使用LabVIEW进行心电信号处理

　　1. 心电信号预处理

　　心电信号预处理可以帮助用户去除心电信号中的污染。广义上讲，心电信号污染可以分为如下几类：

　　• 电源线干扰

　　• 电极分离或接触噪声

　　• 病人电极移动过程中人为引入的伪影

　　• 肌电（EMG）噪声

　　• 基准漂移

　　在这些噪声中，电源线干扰和基准漂移是最为重要的，可以强烈地影响心电信号分析。除了这两种噪声，其它噪声由于可能是宽频带的且复杂的随机过程，也会 使心电信号失真。电源线干扰是以60 Hz (或 50 Hz)为中心的窄带噪声，带宽小于1Hz。通常，心电信号的采集硬件可以消除电源线干扰。但是，基准漂移和其它宽带噪声通过硬件设备很难抑制。而软件设计 则成为更为强大而可行的离线式心电信号处理方法。用户可以使用以下方法来消除基准漂移和其它宽带噪声。

　　消除基准漂移

　　基准漂移的产生通常源于呼吸，频率在0.15 到 0.3 Hz之间，可以通过使用高通数字滤波器进行抑制。用户还可以使用小波变换通过消除心电信号的趋势来消除基准漂移。

　　1. 数字滤波器方法

　　LabVIEW 的DFDT工具箱提供了图形化和交互式的方法，用于快速而高效地设计和实现有限冲击响应(FIR)或无限冲击响应(IIR)滤波器。例如，用户可以使用Classical Filter Design Express VI设计Kaiser窗FIR高通滤波器消除基准漂移。图3显示了一个高通滤波器的实例，用户可以使用这个实例VI的程序框图来消除基准漂移。

图3 设计并使用高通滤波器消除基准漂移

　　2．小波变换方法

　　除了数字滤波器，小波变换也是一种消除指定频带内信号的有效方法。LabVIEW ASPT工具箱提供了WA Detrend VI，它可以消除信号的低频趋势。图4显示了使用WA Detrend VI消除基准漂移的实例。

图4 使用WA Detrend VI消除基准漂移

　　这个实例使用了Daubechies6 (db06)小波，因为这种小波与实际的心电信号相似。在这个实例中，心电信号的采样周期为60秒，共1200个采样点。这样根据如下公式，趋势级别为0.5：

　　其中，t是采样周期而N为采样点数。

　　图5显示了原始的心电信号，以及由基于数字滤波器方法和基于小波变换方法处理后得到的心电信号。你可以看到处理后的心电信号在保持原有心电信号主要特 性的同时，几乎不含有基准漂移信息。你还可以注意到基于小波变换的方法更具优势，因为这种方法不引入延时，而且比基于数字滤波器方法的失真更小。

图5 基于数字滤波器和基于小波变换的方法比较

　　消除宽带噪声

　　在消除了基准漂移后，得到的心电信号比原来的信号更加清晰和稳定。但是，其它类型的噪声仍然会影响心电信号的特征提取。这些噪声是宽频带的复杂随机过 程，所以不能使用传统的数字滤波器。为了消除宽带噪声，需要使用Wavelet Denoise Express VI。

　　这种Express VI首先应用小波变换将心电信号分解到各个子带，然后利用阈值或收缩功能调整小波系数，最后重建出消除噪声后的信号。下图显示了对心电信号使用非抽样小波变换(UWT)的实例。