基于虚拟仪器的心电信号采集及分析方法研究

论文摘要

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。本课题在研究过程中主要做了下面几个方面的工作：（1）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。（2）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。（3）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。（4）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。（5）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。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题的来源及意义
• 1.2 研究现状
• 1.2.1 多参数监护系统的应用现状
• 1.2.2 心电检测研究概况
• 1.3 本课题的主要研究内容
• 1.4 本章小结
• 第二章 理论基础
• 2.1 心电信号生理学基础
• 2.1.1 心电信号的产生机理
• 2.1.2 心电信号的特征点
• 2.1.3 心电导联
• 2.2 虚拟仪器
• 2.2.1 虚拟仪器的概念
• 2.2.2 虚拟仪器的组成
• 2.3 小波变换理论
• 2.3.1 小波基函数
• 2.3.2 连续小波变换
• 2.3.3 离散小波变换
• 2.4 本章小结
• 第三章 心电信号采集系统
• 3.1 系统的硬件实现
• 3.1.1 心电信号放大器
• 3.1.2 USB数据采集卡
• 3.2 系统的软件实现
• 3.2.1 总体结构
• 3.2.2 LabVIEW的DLL调用
• 3.2.3 USB口采集程序的设计
• 3.3 本章小结
• 第四章 心电信号的预处理
• 4.1 心电信号中的噪声
• 4.2 预处理常用算法
• 4.3 基于小波变换的心电去噪
• 4.3.1 小波阈值消噪原理
• 4.3.2 小波函数的选择
• 4.3.3 分解层次的确定
• 4.4 小波变换去噪分析
• 4.4.1 心电消噪具体算法
• 4.4.2 消噪结果
• 第五章 心电信号的特征提取
• 5.1 心电信号R波提取的常用方法
• 5.2 基于单导联的R波特征提取
• 5.2.1 小波变换及其对心电信号的表征
• 5.2.2 基于小波变换模极大值的R波提取算法
• 5.3 基于多导联的心电R波提取
• 5.3.1 主成分分析
• 5.3.2 小波熵分析
• 5.3.3 基于多导联的心电特征提取算法实现
• 5.3.4 检测结果
• 5.4 本章小结
• 第六章 信号的存储和显示
• 6.1 数据的存储
• 6.1.1 基于xml文件的存储方式
• 6.1.2 基于数据库的存储方式
• 6.2 界面的显示
• 6.3 本章小结
• 第七章 总结与展望
• 7.1 总结
• 7.2 展望
• 参考文献
• 致谢
• 作者攻读硕士学位期间参加的项目
• 学位论文评阅及答辩情况表