基于容性耦合电极的可穿戴心电信号检测及其去噪算法研究*

李鸿强,崔佃银,袁丹阳,曹 路,李恩邦

(1.天津市光电检测技术与系统重点实验室,天津工业大学电子与信息工程学院,天津 300387;2.天津市胸科医院,天津 300051;3.澳大利亚伍伦贡大学物理系,伍伦贡 新南威尔士州 2522,澳大利亚)

基于容性耦合电极的可穿戴心电信号检测及其去噪算法研究*

李鸿强1*,崔佃银1,袁丹阳1,曹 路2,李恩邦3

(1.天津市光电检测技术与系统重点实验室,天津工业大学电子与信息工程学院,天津 300387;2.天津市胸科医院,天津 300051;3.澳大利亚伍伦贡大学物理系,伍伦贡 新南威尔士州 2522,澳大利亚)

针对传统心电检测系统存在佩戴电极不方便和电极导电膏易脱水等问题,在研究分析电容耦合工作原理的基础上,设计了一种可穿戴容性耦合电极。针对这种可穿戴容性耦合电极,提出了一种改进小波阈值去噪算法,该算法结合心电信号与噪声小波系数分布特性,采用改进阈值函数对分解后小波系数量化处理并重构心电信号。利用MIT-BIH数据库验证,该算法能有效消除心电信号中的噪声干扰,相比平滑滤波、数学形态滤波和经验模式分解信噪比提高了10.72%,均方误差减小了27.29%。心电检测实验表明可穿戴容性耦合心电信号检测系统能够准确检测出人体心电信号主要特征。

信号处理;容性耦合;改进小波阈值;心电检测

心电信号是人体心脏疾病诊断的重要依据,传统心电检测系统测量时需要Ag/Cl电极与皮肤直接接触,电极粘附需要较长时间准备,佩戴电极不方便,且电极导电膏易脱水[1]。近年来学者们针对非接触心电信号测量进行了研究。Kim等[2]使用大尺寸电极作为参考电极,研制了非接触检测心电信号的座椅;高山等[3]使用导电纤维制成电容电极并集成在床单上,通过身体靠近电极形成电容,耦合获取心电信号;周平等[4]采用优化滤波电路结构,基于电容耦合原理设计了一种非接触心电传感器与心电测量系统。

以上分析仅针对心电信号非接触测量进行了研究,并未对心电信号去噪处理方法进行研究。目前心电去噪方法有平滑滤波、经验模式分解、数学形态滤波等方法[5-7]。数学形态学和经验模式分解滤波效果好,但其算法计算复杂,实时处理能力差;平滑滤波算法简单,处理速度快,但对QRS波有较大削峰,信号衰减大。因此,本文设计了一种可穿戴容性耦合电极,并针对容性耦合电极采集心电信号易受噪声干扰的特点,提出了一种改进小波阈值去噪方法,并对心电信号去噪结果对比分析,验证表明本文提出的算法去噪效果良好,检测系统能准确检测出心电信号主要特征。

1 可穿戴心电信号检测系统

1.1 心电信号检测系统结构

心电检测系统可分为信号采集、信号放大和信号处理3个模块[8-9],系统结构框图如图1所示。

信号采集模块包括固定在棉质衣物上的两个容性耦合电极,用于耦合人体皮肤表面微弱的心电信号。信号放大模块包括前置放大电路、滤波电路和后置放大电路。前置放大电路采用差动放大器对微弱的心电信号初步放大并且抑制共模干扰。滤波电路采用截止频率分别为0.3 Hz的高通滤波器、100 Hz的低通滤波器和50 Hz的陷波滤波器,分别用于抑制低频噪声、高频噪声以及差动放大器后的工频干扰。后置放大电路采用仪表放大器对滤波之后的心电信号放大以满足模数转换的需求。信号处理模块包括模数转换器、微处理器和上位机。微处理器采用ADuCM361芯片,模数转换器采用ADAS1000芯片,对心电信号进行模数转换,然后通过蓝牙DX-BT05型模块无线传输心电数据到上位机,上位机通过LabVIEW编写心电数据接收程序、改进小波阈值去噪程序和人机交互界面程序,完成对心电数据的去噪处理和波形显示。

1.2 容性耦合原理及电极设计

容性耦合电极是利用电容耦合的原理,将人体皮肤和电极的极板看作耦合电容器的两个导电平板,电极、衣物和人体皮肤就共同组成了一个等效的耦合电容Cs,其模型如图2(a)所示。人体皮肤表面的电信号通过电容的耦合作用就可以传递到容性耦合电极的极板上,然后将两个置于人体皮肤表面不同位置的电极获取的两路电信号进行差分运算,就可获取微弱的心电信号[10],其工作原理如图2(b)所示。

图2 容性耦合电极等效模型及工作原理

图3(a)为可穿戴容性耦合电极实物图,本文采用多层印刷电路板(PCB)制作了半径为1.5 cm的容性耦合电极,包含了绝缘层、屏蔽层和运算放大器。为了更好地获取心电信号,容性耦合电极的预处理电路采用输入阻抗为1.5 TΩ的CA3140运算放大器构成电极的电压跟随电路,增大信号输入阻抗,充分满足系统高输入阻抗的需要。

图3(b)为电极预处理电路原理图,其中Cs为皮肤与电极之间的耦合电容,Ca为运算放大器的输入电容,Rb为偏置电阻,用来产生偏置电流。

图3 容性耦合电极及预处理电路

根据预处理电路结构可知其增益为:

(1)

从图3(b)和式(1)中可以看出容性耦合电极的预处理电路可以等效为一个高通滤波器,通带增益由耦合电容Cs与总电容决定,而截止频率受偏置Rb的影响。电容Cs表达式:

Cs=ε0εr(S/d)

(2)

式中:εo为真空中的介电常数,εr为两极板之间物质的相对介电常数,S为两极板的有效耦合面积,d为两极板的耦合距离。由于各种布料之间充满空气,近似认为εo=εr=1,且本文电极半径为1.5 cm,因此输出信号主要受耦合距离d的影响。图4可看出随着耦合距离d的增大,耦合电容值会衰减,从而导致输出信号幅值的减小。

图4 耦合距离d对耦合电容值的影响

另一方面为了保证心电信号不衰减的通过高通滤波器,高通滤波器下限频率不能高于心电信号频率。其截止频率fL为:

fL=1/(2πRbCs)

(3)

综合考虑式(2)和式(3),可计算知偏置电阻Rb的阻值需要上百GΩ才能满足条件。本文采用反接二极管来提供偏置电阻Rb。经实验分析:二极管的反向电阻不仅可以满足阻值条件,而且还具有一定的动态调节能力,当耦合电容变小时,进入检测系统的电流就会变小,则二极管的反向动态阻值就会变大,反之,二极管的反向电阻就会变小,因此相比于固定阻值的电阻,反接二极管与耦合电容组合更能满足要求。

2 心电信号去噪算法

2.1 小波阈值去噪原理

图5 有用信号与噪声小波系数分布

2.2 改进小波阈值函数

阈值函数是小波系数阈值量化处理的一个关键因素,关系到重构信号的精度和连续性,影响着心电信号的去噪效果,传统的阈值函数为:

硬阈值

(4)

软阈值

(5)

针对硬阈值法和软阈值法在心电信号去噪中的不足,本文提出了一种改进阈值函数:

(6)

图6 软、硬阈值函数和改进阈值函数

阈值λ的选取是小波系数阈值量化处理的另一个关键因素,若选取阈值过大,则会滤除有用的信号,造成心电信号的过平滑,而选取阈值过小,则会把噪声当作心电信号进行保留,达不到良好的去噪效果。本文采用的阈值为[15]:

(7)

式中:N为小波分解后各层小波系数的长度,σ为噪声信号的估计标准差,实际应用中噪声强度σ的值是未知的,通常采用σ=(median|wj,k|)/0.674 5对各层的噪声进行估计,median|wj,k|表示各层小波系数wj,k幅值的中间值。根据Mallat算法[16]可知随着分解层数增加,信号的长度N逐渐减小,阈值λ会随N的减小而减小,符合噪声与小波系数在各层分布的衰减规律。

2.3 算法步骤

①经过多次实验分析选择sym6小波基,最佳分解层数为5层,采用Mallat算法对心电信号进行小波分解,得到各层小波系数wj,k;

3 实验结果与分析

3.1 心电去噪仿真分析实验

选取MIT-BIH标准心电数据库中的心电数据进行实验,并从中截取长度N=2 000的心电信号作为原始信号,并随机叠加高斯白噪声模拟肌电干扰、人工伪迹等干扰,如图7所示。

图7 标准心电数据库的心电信号

采用平滑滤波、数学形态学滤波、经验模式分解、硬阈值、软阈值和本文算法对图7(b)所示加噪心电信号进行去噪,去噪效果如图8所示。从图8中可以看出,平滑滤波和软阈值方法过度扼杀了心电信号的有用信息,削弱了QRS波幅值;硬阈值方法去噪后的心电信号在QRS波处存在信号震荡;数学形态学滤波和经验模式分解相比前面3种方法去噪效果有了极大提高,但信号中仍存在少量的噪声;对比可见本文算法的去噪效果最好,去噪处理后的心电信号比较光滑,且保留了有用信号的完整性,最大程度地保持了原始信号的特征。

为了评价几种方法的优劣,本文选用信噪比SNR和均方误差RMSE来对去噪效果进行定量分析。其定义式为:

(8)

(9)

采用上述6种方法对5种类型心电信号进行去噪处理,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种方法信噪比提高了1 dB～3.8 dB,均方误差降低了(2.46～12.4)×10-3,说明本文去噪算法优于其他方法,与图8中得出结论一致。

图8 6种方法的去噪效果对比图

去噪方法性能指标心电信号类型103102118232231平滑滤波SNRRMSE19.60960.029719.72580.029520.8860.031717.86880.036720.6180.0286数学形态滤波SNRRMSE22.79660.021422.28310.020323.06310.022418.99120.029323.74690.0194经验模式分解SNRRMSE23.12860.020622.90170.018923.48900.021419.64630.027224.22070.0183硬阈值SNRRMSE21.27690.025520.43200.025221.89570.025718.10980.031922.62790.0221软阈值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 可穿戴容性耦合心电检测实验

通过弹性带将2个PCB板容性耦合电极固定在人体胸部心脏的两侧,容性耦合电极分别隔着厚度0.25 mm、0.51 mm和0.89 mm的棉质衣物下检测心电信号,心电信号检测实验平台如图9所示。可穿戴容性耦合电极检测的心电信号如图10所示。

图9 心电信号检测实验平台

图10 不同厚度棉质衣物检测的心电信号

从图10可看出随着衣物厚度的增大,检测到的心电信号幅值衰减严重,信号质量越来越差,P波、QRS波和T波逐渐被噪声所淹没,不能清晰的看出心电信号主要特征,这一实验结果与理论分析的结果是相符的。

考虑到可穿戴检测系统的实际使用需求,需要得到清晰的心电信号,通过本文算法对图10中的心电信号进行去噪处理,去噪处理后的结果如图11所示。

从图11(a)可清晰的看出QRS波和T波,以及微弱的P波,其信号峰峰值约为0.53 V。图11(b)可清晰的看出QRS波和T波,但P波不可见,其信号峰峰值约为0.37 V。图11(c)可清晰看出QRS波,P波和T波都不可见,其信号峰峰值约为0.14 V。为了对比分析分别对图10和图11的心电信号进行傅里叶变换求取频谱,如图12所示,从图中可以看出本文算法去噪后的信号明显消除了原始心电信号中的50 Hz工频干扰以及其他高频噪声干扰,从而得到干净的心电信号。实验结果表明本文设计的可穿戴容性耦合心电检测系统可以准确的检测出人体心电信号的主要特征。

图11 本文算法去噪处理后的心电信号

4 结论

本文对一种可穿戴容性耦合心电信号检测系统进行了研究。分析电容耦合的原理,设计了一种可穿戴容性耦合电极,并针对容性耦合电极采集信号易干扰的特点,提出了一种改进小波阈值的心电去噪算法,经本文算法去噪后的心电信号,在波形中可以清晰的看出QRS,结果表明检测系统能够很好地检测出人体心电信号的主要特征。对于可穿戴容性耦合心电检测系统而言具有十分重要的实际应用价值。

[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. 基于电容耦合的非接触式心电监测技术研究[J]. 生物医学工程学杂志,2015,32(3):553-557.

[4] 周平,汪丰,刘梦星,等. 非接触式心电测量的噪声抑制研究[J]. 仪器仪表学报,2013,34(10):2226-2230.

[5] 田絮资,杨建,黄力宇. 心电信号去噪的数学形态学滤波器[J]. 计算机工程与应用,2012,48(2):124-126.

[6] 黄进文,王威廉. 平滑滤波对ECG的R波幅值影响研究[J]. 云南大学学报,2008,30(6):559-563.

[7] 王玉静,宋立新. 基于EMD和Hilbert变换的心电信号去噪方法[J]. 哈尔滨理工大学学报,2007,12(4):70-73.

[8] 周鹏,高雄飞,张玉满,等. 基于驻极体传声器的脉象检测系统和方法[J]. 传感技术学报,2015,28(3):374-380.

[9] 高云,周聪聪,田健,等. 基于多传感器的无创血压测量系统的研究[J]. 传感技术学报,2015,28(5):763-767.

[10] 杨斌,董永贵. 电容耦合非接触电极及心电信号拾取[J]. 仪器仪表学报,2015,36(5):1072-1078.

[11] 曹京京,胡辽林,赵瑞.一种改进小波阈值函数的光纤光栅传感信号去噪方法[J]. 传感技术学报,2015,28(4):521-525.

[12] 王小飞,李鸿强,陈磊,等. 基于提升小波和改进包络的心电特征检测算法[J]. 系统仿真学报,2013,25(12):2893-2899.

[13] 徐洁,王阿,郑小锋. 基于小波阈值去噪的心电信号分析[J]. 计算机仿真,2011,28(12):260-263.

[14] 欧阳波,程栋,王玲. 改进小波阈值算法在心电信号去噪中的应用[J]. 计算机工程与应用,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

李鸿强(1975-),男,江苏兴化人,博士,天津工业大学教授,主要研究方向为微弱信号检测与信号处理、光纤光栅传感与应用,lihongqiang@tjpu.edu.cn;崔佃银(1991-),男,山东淄博人,硕士研究生,主要研究方向为微弱信号检测与信号处理,1430092037@stu.tjpu.edu.cn; 袁丹阳(1991-),女,山西朔州人,硕士研究生,主要研究方向为微弱信号检测与信号处理,1431096018@stu.tjpu.edu.cn。

项目来源:国家自然科学基金项目(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