基于LMS算法的可穿戴心电监测系统设计

郭俊文 袁坤 刘鹏锋

摘要：文章设计了一种基于STM32芯片的可穿戴的心电监测系统，该系统用来实时采集患者的心电数据。为了减少周围环境的噪声对心电信号质量的影响，将自适应滤波方法应用于该系统中。通过MIT-BIH心律失常数据库里的数据对该方法进行验证，该方法可以有效地抑制肌电干扰，能够满足心电信号滤波性能要求。

关键词：可穿戴；心电监测；自适应滤波；肌电干扰

心脏疾病是导致死亡和疾病负担的主要原因之一[l]。实时心电监护设备用于日常生活描记心肌产生的心电信号，是心脏疾病检测的关键仪器。目前，可穿戴心电监护设备在实时检测心电信号方面的应用研究较多。可穿戴心电监护设备不论是在对患者进行健康评估方面，还是辅助医生诊断心脏疾病方面都起到了十分重要的作用。然而，可穿戴心电设备采集的信号易受周围环境的影響，混入噪声会导致心电信号发生畸变，给准确的诊断带来严重的影响。因此，在采集心电信号时必须进行预处理。

常用的预处理措施体现在硬件和软件两个方面。但是硬件模拟滤波会增加电路设计复杂度、功耗和成本，在效果上不能完全解决干扰问题。软件滤波的设计相对更加灵活，程序移植性强且处理可以达到较高的精度。

1 肌电噪声干扰及处理方法

从人体中采集的心电信号中包含的噪声主要有肌电干扰（EMG）、工频干扰和基线漂移。其中肌电干扰是重要的干扰源。所谓肌电干扰，就是肌肉颤动或者人体活动造成的电生理信号，它的发生具有随机性，其幅值为毫伏级，近似于随机的高斯白噪声。

目前，许多软件滤波方法被提出用于处理心电信号的噪声干扰。主要有FIR，IIR滤波器（如切比雪夫滤波器、巴特沃兹滤波器）和自适应滤波算法（最小均方自适应滤波算法（LMS）和归一化均方自适应滤波算法（NLMS）等。文献[2]中，作者利用自适应滤波器的时间延时结构，分离宽带信号与周期信号，进而有效去除肌电干扰。文献[3]中，作者将切比雪夫滤波器用于肌电干扰处理。文献[4]中，改进小波阈值方法被用于弥补硬阈值法的不连续性和软阈值法有偏差的缺陷。文献[5]中，作者将PCA和结合经验模态分解法（ Empirical Mode Decomposition，EMD）结合起来.先对噪声信号进行分解得到内蕴模态函数，再利用PCA对内蕴模态函数进行降噪处理。文献[6]中，将分布式算法用于FIR滤波器的改进，提高了数据吞吐量和系统稳定性，降低系统功耗。 考虑到嵌入式系统的内存资源和电源功耗问题，所选取的算法必须简单而且运算量小。故本系统软件滤波设计采用自适应滤波算法去滤除肌电干扰信号。

2 系统总体框架设计

可穿戴心电监测系统的功能信号采集、数据处理和数据传输，其总体框如图1所示。

图1系统总体框 通过安放在固定位置的电极和心电采集芯片采集心电信号，送入微控制器处理，处理完的信号发送给蓝牙，由蓝牙发送给智能手机完成显示。

3 系统硬件设计

系统的硬件包含电源模块、信号调理模块和控制模块3个部分，模块之间都是分开的，如图2所示。由电极获得的心电信号由调理模块完成放大、硬件滤波处理，之后进行A/D转换发送给STM32处理器，STM32将接收到的信号通过软件滤波处理变成平滑的数据。最后数据经由串口发给蓝牙。

3.1信号调理模块

为了简化电路设计，减少噪声干扰，选取集成模拟前端的芯片需要高阻抗、高共模抑制比、低功耗和尺寸小等特点。本系统中，信号调理模块采用ADI公司的ADASIOOO芯片。ADASIOOO采用3路ECG输入和1个右腿驱动输出的电极方式，3个导联工作功耗为14 MW。ADASlOOO与微处理器之间采用SPI进行通信。

3.2控制模块

挑选微控制器对于系统小型化和低电源单元来说十分重要。因此，控制模块采用基于ARM Cotex-M3系列微处理器STM32L152。STM32L152具有32 MHz的最高工作频率，最大尺寸为14 mmX14 mm，支持12位AD采样，集成了UART，SPI，I2C等常用的通信接口，丰富的寻址方式，大量的寄存器以及片内数据存储器为数字滤波、数据格式转换、数据传输提供了保障。同时芯片还支持低功耗模式，芯片采用1.65-3.6 V电源供电，l MHz运行模式下的工作电流仅为195 μA。

3.3电源模块

本设计中，采集模块采用3V电压工作，而微处理的工作电压为3.3 V。为防止电池放电过程中电压低于3.3 V，故选取3.7 V的锂电池作为电源，通过降压和稳压电路调整至3.3 V采用TI公司的线性稳压芯片TPS73033做稳压处理。

4 系统软件设计 可穿戴心电监测系统的功能有数据采集、滤波算法和数据传输，其软件设计程序如图3所示。

首先，控制处理器先初始化系统时钟和ADC，再配置外部信号采集单元ADASIOOO，使能SPI接口开启采样。获得的原始信号经过模数转换变为数据，由微控制器接收。然后微控制器将接收的数据进行预处理，最后通过串口将处理过的数据发送给蓝牙。

5 算法设计

从人体采集到的原始信号十分微弱，极易受到周围环境的影响。故需要对原始信号进行预处理，得到平滑、干净的信号，以便于做后期分析。

心电信号的有用频谱集中在0.5-35 Hz，以200 Hz的采样频率获取心电信号。工频干扰由电磁场引起的干扰噪声，频率为50 Hz（或者60 Hz）的谐波，利用自适应滤波来滤除工频干扰。由于三次样条差值对低频信号影响较小，故采用三次样条差值方法来抑制基线漂移。肌电干扰的幅度为毫伏级，频谱范围分布在5-2 000 Hz。参考信号与心电信号里的肌电干扰具有相关性，因此，选用自适应滤波来处理ECG信号。自适应滤波的基本原理如图4所示。

输出信号y（n）是输入信号x（n）通过系数可调的加权滤波的结果。期望信号d（n）与输出信号y（n）比较，得到误差e（n）。通过特定的自适应算法调节滤波器权系数w（n），最终使误差信号的均方差E{e2（n）}达到最小。

LMS算法利用瞬时平方误差分析自适应滤波的性能，寻找最佳滤波状态。其滤波器权系数公式为：

式中，μ为步长因子，决定着滤波器的性能和收敛速度。

为了减少步长因子u的影响，采用归一化最小均方算法（Normalized Least Mean Square，NLMS）解决这个问题。其滤波器权系数公式为：式中，表示n时刻输入信号矢量。y参数是为了防止x7㈣x㈤太小，一般y的取值范围为O

6实验测试

实验采用MATLAB软件仿真验证。从MIT-BIH心电信号数据库选取103号心电数据作为样本信号（见图5）。图5（a）选取的样本信号，图5（b）是肌电噪声信号。从图5（c）可以看出，滤波后心电信号后中的肌电干扰即高频的高斯白白噪声得到了明显的抑制。虽然在小范围内仍存在干扰，从整体效果来看，该滤波算法能满足要求。

7结语

在本文中，设计了一种可穿戴心电监测系统用于获取心电信号。我们讨论了系统的整体设计流程，并设计滤波算法应用于数据降噪处理。测试结果显示，该滤波算法可靠，稳定性好。在未来的工作中，我们将深入分析健康监护设备，并且提升系统的效率和精度。

[参考文献]

[1]SHOUMAN M， TURNER T，STOCKER R.Using data mining techniques in heart disease diagnosis and treatment[C].Alexandria Electronics. Communications and Computers（ JEC-ECC）， 2012： 173-177.

[2]劉丽丽.基于自适应滤波器和小波变换的ECG预处理算法的研究[D].长春：吉林大学，2012

[3]李宏恩.心电信号检测中滤除肌电干扰的方法[J]电子科技，2014 （2）：66-67.

[4]蓝和慧，胡浩瀚，孟祥冉，等.基于小波变换滤波算法的便携心电测试仪设计[J]渤海大学学报（自然科学版），2015 （3）：249-255.

[5]王晓花，徐学军，何秋娅.一种ECG信号WL电干扰去除方法的研究[J]智能计算机与应用，2015 （1）：59-62

[6]江伟，袁芳，杨柳青.心电信号中去除肌电干扰信号的研究[J].安徽大学学报（自然科学版），2017 （3）：85-89

[7]孙明丽.用于心电信号去噪的自适应方法研究[D].天津：天津理工大学，2014

[8]万相奎，唐文普，张赖，等.改进的三次样条插值心电基线漂移滤波法[J]生物医学工程学杂志，2016 （2）：227-231

[9]陈丛，卢启鹏，彭中琦.基于NLMS自适应滤波的近红外光谱去噪处理方法研究[J].光学学报，2012 （5）：286-291