基于labVIEW的生物医学信号虚拟实验平台设计

孙金平 刘爱丽 刘迢迢 颜菲

摘要：为加强学生的理论学习效果，提高学生综合运用所学知识解决实际问题的能力，开发了基于LabVIEW的多功能生物医学信号处理实验平台，实现心电信号和脑电信号的滤波、特征提取、频谱分析等功能，方便学生直观了解常用生物医学信号处理方法，更好的服务理论教学。

关键词：心电;脑电;实验平台;labVIEW

Abstract： In order to strengthen students' effect of the theoretical learning and improve the ability to solve practical problems by using their knowledge comprehensively， a multi-functional biomedical signal processing experimental platform based on LabVIEW is developed to realize the filtering， feature extraction， spectrum analysis and other functions of ECG and EEG signals， so as to facilitate students to intuitively understand common biomedical signal processing methods and better serve the theory Teaching.

Key words： ECG; EEG; experimental platform;labVIEW

生物医学信号处理是生物医学工程专业的重要核心课程，旨在培养学生掌握生物信号处理的基本原理、方法，使学生具备获取、处理生物医学信号的能力。但是生物医学信号处理课程知识点和数学公式多、理论概念抽象，学生理解困难[1-3]。为培养学生综合运用多个理论知识点解决实际问题的能力，基于临床常见的心电和脑电信号，开发了多功能生物医学信号处理虚拟实验平台，使学生可以直观了解常用信號处理方法和效果， 提高学生理论联系实际、运用多种信号处理知识解决一类信号问题的综合实践能力。

LabVIEW是美国NI公司推出的一种基于图形化编程语言的虚拟仪器软件开发工具，?可?快速?访问?硬件?和?数据?信息。它?提供?了?一种?可?视?化?、图形?化?编?程?方法，?可?直观?显示?应用?的?各个?方面。?程序?框?图可?直观?地?表示?复杂?的?逻辑，?开发?数据?分析?算法;控件面板集成常用工程控件，可?自?定义??用户?界面[4]。LabVIEW集成多种常用编程、测量、数据通信、数学、信号处理等常用函数，具有开发周期短、运行速度快、使用方便灵活等优点。

1 信号简介

心电图（Electrocardiogram，ECG）和脑电图（Electroencephalogram，EEG）是临床常用检查[5-6]。在正常心动周期中，一个典型的心电波形主要包括P波，QRS波群，S-T段、T波，各波形和波段分别表示不同的心脏电生理活动特征[7]。实验平台用心电数据来自PhysioBank[8]中的MIT-BIH Arrhythmia Database数据库[9]，共48组心电数据，它是目前国际上公认的标准的心电数据库之一，数据采样频率为360Hz。

脑电图按频率大致划分为四个波段，即δ（1-4Hz）、θ（4-8Hz）、α（8-13Hz）、β（13-30Hz），不同频率波形表征不同的大脑活动[10]。实验平台用脑电数据来自PhysioBank 中的EEG During Mental Arithmetic Tasks数据库[11]，共35组，每组数据包含受试者在执行心算任务之前和期间的脑电记录，数据采样频率为500Hz。

2 实验平台设计

实验平台包括心电处理和脑电处理两大部分。集成了IIR滤波器、FIR滤波器、小波变换、频谱分析等信号处理知识，实现交互式窗口设计，可以实时查看设置不同参数对信号处理效果的影响。系统结构图见图1。

2.1 数据预处理

数据预处理可以提高信号中有效数据的质量，从而有助于提高后续数据处理的精度。实验分别选取有限冲激响应滤波器（FIR）、无限冲激响应滤波器（IIR）和小波变换方法对心电和脑电信号进行滤波[12]。FIR滤波器具有线性相位、容易设计等优点;IIR滤波器可用较低的阶数获得高的选择性，所用的存储单元少，计算量小，效率高;小波变换则具有多分辨率的特点，可在不同尺度下对信号进行滤波。通过选择不同的滤波参数或滤波器组合，可观察不同类型滤波器以及同一类型滤波器设置不同参数时的滤波效果。

2.2 特征提取

R波是心电信号中最明显的信号特征，R波的正确提取是计算心率、分析心率变异性等其他参数的基础[13]。R波具有幅值大、变化剧烈等特点，同时，不同人心电信号的R波有一定的差异，因此选用差分自适应阈值法提取心电信号R波[14-15]。学生可直观地了解不同滤波效果对R波提取准确度的影响。

2.3 频谱分析

信号频谱代表了信号中不同频率分量成分的大小，它能够提供比时域信号波形更直观、更丰富的信息。采用快速傅立叶变换对脑电信号进行频谱分析，以频率为横坐标描述信号的频率成分，并观察不同滤波方法对脑电信号频谱幅值的影响。

3 实验平台实现

按照实验平台设计方案，分别开发了心电和脑电数据实验平台，包括数据读取模块、数据预处理模块、心电特征提取模块、脑电频谱分析模块。

3.1数据读取模块

实验平台可任意选取48组心电数据中的任一组心电数据和35组脑电数据中任一组脑电数据进行显示和处理。下文图示中分别选取100组心电数据和Subject00_1组脑电数据的10秒长数据进行处理。

3.2数据预处理模块

分别设计FIR滤波器、IIR滤波器和小波变换滤波器的前面板和程序框图，可选择单一滤波器，也可采用组合滤波器。分别显示滤波前后的信号，便于直观观察不同滤波器或不同滤波参数的滤波效果。FIR滤波器可以选择窗函数、等波纹等设计方法，低通、高通、带通、带阻等滤波类型，可显示滤波器的频率特性图。IIR滤波器可以选择Butterworth、Bessel、Chebyshev、Elliptic等设计方法，低通、高通、带通、带阻等滤波类型，设置滤波器阶数，可显示滤波器的频率特性图。小波变换滤波器可以选择不同的小波函数，设置不同的分层层数以及各层系数，可显示变换后的小波系数。FIR、IIR滤波器设置界面见图2，小波变换滤波器子程序框图见图3。

3.3 特征提取模块

选取10秒长即3600个数据长度的心电信号进行特征提取，采用差分自适应阈值法提取R波，每次濾波结束后自动进行R波位置检测，观察不同滤波方法对特征提取效果的影响。心电R波检测效果见图4。

3.4 频谱分析模块

选取10S的脑电数据进行频谱分析，分别显示滤波前后的脑电幅度谱，观察不同滤波器对脑电频谱的滤波效果。应用小波变换滤除低频分量，滤波前后的频谱对比见图5。

4 结束语

实验平台集合了滤波器设计、特征提取、频谱分析等常用信号处理知识，提升了运用多种信号处理知识解决某类信号问题的综合实践能力，熟悉了系统的、完整的信号处理流程。采用交互式界面，学生直观了解信号处理结果，验证了理论知识，激发了学习兴趣，更好地服务了理论教学。

参考文献：

[1] 饶妮妮，杜晓川，欧凤.生物医学信号处理课程研究性教学的探索与实践[J].高教论坛，2011（8）：78-80.

[2] 胡广书，汪梦蝶.生物医学信号处理研究综述[J].数据采集与处理，2015，30（5）：915-932.

[3] 韩萍，康健.基于LabVIEW的信号处理技术应用演示及实验系统设计[J].实验技术与管理，2010，27（7）：99-103.

[4] 张丙才，刘琳，高广峰，等.基于LabVIEW的数据采集与信号处理[J].仪表技术与传感器，2007（12）：74-75.

[5] 金林鹏，董军.基于集成学习的临床心电图分类算法研究[J].生物医学工程学杂志，2016，33（5）：825-833.

[6] 谢松云，张振中，杨金孝，等.脑电信号的若干处理方法研究与评价[J].计算机仿真，2007（2）：326-330.

[7] 卢喜烈.心电图基础理论[M].天津：天津科学技术出版社， 2005.

[8] Goldberger A L， Amaral LAN， Glass L， et al. PhysioBank， PhysioToolkit， and PhysioNet： Components of a New Research Resource for Complex Physiologic Signals [J]. Circulation 101 （23） ：e215 - e220.

[9] MOODY G B， MARK R G. The impact of the MIT-BIH Arrhythmia Database[J]. IEEE Eng in Med and Biol， 2001， 20（3）：45-50.

[10] 李颖洁.脑电信号分析方法及其应用[M].北京：科学出版社， 2009.

[11] Zyma I， Tukaev S， Seleznov I，et al. Electroencephalograms during Mental Arithmetic Task Performance [J]. Data，2019， 4（1）：14.

[12] 岳洪伟.基于LabVIEW的数字信号处理虚拟实验平台实现[J].实验技术与管理，2011，28（8）：70-72.

[13] 吴建，李康，庞宇，等.基于差分阈值与模板匹配的心电R波提取算法[J].重庆邮电大学学报（自然科学版），2015，27（3）：372-376.

[14] 张胜，吴仲光，李征.一种自适应R波检测算法实现[J].四川大学学报（自然科学版），2008（3）：498-502.

[15] 李秀丽. 基于小波变换的心电QRS波群检测算法的研究[D].济南：山东大学，2013.

【通联编辑：王力】