[发明专利]基于小波变换和K平均聚类算法的心电信号P波提取方法

摘要

本发明公开了基于小波变换和K平均聚类算法的心电信号P波提取方法，具体包括以下步骤：S1、首先利用零相位数字滤波方法分别消除高频的50Hz干扰和低频的基线漂移干扰，然后将除噪后的心电信号重采样至某一固定采样率，S2、将S1重采样后的心电信号归一化，使其值分布在‑0.5与0.5之间，本发明涉及心电信号处理技术领域。该基于小波变换和K平均聚类算法的心电信号P波提取方法，很好的实现了能够在各种心律失常情况下和噪音干扰下更稳健可靠的提取P波，同时可以更准确的判断P波是否可见，相对现有技术范围大为拓展，可以涵盖所有可能的P波，无需通过人为定义的规则确定P波位置，因此算法性能更优鲁棒性更佳。

主权项

1.基于小波变换和K平均聚类算法的心电信号P波提取方法，其特征在于：具体包括以下步骤：S1、首先利用零相位数字滤波方法分别消除高频的50Hz干扰和低频的基线漂移干扰，然后将除噪后的心电信号重采样至某一固定采样率：S2、将S1重采样后的心电信号归一化，使其值分布在‑0.5与0.5之间，根据心电信号QRS波的频谱特征确定感兴趣的频率范围为11Hz到40Hz，在心电信号的左右两端各添加一段数据，以消除边界效应，然后对归一化后心电信号在目标频率范围内做连续小波变换，计算得连续小波变换系数后，将两端虚拟样本去除；S3、对S2获得的小波变换系数，在各个时刻求不同频率上小波变换系数的平方和，从而获得各时刻心电信号在频域的能量值，然后定义一个宽度为0.3秒的移动小窗，在各小窗内寻找心电能量极大值，每个心电能量极大值所对应的时刻为一个疑似QRS波峰，该移动小窗逐个样本向右移动，由此我们会得到一列疑似QRS波峰；S4、在S3得到一列疑似QRS波峰的过程中，要去除重复的疑似QRS波峰，从疑似QRS波峰开始，向左搜寻该QRS波的起始位置，如果一直向左移动超过最大搜索距离仍未找到符合条件的起始位置，则该波不是真实QRS波，应丢弃，同时从疑似QRS波峰开始，向右搜寻该QRS波的终止位置，如果一直向右移动超过最大搜索距离仍未找到符合条件的终止位置，则该波不是真实QRS波，应丢弃；S5、对各疑似QRS波，分别计算QRS波波峰处的能量值、QRS波峰处的电压绝对值、该QRS波与前一个疑似QRS波的间隔、该QRS波的宽度和该疑似QRS波的平均电压变化速率；S6、对经心电专家标记过的心电数据库，按以上步骤S1‑S5进行处理，获得一个心电QRS波形的特征矩阵，该矩阵的行数等于所有疑似QRS波的数目，对各疑似QRS波，与专家标记的QRS波进行比对，判断其是否为真实QRS波形，然后将前一步骤获得的特征矩阵输入一个逻辑回归模型中，以梯度下降法为优化方法，设置学习率为0.02，迭代直至收敛，训练中，采用留1交叉验证的方法，即将训练数据随机分成K份，取其中K‑1份做训练，剩下1份做验证，如此重复N次，全部训练完成后对所得N个模型做平均，得到最终模型，最后，以F1分数为指标选取概率阈值，在阈值以下，认为QRS波为假，阈值以上，认为QRS波为真；S7、对任一新的待分析的心电数据，采用步骤S1至步骤S5中的方法进行处理，获得一组疑似QRS波，对每一个疑似QRS波，采用前步中训练获得的模型进行分类，获得其为真实QRS波的概率，再利用步骤S6中确定的概率阈值最终决定每一个疑似QRS波是否为真实QRS波，至此，对任一心电数据的QRS特征的提取完成，对各个检测出的QRS波的分类结果做平均可获得所属心电数据的质量信息；S8、对步骤S1中获得的重采样后心电信号进行再处理，以突出T波部分，对各个QRS波群进行处理，再对得到的信号在选定频率范围内做小波变换，该频率范围包含T波的主要信息，然后对获得的小波变换系数在各个时刻求不同频率上小波变换系数的平方和，从而获得各时刻信号在频域的能量值，之后对获得的能量信号进行平滑操作，具体方法是对每个时刻求以其为中心的20毫秒内所有能量值的平均值，以该平均值代替此时刻的能量值，标记平滑后的能量信号为TES，然后对各个QRS波群确定对应T波的搜索范围；S9、对各个QRS波群，找到TES在对应T波搜索范围内的最大值，此为T波波峰或波谷，从T波波峰或波谷开始，向左搜寻该T波的起始位置，再从T波波峰或波谷开始，向右搜寻该T波的终止位置，之后进一步对找到的各T波起始、波峰或波谷和终止位置进行优化，至此，T波起始、波峰或波谷、终止位置的提取完成；S10、对步骤S1中获得的重采样后心电信号在选定频率范围内做小波变换，该频率范围包含P波的主要信息，再对获得的小波变换系数在各个时刻求不同频率上小波变换系数的平方和，从而获得各时刻信号在频域的能量值，记为能量信号PE，然后对各个QRS波确定对应P波的搜索范围为前一个T波终止位置到当前Q波起始位置之间，之后在各P波搜索范围内，从当前Q波起始位置向左查找所有可能的P波；S11、对各疑似P波，计算各种波形特征，再对所有疑似P波，依据其PR间隔，利用K平均聚类算法将它们分成K类，然后从K类P波中，选取更大概率为真实P波的各个聚类加入聚类集S，之后将聚类集S中的各个聚类所包含的所有P波按照其是否为“半圆”形分成四类，然后对类X1中的所有P波，分别判断其是否明显为假P波，如果判断为假P波从X1中去除；S12、对类X2中的所有P波，分别判断其是否明显为假P波，如果判断为假P波从X2中去除，再对类X1中剩余的P波，找出各自对应的QRS波群，如果某一个QRS波对应多于一个P波，只保留幅值最大的一个P波，然后对类X2中剩余的P波，找出各自对应的QRS波群，如果某一个QRS波对应多于一个P波，只保留幅值最大的一个P波，之后假设类X1和类X2中均包含至少一个P波，那么从类X1和类X2中做一个选择，选取的聚类所包含的各P波即为最终提取出的所有P波，至此，P波起始、波峰或波谷、终止位置的提取完成。