操作员心电信号QRS波检测及分析

管天洋　黄宇霆　罗兴林　秦珂　叶永峰　王娆芬

摘 要 人体内蕴藏着十分丰富的生物电信号，心电信号是人体最重要的生理信号之一，是心脏电活动在人体体表的表现，能够较准确的传达出被测者的生理状况。本文通过编程实现了对QRS波群的检测，检测分为两个阶段：第一阶段是对心电信号极值的判断找到R波，由于R波两侧即为Q波和S波，所以第二阶段就是确定QS波。在找到准确的QRS波的基础上，计算了多种基于QRS波的心电特征，分析了QRS波特征与操作员任务难度、疲劳等的相关性。

关键词 心电信号 QRS波群 QRS波检测

中图分类号：R540.41  文献标识码：A DOI：10.16400/j.cnki.kjdkz.2016.01.016

Operator ECG QRS Detection and Analysis

GUAN Tianyang， HUANG Yutin， LUO Xinglin， QIN Ke， YE Yongfeng， WANG Raofen

（School of Electronic & Electric Engineering， Shanghai University Of Engineering Science， Shanghai 201620）

Abstract Human intrinsic contains many types of biological signals. The electroencephalogram （ECG） signal is one of the body's most important physiological signal， which performs as the heart's electrical activity in the human body surface. The ECG can reflect the operator's physiological conditions. The aim of this paper is to detect and analyze the QRS peak of the operator's ECG. First， the R peak was detected through program. Then Q and S peak was obtained. After that kinds of features were calculated. Relations between ECG features and operator's task load were analyzed.

Key words ECG signal; QRS peak; ECG features

0 引言

科学研究发现，人体蕴藏着各种各样的生物医学信号，部分信号对判断人体生命状况极其重要，而处理其中的心电信号是十分必要的。随着科技的发展，运用计算机来分析心电信号成了一种越来越流行的诊断手段。在心脏功能方面，心电监护方面，将病人的心电信号进行采集，然后与正常人的心电信号进行对比分析，可以检测出许多其他手段检测不出的细节信息。

在临床上，分析心电信号，可以确诊心肌梗塞及急性冠状动脉供血不足，协助诊断慢性冠脉供血不足、心肌炎、心肌病及心包炎，判定有无心房、心室肥大，从而协助某些心脏病的病因学诊断，例如风湿性、肺源性、高血压性和先天性心脏病等，观察某些药物对心肌的影响，包括治疗心血管疾病的药物（如洋地黄、抗心律失常药物）及可能对心肌有损害的药物。

此外，心电信号可以反映人体的心理状态，例如人紧张时，心跳加速，疲劳时，心率放缓等，已有一些研究进行了心电信号与操作员心理状态的分析。本文主要采用一定的方法进行QRS波检测，在此基础上，再计算心电特征，分析、研究操作员任务负荷、疲劳等与心电特征的相关性。

1 QRS波的检测方法

在有大量数据需要检测的时候，以软件为主的方法实现QRS波的检测就显得方便快捷，极度占优。Q波和S波通常是低幅高频波，一般Q波位于R波之前，S波位于R波之后 ，由于他们是一般向下的波，所以他们的峰值点和极值是对应的。因次只需要在检测到R波后向左和向右分别搜寻到极值点，对应的就是Q波和S波。

R波的检测利用其为心电信号图形中为最高点的特性。在整个数据中，只需要找出所有的峰值点，将所有峰值点从大到小排序，依据总数据长度以及采样频率来确定取前几位的平均值。确立R波的最大幅度平均值以及最小幅度平均值，确立R波阈值并取大于平均值的最大值为R波，直接进行逐个判断后可以确定所有的R波峰值点。在R波检测出来之后，Q、S波的检测就容易了许多，根据QRS波的分布特性，只需从R波前后各推出一个最低点即可。

2 数据处理过程与分析

2.1 QRS波检测

将一组操作员的心电信号输入程序，得到输出结果如图1所示，由该图可知，该程序能够正确检测出心电信号QRS波。

2.2 特征计算

在QRS波正确检测的基础上，计算了多种心电特征，包括相邻R波时间间隔（RR）、相邻Q波时间间隔（QQ）、相邻S波时间间隔（SS）、QR波时间间隔、RS波时间间隔以及QS波时间间隔的均值、方差、标准差以及变异性（标准差与均值的比值），共24种特征。图2所示是其中的6种特征。从图2中可以看出，相邻R波时间间隔、相邻Q波时间间隔和相邻S波时间间隔的均值随任务进展有一定的区别。

2.3 相关性分析

操作员进行的实验包括8个阶段，将8个阶段相邻的RR、QQ、SS、RS、QR、QS波时间间隔的平均值、标准差、方差及变异性分别与任务难度（[0 1 3 4 4 3 1 0]）进行了相关性分析，得到的结果如表1所示。从表1中可以看出，RR均值、QQ均值、SS均值、RS方差及变异性与任务难度的相关性都较高，说明这几类特征可以反映操作员任务难度的变化。

将24种特征与操作员的疲劳程度（[0 20 30 40 60 80 60 30]）进行了相关性分析，结果如表2所示。对于该操作员，他的心电RR、QQ和SS均值与疲劳相关性较大，能够显著反映疲劳程度的变化。

24中特征与焦虑程度（[0 10 10 10 10 20 10 10] ）以及努力程度（[0 20 30 40 50 50 40 10]）的相关性分析结果分别如表3和表4所示。从表中科院看出，RR、QQ、SS的均值与焦虑程度及努力程度的相关性较高。                         （下转第63页）（上接第34页）

由数据可得，对于该操作员，QQ、RR、SS波时间间隔的均值与操作员的任务难度、疲劳程度、努力程度以及焦虑程度都具有较高的相关程度。即通过测量相邻Q波、R波或S波的时间间隔，并对其进行分析就能够预估任务难度、操作员的疲劳程度、焦虑程度以及努力程度。并可得出结论，当操作员的Q波、R波或S波的时间间隔越短，则任务难度越高，操作员的疲劳程度、焦虑程度及其努力程度越高。

3 总结

在本文中，通过编程实现了对QRS波的检测及定位，并求出了相邻的R、Q、S、QS、QR、RS波时间间隔的平均值、标准差、方差及变异性特征，将心电特征分别与任务难度、操作员的疲劳程度、焦虑程度、努力程度进行了相关性分析。相关性分析的结果表明：任务难度系数、操作员的疲劳程度、焦虑程度、努力程度等都可以从操作员QRS波的平均时间间隔表现出来。这个结果可以应用于操作员任务难度、疲劳程度、焦虑程度及努力程度等的预估。