿真软件模型

仿真软件模型实现确定胎儿的心率基于传感器数据从两个电极。有两个主要的信号与噪声叠加(母亲和婴儿的心跳)。图6显示了该仿真软件模型来提取胎儿心电图。目的是过滤掉一切,但婴儿的心跳和计算的周期信号基于我们估计的心跳。

b .自适应噪声消除器提取技术

自适应噪声消除器可以使用几乎任何自适应程序来执行其任务。为简单起见,我们将使用least-mean-square 15 (lms)自适应滤波器系数和步长为0.00007。这些设置,自适应噪声消除器收敛相当不错的几秒钟后适应,当然一个合理的时间等待在这个特定的诊断应用程序[7]。图7显示了测量胎儿心电图和图8所示。显示自适应噪声消除器的输出。

c .计数峰值检测心率

这个想法是为了清理信号,然后设置一些动态阈值,所以,任何信号穿过阈值被认为是峰[1]。山顶可以清点每时间窗口。图9显示了峰值,可以计算每个时间窗口和图10显示胎儿心电图的曲线心率。

结论

基于自适应噪声消除器的胎儿心电图提取方法的提出和实现。从仿真结果我们可以得出这样的结论:胎儿心电图信号可以从腹部心电图信号中提取使用LMS算法改变tap-weight向量。软件实现LMS算法实现ANC系统,该算法使用仿真软件实现。胎儿心率信号提取的rr间隔的山峰。

引用

弗里曼,r·K。,Garite, T. J., Nageotte, M. P., and Miller, L. A., Ã¢ÂÂFetal heart rate monitoringÃ¢ÂÂ, LWW, 2012.

库马尔,。,Dewan, L., Singh, M., and Kurukshetra, H., Ã¢ÂÂRealtime monitoring system for ECG signal using virtual instrumentationÃ¢ÂÂ, IEEE Transactions on Biology and Biomedicine, vol. 3, pp. 638Ã¢ÂÂ643, 2006.

费拉拉,e R。,and Widrow, B., Ã¢ÂÂFetal electrocardiogram enhancement by time-sequenced adaptive filteringÃ¢ÂÂ, IEEE Trans. Biomed. Eng. 29, pp. 458Ã¢ÂÂ460, 1982.

彼得斯,M。,Crowe, J., Pieri, J. F., Quartero H., Hayes-Gill, B., James, D., Stinstra, J., and Shakespeare, S., Ã¢ÂÂMonitoring the fetal heart noninvasively: a review of methodsÃ¢ÂÂ, Journal of perinatal medicine, vol. 29, no. 5, pp. 408Ã¢ÂÂ416, 2001.

Ananthanag, K。,and Sahambi, L., Ã¢ÂÂInvestigation of blind source separation methods for extraction of fetal ECGÃ¢ÂÂ, In Canadian Conference on Electrical and Computer Engineering. May 2003.

贾法里,m·G。,and Chambers, J. A., Ã¢ÂÂFetal electrocardiogram extraction by sequential source separation in the wavelet domainÃ¢ÂÂ, IEEE Transactions on Biomedical Engineering, vol. 52, no. 3, pp.390Ã¢ÂÂ400, 2005.

微积分,S。,Ã¢ÂÂAdaptive Filter TheoryÃ¢ÂÂ, 3rd Edition, Prentice Hall 2002 .

Widrow B。,Ã¢ÂÂAdaptive Noise Cancelling: Principles and ApplicationsÃ¢ÂÂ, Proc. IEEE, vol. 63, pp.1692-1716, Dec. 1975.

约翰,r·g·Jr .)一个¢自适应噪声取消适用于正弦InterferencesA¢,IEEE反式。ASSP, ASSP-25卷,不。6日,页。484 - 491年Dec.1977

ShikRyu B。,and Lee, J. K., Ã¢ÂÂThe Performance of an adaptive noise canceller with DSP processorÃ¢ÂÂ, 40th Southeastern Symposium on System Theroy, New Orleans,USA, March 16-18, pp 42-45, 2008.