生理监测装置的心电信号噪声干扰分析*

王 娟

（江西机电职业技术学院，江西 南昌 330013）

0 前言

随着社会经济的发展和国民生活方式的变化，特别是人口老龄化及城镇化进程的加速，居民不健康生活方式日益突出，心血管疾病包含的危险因素对居民健康的影响更加显著，近年来，心血管疾病的发病率仍在不断升高。心血管疾病以预防为主，这就要求人们时刻关注自己的心脏功能状态，心血管疾病给居民和社会带来的经济负担日益加重，已成为重大的公共卫生问题[1]。

随着经济发展以及市场规模的扩大，我国生产制造商对于可穿戴设备领域的研究也在不断发展。2014年6月，中国工程院启动了主题为“我国全民健康与医药卫生事业发展战略研究”的重大项目[2]。2015年5月，国务院正式印发《中国制造2025》，根据规划内容可以发现国家已经将可穿戴式医疗设备提升到了战略高度，同时也提出了创新能力和产业化水平的要求[3]。

在与医疗健康相关联的产业链中，最让消费者感兴趣的就是可穿戴医疗产品，这类产品有能实时记录生理数据、及时反馈身体状况的便携式智能手环、智能手表等，也有可以将监测数据传输到医疗系统的专业级血压计、血糖仪等设备，这类产品都能够协助病人不适求诊、医生就诊等过程。这些产品和设备使整个可穿戴医疗设备市场呈现出不同以往的繁荣景象。

从市场产品和用户反馈分析中发现，人们对于可穿戴式心率监测仪最基本的要求就是精度高、抗噪性能佳的同时[4]，还要具有便携性，确保收集到的数据具备准确性。但是市场上的产品质量参差不齐，有些产品对运动噪声的抗性较差，收集到的数据不够精准，提供不了有效的医疗数据；有些产品无法全天、实时监控心率状态。而实际上，大多数心脏类疾病并不是心率数据一直异常，而是存在心率偶尔不齐的症状，抗噪性能不佳、无法实时持续监测的设备是无法发现心脏存在的隐患的。对于心率监测的设备而言，滤除噪声、提升抗噪性能，在健康保健及医疗方面有着非比寻常的意义[4]。

心电信号采集时容易被外界及自身的各种噪声所影响，导致人体原始的心电信号波形有失真现象，重要的波形信息被噪声淹没。因此，心电信号降噪技术的目的，不仅是要去除信宿端信号中包含的各类复杂、多变的噪声，而且还要尽可能恢复并保留初始心电信号中有效的波形形态信息，以便医生或远程心电监护系统可以根据心电图准确判断患者病情。近年来，为解决这个难题，国内外研究人员在心电信号除噪方面展开了大量的实验与研究，并提出了多种不同的心电信号降噪算法。

1 动态心电常见的噪声干扰

一般来说，信号的传输是无法避免外界或内部噪声的干扰的，信宿端接收到的信号都是带噪信号，噪声有时会引起原始信号的失真现象，因此想要对信号进行有效分析，就必须提取有效信号，而提取有效信号的前提就是将不必要的噪声滤除掉。以人体的心电波、脑电波等生理电信号为例，它就是将模拟信号通过设备转换成电信号，但是这些电信号通常被掩埋在强噪声之下，就是因为噪声的干扰影响，人体的这些生理信号转换成的电信号最终会产生严重的失真，甚至严重到根本无法识别，对着严重失真波形进行医学诊断是无任何意义的。因此，生物医学里的信号处理技术的重要研究内容就是去噪、滤波技术[5]。

经由人体表面所采集的心电信号由于人体自主呼吸、人体各种运动以及导联线晃动等原因，非常容易受到外界的干扰，采集的心电信号受到不同类型噪声影响而严重损坏，使得提取心电信号中有用的形态特征信息和解释心电信号变得困难，从而导致对心脏类疾病的检测不可靠或出现错误，阻碍了心脏类疾病的发现[6]。通常来说，存在于动态心电监测中的噪声干扰主要有以下几种。

1.1 工频干扰

工频干扰产生的缘由是电力系统的存在。通常来说，不同国家或地区工频交流电的频率不太一致，但大都为50 Hz或60 Hz。它的主要表现是在测量信号时结果为正弦波或其他信号附加上了正弦波。我国工频交流电的频率是50 Hz，它的主要表现是频率为50 Hz与其谐波的正弦波，或心电记录上发现了叠加的正弦波。波形幅值通常不大，大概为心电信号波峰的50%。它是最为稳定的一类噪声，相较于其他3种类型的噪声，它是最容易被去除的。工频干扰波形图如图1所示[1]。

图1 工频干扰波形图

1.2 肌电干扰

肌电信号噪声来源于肌肉内部组织的收缩和振动，不可避免地会影响心电信号的采集。肌电干扰噪声的表现为不规则迅速改变的细小毛刺，对幅值的影响较小，幅度数量级为毫伏级，但频率较高，大约有5 Hz~2 000 Hz。相对于心电信号而言，肌电干扰属于一种高频信号。由于其频率和心电信号部分波形频率重合，对该类噪声降噪时容易丢失部分心电信号中有价值的波形信息。同时，肌电干扰会将心电信号中的微小波形覆盖掉，致使心电信号的波形失真。肌电干扰波形图如图2所示。

图2 肌电干扰波形图

1.3 基线漂移

心电信号中的噪声最常见就是基线漂移，它源于采集信号过程中人体呼吸和牵扯导联线导致的电极移位。它是一种频率较低的干扰信号，其频率一般比1 Hz还要小，大多介于0.05 Hz~2 Hz，但它对心电信号幅值与形态的影响却是最大的，通常会使得信号偏离于正常的基线水平。由于其频谱和心电S-T段的频谱相近，以及其在心电图中的普遍存在性，极易造成S-T段失真，以及P波和T波等微小波波形形态变化。而S-T段对于心肌类疾病来说，具有非常重要的临床诊断意义。基线漂移波形图如图3所示。

图3 基线漂移波形图

1.4 电极干扰

现有的心电图大部分是通过将电极贴片粘贴在人体皮肤表面采集而得到的，而获取信息的过程中电极贴片不可避免地会产生部分噪声，即电极干扰。其波形表现为瞬时发生随机变化的阶跃型干扰，它通过不断去衰减波形的幅值达到基线值。对于需要24小时监护其心电信号变化的患者而言，因患者运动出汗导致电极贴片产生更严重的电极干扰，会加剧损坏心电记录仪的数据。电极干扰波形图如图4所示。

图4 电极干扰波形图

总而言之，采集心电信号通常都是与人体正常活动同步进行的，由于生理及心理的原因产生的皮肤出汗、情绪起伏等情况或电极片接触不良，就会产生上文介绍的几种噪声，甚至可能是更多种的不同噪声的叠加。这些噪声干扰会导致心电图上原有波形形态被改变，淹没原有的波形病理信息，致使根据波形形态特征进行诊断的智能系统出现误判，从而延误患者治疗疾病。而在上述噪声干扰中，工频干扰、肌电干扰以及基线漂移这3种是在分析心电信号时最常遇到的干扰成分，同时，它们也是心电信号去噪任务中必须有效抑制甚至完全消除的噪声类型。

2 去噪方法和评价指标

在对心电信号进行监测时，信噪比较低，要想有效提取微弱的心电信号，有效抑制噪声的信号处理技术是不可或缺的。对心电信号进行去噪的根本目的就是将采集到的心电信号中的所有噪声干扰一概滤除掉，从而得到有医疗价值的原始心电信号，以便进行医疗数据分析。通常的去噪法包括硬件滤波以及软件滤波两种方法，将本不应该存在于心电信号中的噪声滤除。所谓硬件滤波法，主要是让信宿端收集到的信号通过带通滤波器，利用心电信号与噪声干扰信号幅频特性的不同，滤除掺噪心电信号里的频率较低的基线漂移信号和频率较高的外界干扰信号，硬件滤波法在提高系统共模抑制比的同时，还能有效地降低工频干扰带来的影响。虽然硬件滤波法的处理速度快，所需要的部件结构也相对简单，但相对于软件滤波法而言，硬件滤波法不够灵活，对复杂噪声干扰的滤除作用及成效也不优越。

近年来，随着计算机技术的发展，计算机对数据的处理能力越来越高，利用软件滤波法对心电信号进行去噪预处理已经成为常态。可以利用软件滤波法将心电信号里的噪声干扰去除，如经典数字滤波方法以及现代信号处理方法。其中，采用自适应滤波器的方法，其收敛速度相对而言比较缓慢，且经过自适应滤波法处理后所得到的波形滞后于原始波形。经过数据分析可知，小波滤波法对于和人体生理信号不在同一频段的噪声干扰滤除效果较好，自适应滤波法对全频域范围的信号滤除效果都较好。因此，对于功率较小的噪声干扰的信号而言，没有清除干净的少许噪声对最后结果的分析并不会产生太大的影响，只有功率较大噪声干扰情况下，才经常采用自适应滤波法。

现有心电信号降噪研究方法对降噪效果的评估指标采用信噪比SNR和均方根误差RMSE两个指标[4]。其中，x(i)表示无掺杂心电图ECG信号， 为去噪后的ECG信号，N为心电信号长度[7]。信噪比表示心电信号与噪声之间的比值，其单位为分贝（dB），则SNR定义如式（1）所示。

另外一项指标为均方根误差，RMSE定义如式（2）所示。

SNR是评价信号质量优劣的重要指标，SNR值越高表示除噪效果越佳。RMSE表示去噪后得到的信号与最原始真实、有效信号之间的差值，RMSE的值越小，代表信号滤除噪声的性能越好[8]。

3 结束语

由于生理信号的个体差异性和复杂性，通过设备获取的心电信号也具有随机性的特点[9]。一般来说，常规心电信号是毫伏级信号，也就是说它是频率较低、幅值较小的信号，所以拿心电信号与周边的噪声信号对比，心电信号的强度通常来说都很微弱。这个显著的特点就使得将原始心电信号提取出来这个工作，难于一般工程信号的处理，可是心电信号的处理结果对信号真实度有非常高的要求，因此，如何从掺入了各种干扰的心电信号中提取出有效、清晰、去噪的临床信息，是一大技术难题[10]，还需进一步研究更高效精确的去噪技术。