基于小波和自适应滤波的ECG基线漂移校正

doi:10.3969/j.issn.1000-3428.2013.11.051

计算机工程

基于小波和自适应滤波的ECG基线漂移校正

史健婷^1,2，黄剑华²，张英涛²，唐降龙²

(1. 黑龙江科技大学计算机与信息工程学院，哈尔滨 150027；2. 哈尔滨工业大学模式识别研究中心，哈尔滨 150001)

收稿日期:2012-09-10 出版日期:2013-11-15 发布日期:2013-11-13
作者简介:史健婷(1981－)，女，讲师、硕士，主研方向：图像处理，模式识别；黄剑华，教授、博士；张英涛，副教授、博士；唐降龙，教授、博士生导师
基金资助:
国家自然科学基金资助项目(61100097)；黑龙江省教育厅科学技术研究基金资助项目(12513077)；黑龙江省教育厅面上基金资助项目(12521475)

ECG Baseline Shift Correction Based on Wavelet and Adaptive Filtering

SHI Jian-ting ^1,2, HUANG Jian-hua ², ZHANG Ying-tao ², TANG Xiang-long ²

(1. School of Computer and Information Engineering, Heilongjiang University of Science and Technology, Harbin 150027, China; 2. Research Center of Pattern Recognition, Harbin Institute of Technology, Harbin 150001, China)

Received:2012-09-10 Online:2013-11-15 Published:2013-11-13

摘要/Abstract

摘要： 为校正ECG信号的基线漂移，提出小波变换和自适应滤波相结合的方法。利用小波变换对原始ECG信号进行分解，将得到的高频分量作为参考信号输入，采用基于幂函数的最小均方算法(P-LMS)进行自适应滤噪处理。通过与传统的归一化最小均方算法(NLMS)进行对比，验证该算法的准确性。仿真实验和MIT-BIH数据库中的实际数据检验结果表明，基于幂函数的最小均方算法和小波变换相结合的方法能够有效校正基线漂移，并较好地保持心电信号的几何特征。

关键词: 基线漂移, 自适应滤波, 小波变换, 基于幂函数的最小均方算法, 归一化最小均方算法

Abstract: In order to calibrate the baseline shift of ECG signal, the combination methods of wavelet transform and adaptive filtering are proposed. The wavelet transform method is used to decompose the original ECG signal and the high-frequency components are used as reference input data. A new adaptive filtering algorithm, P-LMS based on the power function is proposed to conduct adaptive noise filtering. Compared with the traditional Normalized Least Mean Square(NLMS) algorithm, the proposed algorithm is precise. Using the simulated experiment and actual data in the MIT-BIH database, the method of combining P-LMS and wavelet transform is verified that can effectively correct the baseline shift and maintain the geometric characteristics of the ECG signal.

Key words: baseline shift, adaptive filtering, wavelet transform, Power function of Least Mean Square(P-LMS) algorithm, Normalized Least Mean Square(NLMS) algorithm

中图分类号:

TP18

史健婷，黄剑华，张英涛，唐降龙. 基于小波和自适应滤波的ECG基线漂移校正[J]. 计算机工程, doi: 10.3969/j.issn.1000-3428.2013.11.051.

SHI Jian-ting, HUANG Jian-hua, ZHANG Ying-tao, TANG Xiang-long. ECG Baseline Shift Correction Based on Wavelet and Adaptive Filtering[J]. Computer Engineering, doi: 10.3969/j.issn.1000-3428.2013.11.051.

http://www.ecice06.com/CN/Y2013/V39/I11/226

参考文献

参考文献 [1] Velasco M B, Weng Binwei, Barner K E. ECG Signal Denoising and Baseline Wander Correction Based on the Empirical Mode Decomposition[J]. Computers in Biology and Medicine, 2008, 38(1): 1-13. [2] Sun Yan, Chan K L, Krishnan S M. ECG Signal Conditioning by Morphological Filtering[J]. Computers in Biology and Medicine, 2002, 32(6): 465-479. [3] 黄宛. 临床心电图学[M]. 5版. 北京: 人民卫生出版社, 2001. [4] 李小燕, 王涛, 冯焕清, 等. 基于小波变换的自适应滤波器消除ECG中基线漂移[J]. 中国科学技术大学学报, 2000, 30(4): 450-454. [5] Leski J M, Henzel N. ECG Baseline Wander and Powerline Interface Reduction Using Nonlinear Filter Bank[J]. Signal Process, 2004, 35(4): 781-793. [6] Scheid F. 数值分析[M]. 罗亮生, 包雪松, 王国英, 译. 北京: 科学出版社, 2002. [7] Esposito A, Andria P. An Adaptive Learning Algorithm for ECG Noise and Baseline Drift Removal[C]//Proc. of Italian Workshop on Neural Nets. [S. l.]: Springer, 2003: 139-147. (下转第244页) (上接第229页) [8] Reddy G U, Muralidhar M, Varadarajan S. ECG De-noising Using Improved Thresholding Based on Wavelet Trans- forms[J]. International Journal of Computer Science and Network Security, 2009, 9(9): 221-225. [9] Mallat S. A Theory for Multi-resolution Signal Decomposition: The Wavelet Representation[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1989, 11(7): 674-693. [10] Donoho D L. De-noising by Soft Thresholding[J]. IEEE Transactions on Information Theory, 1995, 41(3): 613-627. [11] Park K L, Lee K J, Yoon H R. Application of a Wavelet Adaptive Filter to Minimize Distortion of the ST-segment[J]. Medical and Biological Engineering Computing, 1998, 36(5): 581-586. [12] Daubechies I. 小波十讲[M]. 李建平, 杨万年, 译. 北京: 国防工业出版社, 2004. [13] Xu Lisheng, Wang Kuanquan, Zhang D. Adaptive Baseline Wander Removal in the Pulse Waveform[C]//Proc. of the 15th IEEE Symposium on Computer-based Medical Systems. [S. l.]: IEEE Press, 2001: 1-6. [14] Xu Lisheng, Wang Kuanquan, Zhang D. Wavelet-based Cascaded Adaptive Filter for Removing Baseline Drift in Pulse Waveforms[J]. IEEE Transactions on Biomedical Engineering, 2005, 52(11): 1973-1975. 编辑顾逸斐

[1]	许凤, 杨兴耀, 于炯, 李梓杨, 李晨瑜, 张君. 小波卷积增强的对比学习推荐算法[J]. 计算机工程, 2023, 49(5): 105-111,121.
[2]	孙欣悦, 李庆忠. 基于小波变换的水下显著性目标快速检测算法[J]. 计算机工程, 2023, 49(4): 249-255.
[3]	范润泽, 刘宇红, 张荣芬, 李景玉. 基于多尺度注意力机制的道路场景语义分割模型[J]. 计算机工程, 2023, 49(2): 288-295.
[4]	杨志勇, 王俊杰, 金磊. 基于SE-CNN的人体摔倒检测方法[J]. 计算机工程, 2022, 48(6): 270-277.
[5]	杨文雪, 吴非, 郭桐, 肖利民. 基于噪声溶解的对抗样本防御方法[J]. 计算机工程, 2022, 48(4): 158-164.
[6]	郝占军, 张岱阳, 党小超, 段渝. 基于信道状态信息的非接触式人员动作识别方法[J]. 计算机工程, 2021, 47(6): 172-181.
[7]	马鹏, 王泽宇, 钟卫东, 王绪安. 基于改进小波包分解的相关功耗攻击降噪方法[J]. 计算机工程, 2020, 46(7): 129-135,142.
[8]	梁猛, 史晓霜. 基于二阶Newton插值的莫尔条纹消除算法[J]. 计算机工程, 2020, 46(5): 259-266.
[9]	郝占军, 段渝, 党小超, 曹渊. 基于信道状态信息的人体复杂动作识别方法[J]. 计算机工程, 2020, 46(1): 286-293.
[10]	张玺君, 袁占亭, 张红, 高玮军, 张恩展. 交通轨迹大数据预处理方法研究[J]. 计算机工程, 2019, 45(6): 26-31.
[11]	谢行雨,王玲. 基于纹理相似栈的超声图像分割方法[J]. 计算机工程, 2019, 45(2): 240-244.
[12]	刘雨灵, 侯进, 张笑语, 陈曾. 基于卷积神经网络的无线电广播同频干扰检测[J]. 计算机工程, 2019, 45(10): 301-307.
[13]	王海江,姚付启,李丽宏,马永强,杨勤科,王静璞. 基于分数进制轮廓波变换的DEM多尺度表达[J]. 计算机工程, 2018, 44(9): 286-295,300.
[14]	宋巧红,齐金鹏,张煜. 基于多级Haar小波变换与KS统计的突变点快速探测方法[J]. 计算机工程, 2018, 44(5): 14-18,24.
[15]	邓叶勋,赵晖. 基于非负矩阵分解的情感语音基频转换研究[J]. 计算机工程, 2018, 44(5): 256-261.

选择文件类型/文献管理软件名称

选择包含的内容

基于小波和自适应滤波的ECG基线漂移校正

ECG Baseline Shift Correction Based on Wavelet and Adaptive Filtering

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

模态框（Modal）标题

选择文件类型/文献管理软件名称

选择包含的内容

基于小波和自适应滤波的ECG基线漂移校正

ECG Baseline Shift Correction Based on Wavelet and Adaptive Filtering

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价