心电图信号建立心脏活动观察系统pantompkins演算法实现(源码)
随着社会的发展与进步，计算机技术已经影响到了生活中的方方面面。据统计,心血管疾病是威胁人类生命的主要疾病,世界上心脏病的死亡率仍占 首位。因此,对心血管疾病的诊断、治疗一直被世界各国医学界所重视,准确地进行心电信号提取,为医生提供有效的辅助分析手段是重要而有意义的课题。随着生物识别技术的迅速发展,心跳发生的检测已经有很多可以方法实现。本课题利用MATLAB软件开发，采用pan-Tompkins算法检测心电信号。本文首先介绍了课题的研究背景意义、发展现状等内容,然后介绍设计相关的知识和技术，接着是总体设计，介绍了设计的要求、设计流程等。其次是详细设计，包括数据的采集、模块的设计。最后进行了结果展示与分析。本次设计实现了真实心跳发生的时间与位置侦测，通过数据检验了算法的正确率，对算法进行了评价。关键词 ECG，QRS，Pan-Tompkins，心电图，MATLAB
目 录
1 绪论 1
1．1 课题背景 1
1．2 发展现状 1
1．3 课题意义 3
2 基本介绍 3
2．1 ECG 3
2．2 QRS 5
2．3 PanTompkins演算法 6
3 总体研究设计 7
3．1 研究目标 7
3．2 研究步骤 7
3．3 开发工具 7
4 详细设计 8
4．1 数据采集 8
4．2 代码设计 13
5 结果展示与分析 16
5．1 结果展示 16
5．2 分析 17
结 论 19
致 谢 20
参 考 文 献 21
附录A 详细代码 23
附录B 预处理代码 32
1 绪论
1．1 课题背景
随着现代人的生活条件的提升，很多人养成了不良的习惯，熬夜、酗酒、工作压力的增大、经常缺乏锻炼的人心血管疾病更加容易发作。而这些人心脏更容易产生病变。心脏病已经是是严重威胁人类健康的疾病之一，很多人却一直不引起重视。随着科技的进步，心脏的监测方法也变得更加多 *好棒文|www.hbsrm.com +Q: ￥351916072￥
样化。周到全面的实时心跳检测在现在医疗中起着十分重要的作用。
心脏的实时检测是一种现在十分热门的生物识别技术，以前科技的水平是很难实现这一功能，但是随着计算机科学的进步，人们有了很多科学的方法来实时检测心跳的发生。现在的医疗设备中常使用心电图来检测心跳的发生，但是原始的心电图检测到的心跳数据总是伴随着各种噪声的干扰，不利于人们对心跳数据的分析。现在已经有很多新的科学方法来去除各种干扰，并且将心跳数据变得清晰，用于分析和诊断各种心脏的病变。
心脏活动监测到现在技术已经很成熟了，国内的心电监护就有很多年的历史。世界各国的心电图技术都发展迅速，国内通过引进国外各种先进的技术让心脏活动的观察变得更简单更方便[1]。基于心电图的心脏观察就是一种生物识别的技术，在国际上也早已经有很多研究成果。
本课题中使用的就是PanTompkins演算法来检测实时心跳的发生，这是现在一种十分流行的生物识别技术。PanTompkins算法是由JIAPU PAN和WILLIS J.TOMPKINS在1985年提出，这是一种用来检测心电图中的QRS波群信息的算法，该算法原理比较简单，易于实现[2]。
1．2 发展现状
现在ECG检测技术已经发展的十分迅速，现如今已有比较成熟的心电信号处理方法，如小波变换法、自适应滤波法、差分法、匹配滤波法、动态自适应阈值法等等[3]。这些算法大大提高了QRS波群的检测速度，错误率也越来越低，已经在各个相关领域中得到了广泛的应用。
1.2.1 小波变换
小波变换技术现在应用的十分广泛，主要应用于工程技术领域。它的一个非常重要的领域就是检测信号的特征点，这在处理QRS波群的检测中起到了很好的作用。
小波变换的原理[4]是利用二进样条小波对心电信号按照Mallat算法进行变换，从而今小波变换的等效滤波器来说，它分析了心脏生物信号的R峰点与它自身小波变换模的极大值对应的零交叉点的关系。小波变换具有很好的时频特性，能较好的突出信号的局部特征[5]。该算法的QRS信号检测正确率是较高的，这是因为在这种检测中运用了较好的策略来增强算法的抗干扰能力。通过MIT/BIH[6]标准心电数据率检测验证发现，该算法的正确检测率高达99.8%[7]。
1.2.2 自适应滤波法
自适应滤波法是一种对图像的自动分析处理的方法。该方法对信号的某一点滤波平滑，是依赖于该点邻域的信息统计，而该邻域的尺寸范围也由该邻域的信息所统计决定。自适应滤波方法常用于条纹密度变化较大的条纹图像的预处理。
自适应滤波法是通过利用前一时刻获得的滤波结果，然后再来自动调节现时刻的滤波器参数，用来适应信号和噪声的未知特性，最后实现了最优滤波。而最优滤波的准则是拥有最小均方误差准则（minimum mean square error, MMSE），也就是使误差的均方值最小；和最小二乘准则（least square error, LSE）即是使误差的平方和最小。
1.2.3 差分法
对信号进行差分,心电信号中的R波有着幅度大、斜率高的特点，通过差分法可以对信号进行判断[8]。差分法是一种快速的算法，通过检测心电信号序列对时间的导数来定位QRS波的位置。该算法原理简单而且运算快捷，但是抗干扰能力相对其他算法是较差的。所以一般在运用时最好先利用其他手段滤波后再使用该算法。
差分法算法是比较简单的，并且容易硬件实现,检测率一般能达到95%左右。
1.2.4 神经网络滤波法
神经网络是应用数学方法发展出的一种具有人工智能的数学模型，它有着有高度并行计算能力、自学能力和容错能力的处理方法。
BP算法是神经网络算法的训练算法，使用BP算法进行学习的多级非循环神经网络则称为BP神经网络[9]。BP神经网络滤波法在ECG的检测中也是经常使用，它具有很强的自适应学习能力，可以解决很多未知的不确定非线性信息处理问题和自适应滤波方法。
1.2.5 动态自适应阈值法
动态自适应阈值法根据R波来检测QRS波群。要检测R波，最直观的方法就是阈值检测。该算法的原理是基于R波的幅值为最大的特点，确定R波的阈值，计算ECG数据的最大值并与阈值进行比较[10]，再接着确定出Q、S波，最后确定出其他的波形，从而完成ECG信号的检测。
目 录
1 绪论 1
1．1 课题背景 1
1．2 发展现状 1
1．3 课题意义 3
2 基本介绍 3
2．1 ECG 3
2．2 QRS 5
2．3 PanTompkins演算法 6
3 总体研究设计 7
3．1 研究目标 7
3．2 研究步骤 7
3．3 开发工具 7
4 详细设计 8
4．1 数据采集 8
4．2 代码设计 13
5 结果展示与分析 16
5．1 结果展示 16
5．2 分析 17
结 论 19
致 谢 20
参 考 文 献 21
附录A 详细代码 23
附录B 预处理代码 32
1 绪论
1．1 课题背景
随着现代人的生活条件的提升，很多人养成了不良的习惯，熬夜、酗酒、工作压力的增大、经常缺乏锻炼的人心血管疾病更加容易发作。而这些人心脏更容易产生病变。心脏病已经是是严重威胁人类健康的疾病之一，很多人却一直不引起重视。随着科技的进步，心脏的监测方法也变得更加多 *好棒文|www.hbsrm.com +Q: ￥351916072￥
样化。周到全面的实时心跳检测在现在医疗中起着十分重要的作用。
心脏的实时检测是一种现在十分热门的生物识别技术，以前科技的水平是很难实现这一功能，但是随着计算机科学的进步，人们有了很多科学的方法来实时检测心跳的发生。现在的医疗设备中常使用心电图来检测心跳的发生，但是原始的心电图检测到的心跳数据总是伴随着各种噪声的干扰，不利于人们对心跳数据的分析。现在已经有很多新的科学方法来去除各种干扰，并且将心跳数据变得清晰，用于分析和诊断各种心脏的病变。
心脏活动监测到现在技术已经很成熟了，国内的心电监护就有很多年的历史。世界各国的心电图技术都发展迅速，国内通过引进国外各种先进的技术让心脏活动的观察变得更简单更方便[1]。基于心电图的心脏观察就是一种生物识别的技术，在国际上也早已经有很多研究成果。
本课题中使用的就是PanTompkins演算法来检测实时心跳的发生，这是现在一种十分流行的生物识别技术。PanTompkins算法是由JIAPU PAN和WILLIS J.TOMPKINS在1985年提出，这是一种用来检测心电图中的QRS波群信息的算法，该算法原理比较简单，易于实现[2]。
1．2 发展现状
现在ECG检测技术已经发展的十分迅速，现如今已有比较成熟的心电信号处理方法，如小波变换法、自适应滤波法、差分法、匹配滤波法、动态自适应阈值法等等[3]。这些算法大大提高了QRS波群的检测速度，错误率也越来越低，已经在各个相关领域中得到了广泛的应用。
1.2.1 小波变换
小波变换技术现在应用的十分广泛，主要应用于工程技术领域。它的一个非常重要的领域就是检测信号的特征点，这在处理QRS波群的检测中起到了很好的作用。
小波变换的原理[4]是利用二进样条小波对心电信号按照Mallat算法进行变换，从而今小波变换的等效滤波器来说，它分析了心脏生物信号的R峰点与它自身小波变换模的极大值对应的零交叉点的关系。小波变换具有很好的时频特性，能较好的突出信号的局部特征[5]。该算法的QRS信号检测正确率是较高的，这是因为在这种检测中运用了较好的策略来增强算法的抗干扰能力。通过MIT/BIH[6]标准心电数据率检测验证发现，该算法的正确检测率高达99.8%[7]。
1.2.2 自适应滤波法
自适应滤波法是一种对图像的自动分析处理的方法。该方法对信号的某一点滤波平滑，是依赖于该点邻域的信息统计，而该邻域的尺寸范围也由该邻域的信息所统计决定。自适应滤波方法常用于条纹密度变化较大的条纹图像的预处理。
自适应滤波法是通过利用前一时刻获得的滤波结果，然后再来自动调节现时刻的滤波器参数，用来适应信号和噪声的未知特性，最后实现了最优滤波。而最优滤波的准则是拥有最小均方误差准则（minimum mean square error, MMSE），也就是使误差的均方值最小；和最小二乘准则（least square error, LSE）即是使误差的平方和最小。
1.2.3 差分法
对信号进行差分,心电信号中的R波有着幅度大、斜率高的特点，通过差分法可以对信号进行判断[8]。差分法是一种快速的算法，通过检测心电信号序列对时间的导数来定位QRS波的位置。该算法原理简单而且运算快捷，但是抗干扰能力相对其他算法是较差的。所以一般在运用时最好先利用其他手段滤波后再使用该算法。
差分法算法是比较简单的，并且容易硬件实现,检测率一般能达到95%左右。
1.2.4 神经网络滤波法
神经网络是应用数学方法发展出的一种具有人工智能的数学模型，它有着有高度并行计算能力、自学能力和容错能力的处理方法。
BP算法是神经网络算法的训练算法，使用BP算法进行学习的多级非循环神经网络则称为BP神经网络[9]。BP神经网络滤波法在ECG的检测中也是经常使用，它具有很强的自适应学习能力，可以解决很多未知的不确定非线性信息处理问题和自适应滤波方法。
1.2.5 动态自适应阈值法
动态自适应阈值法根据R波来检测QRS波群。要检测R波，最直观的方法就是阈值检测。该算法的原理是基于R波的幅值为最大的特点，确定R波的阈值，计算ECG数据的最大值并与阈值进行比较[10]，再接着确定出Q、S波，最后确定出其他的波形，从而完成ECG信号的检测。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jsj/jsjkxyjs/955.html
