Matlab導(dǎo)聯(lián)胎兒心電信號(hào)提取與分析仿真 ICA算法

1、-范文最新推薦- Matlab導(dǎo)聯(lián)胎兒心電信號(hào)提取與分析仿真+ICA算法 摘要: 本設(shè)計(jì)主要運(yùn)用獨(dú)立分量分析(Independent Component Analysis,ICA）方法結(jié)合Matlab仿真軟件進(jìn)行分析與仿真。論文首先詳細(xì)介紹了人體心電信號(hào)(Electrocardiography,ECG)的相關(guān)知識(shí)，重點(diǎn)闡述了獨(dú)立分量分析方法的理論基礎(chǔ)和原理，并對(duì)該原理仿真驗(yàn)證。然后運(yùn)用ICA算法結(jié)合Matlab軟件仿真，對(duì)仿真出的8導(dǎo)心電信號(hào)運(yùn)用ICA算法進(jìn)行處理，從中分離出我們需要的胎兒心電信號(hào)。通過(guò)仿真結(jié)果可以充分證明采用ICA算法可以成功分離出較為純凈的胎兒心電信號(hào)。4532關(guān)鍵詞: 胎

2、兒心電信號(hào)；獨(dú)立分量分析；分離提取Extraction and Analysis of Fetal ECG LeadAbstract: The design of the main application of independent component analysis (Independent Component Analysis, ICA) is applied to the analysis and simulation using the Matlab simulation software. The paper firstly introduces related knowledg

3、e of human ECG signal, expounds the theoretical basis and principle of independent component analysis method, and the principle of simulation. Then using the ICA algorithm combined with Matlab software simulation, to separate the maternal body 8 signal, the simulation results proved that the ICA alg

4、orithm can be successfully isolated from fetal ECG signal is very pure.Key Words: Fetal ECG; Extraction and separation; Independent component analysis目錄摘要1引言11.緒論21.1論文研究的背景及其意義21.2 ICA算法的可行性42.胎兒心電信號(hào)分析52.1胎兒心電信號(hào)的時(shí)域特征52.2胎兒心電信號(hào)頻域特征62.3胎兒心電信號(hào)的電特性分析72.4胎兒心電信號(hào)的噪聲來(lái)源83 .胎兒心電信號(hào)的ICA算法8 通常，都是在分娩前孕婦的體表連接若干電極

5、來(lái)獲得母體心電信號(hào)數(shù)據(jù)，即ECG數(shù)據(jù)，然后從這些ECG數(shù)據(jù)中提取出胎兒心電信號(hào)4，即FECG。然而，想要提取清晰的FECG并非易事。表1是參照復(fù)旦大學(xué)其附屬醫(yī)院婦產(chǎn)科應(yīng)用的FECG-B型胎兒心電圖機(jī)的情況5。表1 復(fù)旦大學(xué)應(yīng)用FECG—B型胎兒心電圖機(jī)提取胎兒信號(hào)的的統(tǒng)計(jì)情況孕周總例次測(cè)出成功次數(shù)成功率%1822333296.972327302893.332832645179.693336686189.713741868396.51共計(jì)28125590.75由表1可看出，用電極導(dǎo)聯(lián)方法獲取FECG的成功率并不理想，平均只有90%左右。經(jīng)分析可知，造成此種信號(hào)提取不理想的原因有很多。

6、一方面，由于FECG信號(hào)本身十分微弱；另一方面，由于孕婦的ECG信號(hào)相對(duì)FECG非常強(qiáng)，其幅度通常是FECG的10100倍，從而嚴(yán)重干擾了FECG的提取。此外，F(xiàn)ECG常常被一些噪聲所淹沒(méi)。這些噪聲包括：(1) 母親的呼吸所產(chǎn)生的噪聲 這類噪聲可以看成是一種低頻噪聲。心電信號(hào)是一種低頻微弱信號(hào)，其幅度范圍為10μV-3mV,頻率范圍是0.05Hz-100Hz，人體源的阻抗一般較大，可達(dá)幾KΩ-幾十KΩ，這些都將給心電信號(hào)的采集帶來(lái)困難和誤差。(2) 肌電噪聲 這類噪聲通常是母體在受驗(yàn)時(shí)身體移動(dòng)造成的。主要來(lái)自于人體肌肉的顫抖，其幅度大約在幾十微伏到幾毫伏之間，頻率

7、范圍在2Hz到10kHz之間，維持時(shí)間大約是50毫秒。另外子宮的收縮也會(huì)產(chǎn)生肌電噪聲。 圖2是從孕婦體表不同位置取得的8導(dǎo)心電信號(hào)7，采樣率為500Hz，采樣時(shí)間為5秒，圖中橫坐標(biāo)代表采樣點(diǎn)數(shù)，縱坐標(biāo)是相對(duì)幅值(不是實(shí)際幅度值)。前5條曲線是通過(guò)將導(dǎo)聯(lián)電極放置在母體腹部來(lái)獲得的，測(cè)得的ECG分別為，1X，2X，3X，4X，5X；后三條曲線是電極放置在母體胸部獲得，測(cè)得的ECG為，6X，7X，8X。從圖中我們可以觀察到孕婦腹部信號(hào)中包含有胎兒心電信號(hào)，但同時(shí)也混有比較強(qiáng)的母體心電和噪聲干擾。然而，后面三條曲線中幾乎觀測(cè)不到胎兒心電。這在很大程度上是因?yàn)樘盒呐K與母親胸部距離較遠(yuǎn)導(dǎo)致的。圖2 孕婦

8、體表8導(dǎo)信號(hào)很明顯，胎兒心電的分離完全符合ICA的假設(shè)條件，因此，用ICA的方法來(lái)分離胎兒心電信號(hào)是可行的。下文中用Matlab合成信號(hào)逼近這8個(gè)信號(hào)作為輸入信號(hào)進(jìn)行仿真實(shí)驗(yàn)。其中有三個(gè)超高斯(2、3、8)，兩個(gè)亞高斯(1、5)，三個(gè)高斯(4、6、7)，分別代替母體心電信號(hào)、母體呼吸噪聲、胎兒心電信號(hào)及其他噪聲，合成的8個(gè)信號(hào)如圖3所示：圖3 合成的8個(gè)信號(hào)2. 胎兒心電信號(hào)分析2.1胎兒心電信號(hào)的時(shí)域特征正常胎兒心電圖是由一系列波群組成的，圖4所示為典型胎兒心電信號(hào)，信號(hào)的各個(gè)段波群反映各個(gè)不同階段心電信號(hào)的變化，由于QRS波變化相對(duì)比較集中，因此，圖5給出了其在一個(gè)周期內(nèi)的進(jìn)一步分解圖。圖

9、4 典型胎兒心電信號(hào)圖5 典型胎兒心電信號(hào)周期波形(1) P波：就是最初產(chǎn)生偏離的波，它反映的是心房除極過(guò)程中的電位變化，它代表的是兩個(gè)心房的去極。(2) QRS波群：就是由于心室激活而產(chǎn)生的最大波，它反映的是心室肌在除極過(guò)程的電位變化情況。正常人的時(shí)間間隔為0.08-0.12秒。通常，典型QRS波群指的是三個(gè)波群緊密相連；其中，Q波為第一個(gè)向下的波，但是P波不一定一直出現(xiàn)。R波為QPS波群第一個(gè)向上的波，S波是繼R波之后第一個(gè)向下的波。廣義上，QRS代表心室肌的除極波，但并不是每個(gè)QRS波群都同時(shí)具有Q、R、S這三個(gè)波 2.3 胎兒心電信號(hào)的電特性分析根據(jù)美國(guó)心電學(xué)會(huì)設(shè)定的標(biāo)準(zhǔn)，正常胎兒電信

10、號(hào)幅值范圍是在10μV4mV之間，典型值為1mV。頻率范圍在0.05100Hz以內(nèi)，而90%的母體心電信號(hào)(ECG)頻譜能量主要集中0.2535Hz之間，電信號(hào)頻率非常低，大部分是直流成分，去掉直流，那它主要的頻率范圍集中在0.05100Hz，而其主要能量就集中在了0.0540Hz。人體心電信號(hào)的特征主要體現(xiàn)在下面四個(gè)方面：(1) 微弱性：通常從人體體表獲取的心電信號(hào)只有10μV4mV，典型值為1mV。(2) 不穩(wěn)定性：人體心電信號(hào)處于不斷的動(dòng)態(tài)變化之中。(3) 低頻特性：人體心電信號(hào)的頻率大多集中在0.05100Hz之間。(4) 隨機(jī)性：人體心電信號(hào)反映的是人體生理機(jī)能，由于人體

11、生理結(jié)構(gòu)的不均勻性，同時(shí)又容易受外來(lái)信號(hào)的干擾，具有一定的隨機(jī)性。2.4 胎兒心電信號(hào)的噪聲來(lái)源人體心電信號(hào)是一種微弱的電信號(hào)，信噪比較低。采集一種電信號(hào)時(shí)，干擾噪聲通常有下面幾種情況：(1) 工頻干擾 50 Hz工頻干擾主要是由人體分布電容引起，通常其幅值與ECG峰峰值相當(dāng)或者更強(qiáng)。(2) 電極接觸過(guò)程中產(chǎn)生的噪聲 主要來(lái)自電極與肌膚間接觸不良，如病人的運(yùn)動(dòng)和振動(dòng)導(dǎo)致松動(dòng)，檢測(cè)系統(tǒng)不斷的開關(guān)、放大器輸入端連接不好等。(3) 人為運(yùn)動(dòng) 由病人的運(yùn)動(dòng)和振動(dòng)所引起，幅值通常為幾十毫伏。(4) 肌電干擾(EMG) 來(lái)自于人體的肌肉顫動(dòng)產(chǎn)生的毫伏級(jí)電勢(shì)，可視為瞬時(shí)發(fā)生的零均值帶限噪聲，主要能量集中在3

12、0300 Hz范圍內(nèi)。(5) 基線漂移和呼吸時(shí)ECG幅值的變化 其變化可視為一個(gè)加在心電信號(hào)上的與呼吸頻率同頻率的正弦分量，在0.0150.3Hz處基線變化變化幅度的為ECG峰峰值的15%。(6) 信號(hào)處理中用電設(shè)備產(chǎn)生的儀器噪聲。 設(shè)n個(gè)源信號(hào)組成的n維矢量為 ，m個(gè)信號(hào)組成的m維觀測(cè)數(shù)據(jù)為 ，其中每個(gè)元素是由各傳感器得到的信號(hào)輸出，則觀測(cè)信號(hào)就可以用方程2來(lái)表述：(2)其中，A為混合矩陣，它的每個(gè)元素表示信號(hào)之間的混合情況。式2的說(shuō)明n個(gè)已知信號(hào)經(jīng)過(guò)混合矩陣的線性混合得到了m維觀測(cè)數(shù)據(jù)矢量。而ICA的目的正是：在源信號(hào)S跟混合矩陣A處于未知情況下，只是根據(jù)得到的觀測(cè)數(shù)據(jù)矢量 來(lái)確定分離矩陣

13、W，把變換后的輸出表述為(3)式3可被用來(lái)作為對(duì)源信號(hào)的估計(jì)，即ICA數(shù)學(xué)模型11。ICA的目的就是利用混合信號(hào)恢復(fù)出未知的語(yǔ)音信號(hào)Si(t)，即源信號(hào)。由式1可以看出，當(dāng)混合參數(shù)已知的情況下，求解這個(gè)問(wèn)題是相當(dāng)簡(jiǎn)單的，只需對(duì)上式的線性系求逆。但是，通常情況下，和Si(t)均知，它們對(duì)求解的系統(tǒng)來(lái)說(shuō)是“盲的”，這就比較麻煩了，解決該問(wèn)題的可行性方案就是依據(jù)源信號(hào)Si(t)的某些統(tǒng)計(jì)信息對(duì)和Si(t)進(jìn)行估計(jì)。實(shí)際上，源信號(hào)的統(tǒng)計(jì)特性，即幅值概率和密度分布特性，是先驗(yàn)知識(shí)或者可用試驗(yàn)的方法確定，此前提下便使該問(wèn)題的求解成為可能。 從圖8和圖10我們可以觀察到提取出的信號(hào)與

14、源信號(hào)相比，清晰度高，分離結(jié)果很明顯，盡管由于ICA的不確定性帶來(lái)的影響，即將分離信號(hào)跟實(shí)際源信號(hào)相比，在幅度上有差異，且分離信號(hào)的排列順序與源信號(hào)的排列的順序不一樣。但是，我們所關(guān)心的是獨(dú)立源信號(hào)的波形，其幅度信息則是次要的?？梢约僭O(shè)源信號(hào)的方差為1，將幅度信息轉(zhuǎn)移到混合矩陣中去。因此，ICA分離結(jié)果是可以滿足我們的要求，達(dá)到成功分離胎兒心電的目的。4. 胎兒心電信號(hào)的提取仿真4.1 胎兒心電信號(hào)提取胎兒心電的提取是圍產(chǎn)期的一項(xiàng)重要監(jiān)測(cè)項(xiàng)目。其目的是了解懷孕期間胎兒心臟的健康狀況（胎兒成熟程度、胎位等）。通常情況下，都是在母體腹壁放置若干體表電極用來(lái)測(cè)量胎兒心電(FECG)。然而，測(cè)得的信號(hào)

15、中時(shí)常會(huì)夾雜一些噪聲和干擾。其中，母親心電(MECG)是最強(qiáng)的干擾噪聲。此外，工頻干擾、呼吸、肌電等噪聲也很常見的。這些成分在觀測(cè)值中是混合著的，混合系數(shù)決定于身體的幾何因素和軟組織的導(dǎo)電率，因此它們基本上是恒定的，而且這些信源間相互獨(dú)立，符合ICA的基本要求，所以采用ICA技術(shù)來(lái)提取FECG是一項(xiàng)可行的辦法。已經(jīng)有許多采用其他技術(shù)來(lái)提取FECG的報(bào)道，如匹配濾波、自相關(guān)與互相關(guān)、自適應(yīng)噪聲抵消等。采用ICA來(lái)提取FECG，并且把所得結(jié)果與自適應(yīng)噪聲抵消所得結(jié)果（采用多個(gè)取自母親胸部的心電作為參考信號(hào)）進(jìn)行了比較。ICA方法的提取質(zhì)量和穩(wěn)健性都優(yōu)于其他方法。4.2 胎兒心電信號(hào)仿真首先，利用I

16、CA算法對(duì)圖3合成的8導(dǎo)混合信號(hào)進(jìn)行分離提取，分離結(jié)果如圖10所示，其中第1條曲線可用來(lái)代表母親呼吸的噪聲，第2、5、7條曲線可用來(lái)代表某些未知噪聲。第6、8條曲線可用來(lái)代表母親心電信號(hào)成分。第3、4條曲線可用來(lái)代表胎兒電信號(hào)成分，其中有三條最為清晰。 隨著集成電路技術(shù)及計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)的快速發(fā)展，現(xiàn)有的理論也必須不斷地完善發(fā)展。雖然獨(dú)立分量分析技術(shù)近些年來(lái)得到了很好的發(fā)展，但隨著時(shí)代的發(fā)展，各種新的方法和不同手段都開始引入到心電信號(hào)提取中來(lái)，已經(jīng)不滿足于簡(jiǎn)單的信號(hào)提取與分離，甚至是采集和顯示。心電信號(hào)的主要研究和發(fā)展趨勢(shì)包括以下幾個(gè)方面。(1) ECG分析自動(dòng)化從目前國(guó)內(nèi)外一些相關(guān)信息來(lái)看，ECG分析自動(dòng)化還沒(méi)有取得突破性進(jìn)展。主要原因是由于心電信號(hào)過(guò)于微弱且復(fù)雜，缺乏一套令人滿意度很高的算法，因此，在ECG自動(dòng)分析方面還需要投入大量研究工作。運(yùn)用多種方法交叉分析是發(fā)展的一個(gè)熱點(diǎn)也是趨勢(shì)，如小波分析、模式識(shí)別、神經(jīng)網(wǎng)絡(luò)等。(2) 小型化、采集同步化隨著集成電路技術(shù)的高速發(fā)展，心電分析儀器逐漸趨于小型化、便攜化。如，便攜式心電監(jiān)護(hù)儀就表征了此發(fā)展方向。(3) 網(wǎng)絡(luò)化隨著網(wǎng)絡(luò)技術(shù)的不斷發(fā)展，遠(yuǎn)