心電信號的特征提取分析與處理

　　生物醫學儀器包括了診斷儀器和治療儀器兩大類。在診斷儀器中要尋找對診斷有意義的具有某種特征的信號或信號的某種特征量。在治療儀器中同樣需要確定特征信號的存在或信號特征量的大小去控制治療部分的工作。一般說來，信號并不能直接提供這些信息，它們需要應用信號處理方法去提取。例如，臨床的常規腦電圖檢查可為腦損傷、腦血栓、內分泌疾病等的診斷、預防和治療提供信息。另外腦電圖也常用來作睡眠、麻醉深度的監護。但是白發腦電圖的時域波形很不規則。不但它的節律隨精神狀態變化而改變，而且在基本節律的背景下還會不時地發生一些瞬態變化。傳統的分析方法是用領域分析方法，用它的基本節律作為腦電圖的基本特征量。?

　　從信號中提取特征量的常用方法有譜分析、波形分析、建立模型等多種。有了特征量，就要根據它們進行診斷。診斷就是分類?，F用的模式分類方法有統計模式識別、句法分析、模糊模式識別等。上述這些內容正是信號處理學科的主要研究對象，實際上這些方法現在也并不成熟。例如，在研究大腦感覺機制，提取誘發響應時，常常采用重復刺激方法和相干平均技術來克服自發腦電活動，增強有用信息。污染信號的噪聲可以是加性的（即觀測等于信號的噪聲之和）、相乘性的（即觀測等于信號與噪聲的積）；也可能有用的信息僅與信號的一部分有關，而與有用信息非相關部分也被看成噪聲?？傊?，噪聲的性質是多種多樣的。數字濾波器是增強信息、抑制噪聲的常用方法，然而它對于頻帶重疊的信號與噪聲無能為力。因此消噪問題是生物醫學信號處理研究的又一個重要內容。?

　　?目前生物醫學信號處理中應用的抑制噪聲和信號增強技術，常需要信號與噪聲統計特性的先驗知識，先驗知識越完整，增強信號的效果越顯著。然而得到這些先驗知識常常又是困難的，這種要求限制了諸如維納濾波、卡爾曼濾波等技術的應用。自適應方法可以自動調節參數來適應信號統計特性而不依賴先驗知識，因而引起了廣泛的注意。在某種情況下，需要將信號從一個地點傳送到另一個地點。有不少突發性疾病對患者威脅極大，例如，猝死和呼吸障礙，為了及時搶救，在患者家里安裝監護系統。監護系統采集的經電話電路傳到監護中心，使患者處于醫護人員的監護之下。

? ? ? ? 心臟周圍的組織和體液都能導電，因此可將人體看成為一個具有長、寬、厚三維空間的容積導體。心臟好比電源，無數心肌細胞動作電位變化的總和可以傳導并反映到體表。在體表很多點之間存在著電位差，也有很多點彼此之間無電位差是等電的。心臟在每個心動周期中，由起搏點、心房、心室相繼興奮，伴隨著生物電的變化，這些生物電的變化稱為心電。人體心電信號是非常微弱的生理低頻電信號，通常最大的幅值不超過5mV，信號頻率在0．05～100Hz之間。心電信號是通過安裝在人體皮膚表面的電極來拾取的。由于電極和皮膚組織之間會發生極化現象，會對心電信號產生嚴重的干擾。加之人體是一個復雜的生命系統，存在各種各樣的其他生理電信號對心電信號產生干擾。同時由于我們處在一個電磁包圍的環境中，人體就像一根會移動的天線，從而會對心電信號產生50Hz左右的干擾信號。心電信號具有微弱、低頻、高阻抗等特性，極容易受到干擾，所以分析干擾的來源，針對不同干擾采取相應的濾除措施，是數據采集重點考慮的一個問題。