基于虚拟仪器的心电信号采集及分析方法研究

摘要

随着全球人口老龄化趋势加强，如何妥善解决空巢家庭中老年人的养老保障问题，将成为全人类共同面对的课题，面对这一社会问题，开发家庭服务机器人迫在眉睫，而多参数监护系统是家庭服务机器人的一个重要研究内容。心电信号中包含着人体最基本、最重要的生理信息，是诊断心血管疾病的重要依据，并且心电图技术具有操作简单、无创、易阅、重复性好等特点，故而心电成为多参数监护系统的主要监护内容。作为国家863计划资助项目“智能敏捷家庭助理机器人平台”的一个子课题，本文设计了一套基于虚拟仪器的十二导联心电信号采集和分析系统，最后将采集到的信号和初步分析结果发送给机器人。主要研究内容包括：
　　 ⑴基于USB总线即插即用、接口简单、传送速率高的特点，本文选择了USB数据采集卡来采集十二导联心电数据，采用北京阿尔泰公司的USB2821卡，直接和计算机的USB接口相连，并在LabVIEW平台上通过调用动态链接库来编写应用程序，实现上位机和下位机的数据传送。
　　 ⑵针对心电信号极其微弱、背景噪声较强的特点，本文采用了基于小波变换的预处理算法，并对现有的阈值处理方法进行了改进，选择了最优小波基和最佳分解层数，对不同层的小波系数采用不同的阈值处理方法，有针对性的去除心电信号中的基线漂移、工频干扰和肌电干扰等主要噪声。
　　 ⑶在对信号进行预处理的基础上，本文首先提出了基于单导联的特征提取方法，本算法对Mallat算法进行了改进，去掉了其中的二抽样，采用多孔算法对信号进行小波变换，通过查找小波系数中的模极值对来对R波进行定位，并采用一系列补偿策略来提高检测的准确率，最后用MIT-BIH心律失常数据库中的数据对本算法进行了评估。
　　 ⑷由于单导联的特征提取方法存在一定缺陷，本文又提出基于小波熵的多导联特征提取方法，先对信号进行主成分分析，降低信号维度，对降低维度后的信号进行小波变换，根据小波熵的峰值个数和方差等对信号进行类周期分类，进而确定R波的位置，最后采用St. Petersburg心律失常数据库中的数据对算法进行了评估。
　　 ⑸整体设计了十二导联心电信号采集和分析系统，编写了图形用户界面、实时采集和显示模块、数据回放模块、数据处理分析模块和数据保存模块。在数据保存模块中，本文采用了两种方式对数据进行保存，一种是基于数据库的存储方式，另外一种是基于XML文档的存储方式。