[发明专利]基于卷积自编码器的双阶段心电信号降噪方法

说明书

本发明公开了一种基于卷积自编码器的双阶段心电信号降噪方法。一种基于卷积自编码器的双阶段心电信号降噪方法，包括：准备的心电信号数据采样率为360HZ，心电信号的输入长度固定为统一长度，并给心电信号增加不同程度的噪声；给每一组数据准备了其对应的标签输出，输出即为干净的心电信号；心电信号降噪阶段；心电信号细节重建阶段。本发明的有益效果：本方法无需将心电信号转换成时频域或者是其他表达函数中，直接能够学习到心电信号的降噪过程，不会产生吉布斯效应；本方法不需要获得噪声参考信号；本方法通过信号的降噪和细节重建过程，能较好地还原出原始信号的细节部分与特征信号。

技术领域

本发明涉及心电信号领域，具体涉及一种基于卷积自编码器的双阶段心电信号降噪方法。

背景技术

在人体不同部位放置电极，并通过导联线与心电图机的正负相连，这种记录心电图的电路连接方法称为心电图导联。心电信号图本质上是一种心脏搏动时电位变化的时间-电压曲线图。在一个正常心动周期中，一个典型的ECG波形是由一个P波，一个QRS波群，一个T波，以及在50％～75％的ECG中可能见到的U波组成[1]。P波对应着心房去极化、QRS波群对应心室去极化、T波对应心室复极化的过程。如图1所示(参考国标YY 0782-2010/IEC60601-2-51：2003)。目前临床上应用的多是常规12导联(又称标准十二导联)系统，包括双极肢体导联(I、II、III导联)，加压单极肢体导联(aVR、aVL、aVF导联),胸导联(V1、V2、V3、V4、V5、V6导联)。

心电信号(ECG)能有效且无创地检测及预防心血管疾病，但是心电信号采集于人体表面，其振幅非常微弱，幅值范围一般在10uv-5mv内，使其极易受到不同种类的噪声污染，从而导致心电信号本身的有用信息被噪声淹没甚至丢失，信号的失真影响医生对心血管疾病的分析诊断，越来越多的国内外研究人员着重于研究心电信号的预处理，目的是将被干扰的心电信号从噪声中恢复出来，并且尽可能地重现出原始心电信号的细节。

心电信号受到的噪声干扰大致有以下四种，电极干扰、基线漂移以及肌电干扰工频干扰，1.电极干扰由贴在人体表面的电极片受到人体皮肤的阻抗和电位的变化产生；

2.基线漂移频率一般在0.05-2Hz之间，由呼吸、带电电机或者受试者运动引起；

3.肌电干扰来源于肌肉的收缩张运动，它的频率与心电信号的频率有一定的重叠。

4.工频干扰，由采样仪器设备缺陷或公共电网辐射引起。在ECG信号上表现为规律性的细小波纹，这种滋扰常常容易覆盖ECG中的细微转折，影响心电图在细节上的表现。

所有的这些噪声都有可能导致心电信号波形的变形，甚至影响到医生对疾病的诊断，因此，从心电信号中去除噪声变得非常必要。

近年来，心电信号的降噪方法不断改进及创新，有传统降噪方法和深度学习降噪方法。传统的心电信号降噪算法有基于小波变换的算法、经验模态分解法以及自适应滤波算法等等。

基于小波的降噪算法是目前较为流行的，该技术通过在时频域中分解信号来实现噪声消除，因其多尺度和多分辨率而广泛地应用在心电信号的降噪上。该算法利用硬阈值或者软阈值来处理小波系数，使得该算法对阈值的依赖程度很高。目前，基于软阈值的方法生成的心电信号相对于硬阈值的方法更加平滑以及有更好的连续性，尽管总体上有令人较为满意的降噪效果，但是软阈值会使得重构的ECG波形振幅失真，丢失了心电信号的有用波形信号。

经验模态分解法(EMD)与小波变换的方法类似，在基于EMD的降噪方法中，将噪声信号分解为某些本征模函数(IMF)，然后将包含最多噪声的IMF去除。最后，使用剩余的IMF重建信号。由于高频噪声嵌入在前几个IMF中，因此EMD方法可能无法完美地区分高频噪声和心电信号，并且传统的EMD难以自适应地选择合适的IMF。常见的自适应滤波器算法通常需要噪声参考信号作为输入，而这些信号难以用心电信号采集系统获得。