技術領域

本發明涉及信息處理以及醫學信號處理領域，特別是一種面向FPGA實現心電信號R波自動檢測的方法及系統。

背景技術

典型的正常心電圖主要由一系列的P波、QRS復合波、T波及U波波組組成，其中每個特征波參數或波形間期都代表不同的電生理學意義。

心電信號特征波檢測的主要內容是對QRS波群的定位，并提取相關的波形時域特征參數，QRS波群的確定為檢測其他特征波和計算心率提供了可能，可區別正常與異常心律，進而檢測和分析心電信號的其它細節信息。QRS波群檢測主要分兩步進行，首先是檢測R波波峰，其次在R波波峰檢測的基礎上定位QRS波群的起止點，其中首要問題是定位R波，R波的確定是心電信號其他細節信息分析的前提。但是心電信號波形的多樣性、復雜性、變異性以及可能含有的各種干擾噪聲，都增大了QRS波群精確檢測的難度。目前，心電信號特征波檢測方法主要有數學形態學法、模板匹配法、BP神經網絡及其學習算法和小波變換法等幾個方面。但這些方法普遍存在高精度算法復雜、實時性差、難以在現有硬件平臺上實現以及現有硬件平臺上的算法檢測精度不高等問題。同時，現有技術大多采用高級語言編程實現，運算量大，難以滿足實時性要求。

發明內容

為解決上述問題，本發明的目的在于提供一種面向FPGA實現心電信號R波自動檢測的方法及系統，提高QRS波檢測精度，加快檢測算法的識別速度。

本發明解決其問題所采用的技術方案是：

一種面向FPGA實現心電信號R波自動檢測的方法，包括面向FPGA實現的以下步驟：

（1）采用雙正交二次樣條小波對心電信號進行4層小波分解；

（2）采用自適應閾值法分別獲取第3、4層上的自適應閾值；

（3）根據第3、4層上的自適應閾值分別獲取小波分解系數在對應層上的正負模極值對；

（4）去除正負模極值對中的偽模極大值點；

（5）根據去除偽模極大值點后的正負模極值對定位R波。

進一步，所述步驟（5）之后還包括：

（6）在小波分解的第2層上，以定位出的R波為核心，向前后的一段時間窗中各尋找一個模極大值點，定位出Q波和S波。

進一步，若在前后的一段時間窗中找不到模極大值點，表示Q或S波不存在，則把R波對應的模極值對的起止點作為QRS波的起止點。

進一步，所述步驟（1）中心電信號為去除噪聲后的心電信號。

進一步，采用加權閾值法去除原心電信號中的噪聲信號。

進一步，所述步驟（2）中，通過以下方法分別獲取第3、4層上的自適應閾值：

設尺度2^j的自適應閾值為Th_j(j=1，2，3，4)，其中，=1，2，3，4，為對應的層值，為層的模極大值，下一個QRS波的模極大值的閾值估計參數通過下式獲取：

，以此計算出第3、4層上的自適應閾值。

進一步，所述步驟（4）中，根據補充檢測策略，刪除多檢點補償漏檢點，以去除正負模極值中的偽模極大值點。

進一步，所述步驟（5）定位R波時，所述R波的位置為第3層和第4層上的小波系數均尋找到正負模極值對時的過零點的位置。

一種面向FPGA實現心電信號R波自動檢測的系統，包括面向FPGA實現的小波分解模塊和檢測模塊，其中：

所述小波分解模塊用于對心電信號進行4層小波分解，最終分別輸出第3、4層上的小波系數；

所述檢測模塊用于以第3、4層上的小波系數作為輸入信號，采集第3、4層上的正負模極值對，同時定位其過零點為R波，完成心電信號特征波的檢測。

進一步，所述小波分解模塊包括地址發生器單元，所述地址發生器單元分別連接心電數據RAM單元、濾波器系數RAM單元、控制單元和乘法器單元，所述心電數據RAM單元和濾波器系數RAM單元分別連接乘法器單元，所述乘法器單元依次連接累加器單元、寄存器單元和二抽取單元，所述控制單元分別與累加器單元、寄存器單元和二抽取單元連接；

以上每一級并行結構中的基本運算單元級聯進行小波分解運算，每一層小波分解的低頻小波系數作為下一層小波變換的輸入，最終分別輸出第3、4層上的小波系數；

所述檢測模塊包括可分別接收第3、4層上的小波系數的比較器一、小波分解數據存儲器和寄存器，所述比較器一與小波分解數據存儲器互連，所述小波分解數據存儲器還連接比較器二，所述寄存器通過閾值寄存器連接比較器二；