基于自适应滤波的心电图中呼吸信号的提取方法

基于自适应滤波的心电图中呼吸信号的提取方法作者：席涛 杨国胜 汤池 焦腾    【关键词】  呼吸检测　　Method for deriving respiratory signal from ECG signal based on adaptive filtering  XI Tao, YANG GuoSheng, TANG Chi, JIAO Teng  Department of Electronics, School of Biomedical Engineering, Fourth Military Medical University, Xian 710033, China　　【Abstract】 AIM:  To design a new method to extract the respiratory signal from the ECG signal by adaptive filtering based on the recursive leastsquare (RLS) algorithm. METHODS:  After processing the ECG signal, we selected the Rwave amplitude sequence and the RR interval sequence as the primary input and the reference input of the adaptive filter based on the recursive leastsquare (RLS) algorithm to estimate the respiratory signal. RESULTS:  The estimated respiratory signal obtained by the adaptive filter showed well pertinence in time domain and frequency domain to the real respiratory signal. CONCLUSION:  The method for deriving respiratory signal from ECG signal based on the adaptive filtering is well designed and the result is reliable. It is a highly efficient, noninvasive and lowcost approach for the respiration detection.　　【Keywords】 respiration detect；ECG signal；adaptive filtering；RLS algorithm　　【摘要】 目的: 利用基于递归最小二乘(recursive leastsquare, RLS)算法的自适应滤波器对心电图信号进行滤波，提取心电信号中的呼吸信号. 方法:  通过对常规的肢体导联心电检测设备获取的心电信号进行处理，提取心电特征信号R波幅度序列和R波间期序列作为自适应滤波器的原始输入信号和参考信号，通过RLS算法的自适应滤波，提取心电图中调制的呼吸分量. 结果:  经过时、频域分析，自适应滤波后估算出的呼吸信号与真实的呼吸信号在时域和频域都显示出了良好的相关性. 结论:  本方法设计合理，结果准确可靠，是一种简便高效、无创、低成本的呼吸监护手段.　　【关键词】 呼吸检测； 心电图信号； 自适应滤波； 递归最小二乘法0引言　　心电图是临床诊断心血管疾病一项重要的无创检查方法. 大量临床资料显示，动态心电信号常伴有严重的基线漂移，其频率范围一般在0.05～2.00 Hz之间. 由于其与心肌缺血和心肌梗死的主要判定依据的心电信号ST段和Q波频率分量接近，为避免误诊，这类噪声通常作为无用信息被滤除掉［1］. 近年来研究发现，心电图中心率和QRS波群表现出的周期性波动主要是因为呼吸运动的影响. 这是由于呼吸周期内，描述心脏电波主要传播方向的心脏电轴旋转造成QRS波群形态发生了变化. 呼吸同样也会导致心率的显著波动，吸气时心率加速，呼气时心率减缓. 也就是说，心电图中作为噪声被滤除掉的部分包含有呼吸信息，这就为我们通过对心电信息的分析研究获取呼吸信号的方法提供了事实依据. 本研究拟用基于递归最小二乘(recursive leastsquare, RLS)算法的自适应滤波器对心电图信号进行滤波，以获取调制于其上的呼吸信号.1方法　　1.1自适应滤波自适应滤波是近30 a来发展起来的信号处理方法，广泛应用于系统辨识、回波消除、自适应谱线增强、自适应信道均衡、语音线性预测、自适应天线阵等诸多领域中. 当输入信号的统计特性未知或者变化时，自适应滤波器能够自动地迭代调节自身的滤波器参数，以满足某种准则的要求，从而实现最优滤波［2,3］. Fig 1给出了自适应滤波器的一般原理框图. 其中，k为迭代次数，x(k)表示输入信号，y(k)为自适应滤波器输出信号，d(k)定义了期望信号. 误差信号e(k)可以根据d(k)-y(k)计算得出. 为了确定滤波器系数的适当更新方式，利用误差信号构造一个自适应算法所需的性能函数（或者目标函数）. 目标函数的最小化意味着在某种意义上，自适应滤波器的输出信号与期望信号实现了匹配.　　1.2利用RLS算法自适应滤波提取调制于心电信号中的呼吸信号RLS算法源自于最小方差的方法，其目的在于选择自适应滤波器的系数，使观测期间的输出信号y(k)与期望信号在最小二乘的意义上最匹配. 经过验证，呼吸信号对R波间期（RR）时间序列和R波幅度（RW）时间序列的作用是附加的，它的传播路径等价为一个线性滤波器. 而且RR时间序列和RW时间序列中的噪声成分互不相关，它们与呼吸信号也不相关. 因此，本研究中设计的自适应滤波器以RR序列作为原始输入，RW序列作为参考信号，试图消除两个序列中相关的成分使方差最小化为MSE=［e2k］，从而估算出调制于心电信号之上的呼吸信号.　　图1自适应滤波原理框图　(略)　　Fig 2为对心电信号进行自适应滤波以提取呼吸信号的原理图. 在我们的应用中自适应滤波器被作为有限长冲激响应（FIR）滤波器. 滤波器（估算信号）的输出yk给出如下：yk=WTkXk（1）XTk=［X0,k,…,XL-1,k］是输入序列长度为L的向量，而WTk=［w0,k,…,wL-1,k］是L阶权重的自适应滤波器系数向量，它们刻画出了滤波器传递函数的性质.　　图2RLS自适应滤波法提取心电信号中呼吸信号原理图　(略)　　误差信号的公式如下：ek=dk-yk=dk-WTkXk因此，MSE可以被表示为如下形式：MSE=E［e2k］=E［(dk-WTkXk)2］ （2）RLS算法引入误差信号的加权平方和εk=Σk〖〗i=1λk-1e2i（3）　　这里ei=di-WTkXi，参数λ为指数加权因子，其值选择在0λ≤1范围内. 该参数也称为遗忘因子，因为过去的信息对系数的更新来说，其可忽略程度是不断增加的.　　由于每一个误差是由期望信号和最近采用的系数Wk得到的滤波器输出之差所组成，所以通过逐次迭代并将εk对Wk进行求导，可以得到最优系数向量RLS算法逐次更新系数向量Wk为：Wk=［Σk〖〗i=0λk-iXiXTi］Σk〖〗i=0λk-iXidi（4）并因此使得误差在每次迭代过程中都被重新计算和优化. 当均方差E［e2k］达到极小时，滤波器的输出yk将趋近于真实的呼吸信号.2结果　　采用的心电信号由LMS2B型二道生理记录仪进行肢体导联检测，真实的呼吸信号由束缚在受试者胸部的压电传感器获得，信号采集系统采用12位精度的USB接口数据采集卡，采样频率为1 kHz. 检测对象为26岁健康男子，信号在其静止坐立、自由呼吸情况下进行采集.　　本研究方法首先应对收集到的原始心电信号进行简单预处理，滤除高频噪声以及工频干扰. 然后通过对心电信号进行数据处理，通过设定阈值的方法分别提取出RW间期序列数据和RR序列数据作为原始输入信号和参考信号. 最后再分别对原始信号和输出信号作FFT变换，在频域对信号进行频谱分析，检验估算结果和算法效果(Fig 3, 4).　　图3－图5　(略)　　呼吸行为对于心脏和循环系统有很重要的影响，人体呼吸的监测对于临床诊断具有非常重要的作用. 自适应滤波技术是获取由心电图提取呼吸信号的一项有力的工具. 采用自适应滤波设计，能自动跟随实际噪声信号频率变化，克服传统滤波器滤波频率固定的不足；参考输入信号直接取自原始ECG信号，不必另外添加测量电极，降低硬件成本. 更为重要的是，当呼吸信号无法直接获取时，它为传统的心电图分析甚至是长期Holter监护记录提供了新的临床信息.【参考文献】　　［1］ 李小燕，王涛，冯焕清，等.  基于小波变换的自适应滤波器消除ECG中基线漂移［J］. 中国科学技术大学学报，2000; 30(4): 450-454.Li XY, Wang T, Feng HQ, et al. Removal of ECG baseline drift using adaptive filter based on wavelet transform ［J］ . J Chin Univ Sci Technol, 2000; 30(4): 450-454. 　　［2］ Paulo S. R. Diniz. Adaptive filtering: Algorithms and practical implementation (Second Edition) ［M］.  Peking: Publishing House of Electronics Industry , 2004:121-143.　　［3］ 邹艳碧，高鹰. 自适应滤波算法综述［J］. 广州大学学报（自然科学版）, 2002; 1(2): 44-50.Zou YB, Gao Y. A summary of adaptive filtering algorithms ［J］ . J Guangzhou Univ (Nat Sci Edition), 2002; 1(2) : 44-50.