1.本发明涉及心电信号降噪技术领域，具体为一种基于奇异值分解的心电信号中肌电噪声去除方法。
背景技术：2.目前心血管疾病的已经成为威胁我国居民的最严重疾病之一，心血管疾病的预防和监测成为不可忽视的问题，心电信号作为人体最直接生理信号，能够反应心脏健康状况，但心电信号容易受到各种噪声的干扰，包括基线漂移、市电干扰、肌电噪声，其中肌电噪声主要是人体肌肉微小运动产生，其频域范围与心电信号频域重叠，无法采用基于频域分割的滤波器去除，肌电噪声的去除已经成为心电信号滤波的难点。
3.目前肌电噪声去除方法主要采用带通滤波器、小波变换阈值法等方法，带通滤波器主要基于傅里叶变换的频域滤波,其具有计算简单的优点、但无法去除肌电噪声和心电信号频域重叠部分；小波变换是一种新的变换分析方法，它继承和发展了短时傅里叶变换局部化的思想，同时克服了窗口大小不随频率变换的缺点，能对时间(空间)局部化分析，小波阈值法就是利用小波变换将心电信号分解为不同层次的细节系数与相似系数，然后对系数采用软硬阈值方法去除噪声，最后采用小波逆变换对子带信号重构得到干净心电信号，小波变换能够突出信号的特征，但阈值的选择较为困难，阈值过大，则会造成信号的失真和过度降噪，阈值选择过小，噪声去除不完成。
4.现有方法都只适用于心电信号中不含或者包含少量肌电噪声，带通滤波器和小波变换阈值法只能去除微弱的肌电噪声，对于运动场景，心电信号中包含大量肌电噪声，降噪效果较弱，无法适用于较大信噪比情况；同时现有方法未考虑心电信号本身具有的准周期性质，即人体心脏跳动的规律性，带通滤波器使用噪声和信号频率不同进行滤波，但肌电噪声和心电信号频域具有重叠部分，小波变换考虑将信号分解为子带信号，然后使用阈值法去除，但子带信号中肌电噪声无法衡量。
技术实现要素：5.(一)解决的技术问题
6.针对现有技术的不足，本发明提供了一种基于奇异值分解的心电信号中肌电噪声去除方法，本发明方法能够利用心电信号的准周期性质，构造轨迹矩阵，然后使用奇异值分解提取主要波形特征，提高了滤波前后心电信号的相关性和输出信噪比，减少了均方根误差，实现不同噪声层次下肌电噪声的有效去除。
7.(二)技术方案
8.为实现以上目的，本发明通过以下技术方案予以实现：一种基于奇异值分解的心电信号中肌电噪声去除方法，具体包括以下步骤：
9.s1、合成噪声心电信号：合成噪声信号主要用于验证算法的有效性以及评价降噪效果，使用干净心电信号和肌电噪声在不同放大系数上叠加合成污染程度不同的模拟噪声
信号；
10.s2、寻找心电信号qrs波：寻找心电信号qrs波提取心电信号主要特征，心电信号包含p波、t波、qrs波等，其中qrs波具有最大的幅值和能量，是心电信号分析中必不可少的步骤；
11.s3、计算相邻r波间隔：计算相邻r波间隔根据已有r波位置计算rr间隔(两个相邻r波间隔)，得到不同长度rr波间隔，rr波数组如下rr＝[r1r2,r2r3,r3r4,
…rn-1rn
]；
[0012]
s4、分割心拍：分割心拍将心电信号切分成以r波为中心的不同片段，具体思想如下，根据上一步得到的rr间隔数组得出与左侧r峰间隔r
l
r，右侧r峰间隔rrr，最大心拍间隔rr
max
，向被选取r峰左侧取0.5r
l
r,向r峰右侧取0.5rrr长度作为一个完整心拍，此时分割得到的心拍长度不相等，左右同时填充0至0.5rr
max
，心拍总长度统一为rr
max
+1；
[0013]
s5、构造轨迹矩阵：构造周期轨迹矩阵将前面处理的一系列心拍序列叠加构成二维轨迹矩阵，其中a轨迹矩阵的公式为：
[0014][0015]
s6、奇异值分解：奇异值分解将二维矩阵分解成相互成交的特征值和特征向量，奇异值分解是一种矩阵分解方法，其定义为：a＝uσv
t
,u、v为矩阵a分割后的左右奇异矩阵，σ除主对角线以上元素全为0，主对角线元素称为奇异值，奇异值从大到小排列，最大奇异值代表信号主要成分；
[0016]
s7、选取奇异值：重构心电信号时，选取最大奇异值作为干净信号，其他奇异值作为噪声置0，然后重构出二维信号矩阵，最后将矩阵中每一行取出还原出干净ecg信号；
[0017]
s8、心电信号还原：将二维矩阵还原成已滤波的干净信号。
[0018]
优选的，所述步骤s3中数组中r1r2表示第一个r峰和第二个r峰之间间隔。
[0019]
优选的，所述步骤s5中s1为第一个r峰所在位置，z为最大rr间隔的一半长度作为基准长度，矩阵中每一行代表一个分割完成后的心拍，一条心电信号由n个心拍组成，其中每个心拍的r位置sn是严格对齐的。
[0020]
优选的，所述步骤s7中重构出的二维信号矩阵公式为：a
′
＝u1σ1v1，其中a
′
为重构的信号矩阵，σ1为最大奇异值，u1，v1分别为奇异值所对应的奇异向量。
[0021]
(三)有益效果
[0022]
本发明提供了一种基于奇异值分解的心电信号中肌电噪声去除方法。具备以下有益效果：
[0023]
(1)、该基于奇异值分解的心电信号中肌电噪声去除方法，相比于传统降噪方法，本方法在心电信号被噪声污染严重时具有强大降噪效果，其输出信噪比、噪声提升都比小波变换阈值法、带通滤波器高，代表更强降噪能力，同时均方根误差比传统方法小，说明其失真较小。
[0024]
(2)、该基于奇异值分解的心电信号中肌电噪声去除方法，相较于传统噪声去除方案，本方法考虑了心电信号本身固有的周期性质，即心电信号中qrs波为主要特征，具有周期性，与人体心跳相对应，奇异值分解能够提取矩阵的主要成分，同时心拍分割方法充分考
虑了每个心拍间隔长度的不同，避免心拍固定长度分割造成qrs波错位。
附图说明
[0025]
图1为本发明肌电噪声去除方法流程图；
[0026]
图2为本发明心拍分割方法原理图；
[0027]
图3为本发明与已有方法在肌电噪声去除上对比图；
[0028]
图4为本发明不同输入信噪比下的降噪评价图。
具体实施方式
[0029]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0030]
请参阅图1-4，本发明实施例提供一种技术方案：一种基于奇异值分解的心电信号中肌电噪声去除方法，用于ecg降噪，具体包括以下步骤：
[0031]
s1、合成包含肌电噪声(emg)的ecg信号：(1)使用python从mit-bih噪声压力数据库读取肌电噪声信号ma，mit-bih噪声压力数据库采集了肌电噪声，市电干扰，基线漂移，是降噪算法测试的金标准，mit-bih心律不齐数据库包含常见心律不齐节拍心房早搏、心室早搏、传导阻滞等节律，本实施例使用这两个数据库验证本发明效果，从mit-bih心律不齐数据库读取101号干净心电信号；
[0032]
(2)根据噪声叠加原理，ecg
stimulate
＝ecg
clear
+σemg，ecg
stimulat
为合成混合信号，σ为噪声叠加比例，emg为肌电噪声ma，选取干净信号长度为2500个数据点，选择对应肌电噪声数据为2500点数据，分别输入2db，4db，8db，16db噪声，不同信噪比根据σ值不同计算。
[0033]
s2、qrs波寻找，主要从ecg信号中寻找qrs波，qrs波为心电信号中最明显峰值，目前通用峰值寻找算法如pan-tompks算法，wavlet算法等，本发明选取pan-tompks算法，提取心电信号中r波，得到r波对应位置，提取对应的r波位置数组为[154,407,561,923,1195,1468,1736,1996,2246]，包含9个心拍r波位置。
[0034]
s3、计算相邻rr波间隔，构造rr间隔数组，根据获得r波位置数据，计算rr波间隔(ecg中相邻r波峰距离)，rr间隔数组为[253,154,362,272,273,268,260,250]，从数组中可以发现，最大rr间隔为362。
[0035]
s4、心拍分割，如图2所示，红色心拍为待分割心拍，这里选取第二个心拍具体描述，其中左侧距离l1w为253，右侧距离l2为154，根据分割方法，左侧取0.5*l1长度121，右侧取0.5*l2长度77，分同时将左右填充至最大长度一半及181，此时心拍总长度为363，对所有心拍分割填充，得到一系列等长心拍。
[0036]
s5、构造轨迹矩阵，使用python中numpy高性能库函数矩阵存储心拍，矩阵的每一行为一个单独的心拍，如图3所示为矩阵前三行数据图。
[0037]
s6、奇异值分解轨迹矩阵，提取心电信号主要波形特征，奇异值分解采用python的numpy库中np.linalg.svd(traix)函数，numpy()是python专为科学计算开发计算库，包含矩阵分解、矩阵奇异值分解、矩阵qr分解等，本实施例中采用numpy库函数实现奇异值分解。
[0038]
s7、选取最大奇异值作为心电信号特征，重构信号矩阵，奇异值分解得到的奇异值为[14.95642755、2.32091189、1.63704141、1.12070935、0.83488297、0.52250907、0.40032248、0.33921127、0.18226298]，可以看出第一个奇异值占据主要成分，选取14.95作为心电信号中干净信号特征，其他奇异值置为0，重构二维轨迹矩阵。
[0039]
s8、将二维的信号矩阵还原成滤波的干净信号，还原的心电信号中已经去除了肌电噪声，如图3所示，含噪信号包含4db噪声信号，可以看出心电信号被噪声严重污染，使用奇异值分解后的信号基本不含肌电噪声，小波变换阈值法滤波后信号已经严重失真，带通滤波器基本没有降噪效果，为了量化本发明的提升与改善，使用输出信噪比、百分比均方根误差、相关系数、均方根误差评价算法，图4为本发明与带通滤波器、小波变换阈值法在0db，4db，8db，12db，16db不同输入信噪比下其对应输出信噪比、百分比均方根误差、相关系数、均方根误差值(输入信噪比越小、肌电噪声含量越高)，从图4a中可以看出，在高肌电噪声污染情况下(0db，4db)，本发明方法具有输出信噪比7.1db，比小波变换和带通滤波器具有更好噪声去除能力，随着噪声含量逐渐减少，本发明依旧保持较高输出信噪比；从图4b，c中可以看出，在不同噪声层次，本发明方法误差都比小波变换、带通滤波器值小，说明信号失真程度小；从图4d中，在高肌电噪声噪声污染下(0db输入信噪比)，本发明方法滤波后信号和干净信号依然保持94％相关性，小波变换和带通滤波器在0db输入信噪比下，相关性低于80％，信号严重失真。
[0040]
同时本说明书中未作详细描述的内容均属于本领域技术人员公知的现有技术。
[0041]
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
[0042]
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
技术特征：1.一种基于奇异值分解的心电信号中肌电噪声去除方法，其特征在于：具体包括以下步骤：s1、合成噪声心电信号：合成噪声信号主要用于验证算法的有效性以及评价降噪效果，使用干净心电信号和肌电噪声在不同放大系数上叠加合成污染程度不同的模拟噪声信号；s2、寻找心电信号qrs波：寻找心电信号qrs波提取心电信号主要特征，心电信号包含p波、t波、qrs波等，其中qrs波具有最大的幅值和能量，是心电信号分析中必不可少的步骤；s3、计算相邻r波间隔：计算相邻r波间隔根据已有r波位置计算rr间隔(两个相邻r波间隔)，得到不同长度rr波间隔，rr波数组如下rr＝[r1r2,r2r3,r3r4,
…
r
n-1
r
n
]；s4、分割心拍：分割心拍将心电信号切分成以r波为中心的不同片段，具体思想如下，根据上一步得到的rr间隔数组得出与左侧r峰间隔r
l
r，右侧r峰间隔rr
r
，最大心拍间隔rr
max
，向被选取r峰左侧取0.5r
l
r,向r峰右侧取0.5rr
r
长度作为一个完整心拍，此时分割得到的心拍长度不相等，左右同时填充0至0.5rr
max
，心拍总长度统一为rr
max
+1；s5、构造轨迹矩阵：构造周期轨迹矩阵将前面处理的一系列心拍序列叠加构成二维轨迹矩阵，其中a轨迹矩阵的公式为：s6、奇异值分解：奇异值分解将二维矩阵分解成相互成交的特征值和特征向量，奇异值分解是一种矩阵分解方法，其定义为：a＝uσv
t
,u、v为矩阵a分割后的左右奇异矩阵，σ除主对角线以上元素全为0，主对角线元素称为奇异值，奇异值从大到小排列，最大奇异值代表信号主要成分；s7、选取奇异值：重构心电信号时，选取最大奇异值作为干净信号，其他奇异值作为噪声置0，然后重构出二维信号矩阵，最后将矩阵中每一行取出还原出干净ecg信号；s8、心电信号还原：将二维矩阵还原成已滤波的干净信号。2.根据权利要求1所述的一种基于奇异值分解的心电信号中肌电噪声去除方法，其特征在于：所述步骤s3中数组中r1r2表示第一个r峰和第二个r峰之间间隔。3.根据权利要求1所述的一种基于奇异值分解的心电信号中肌电噪声去除方法，其特征在于：所述步骤s5中s1为第一个r峰所在位置，z为最大rr间隔的一半长度作为基准长度，矩阵中每一行代表一个分割完成后的心拍，一条心电信号由n个心拍组成，其中每个心拍的r位置s
n
是严格对齐的。4.根据权利要求1所述的一种基于奇异值分解的心电信号中肌电噪声去除方法，其特征在于：所述步骤s7中重构出的二维信号矩阵公式为：a
′
＝u1σ1v1，其中a
′
为重构的信号矩阵，σ1为最大奇异值，u1，v1分别为奇异值所对应的奇异向量。
技术总结本发明公开了一种基于奇异值分解的心电信号中肌电噪声去除方法，具体包括以下步骤：S1、合成噪声心电信号：合成噪声信号主要用于验证算法的有效性以及评价降噪效果，使用干净心电信号和肌电噪声在不同放大系数上叠加合成污染程度不同的模拟噪声信号；S2、寻找心电信号QRS波：寻找心电信号QRS波提取心电信号主要特征，心电信号包含P波、T波、QRS波等，本发明涉及心电信号降噪技术领域。该基于奇异值分解的心电信号中肌电噪声去除方法，相比于传统降噪方法，本方法在心电信号被噪声污染严重时具有强大降噪效果，其输出信噪比、噪声提升都比小波变换阈值法、带通滤波器高，代表更强降噪能力，同时均方根误差比传统方法小，说明其失真较小。真较小。真较小。
技术研发人员：刘星谷 王竹卿 刘童
受保护的技术使用者：四川大学
技术研发日：2022.06.24
技术公布日：2022/11/1
