心电信号去噪的数学形态学滤波器

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (2): 124-126.

• 数据库、信号与信息处理 • 上一篇下一篇

心电信号去噪的数学形态学滤波器

田絮资1，杨建2，黄力宇2

1.宝鸡文理学院计算机科学系，陕西宝鸡 721007
2.西安电子科技大学生命科学技术学院，西安 710071

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2012-01-11 发布日期:2012-01-11

Morphological filter to remove power-line interference and baseline wander in electrocardiogram

TIAN Xuzi1, YANG Jian2, HUANG Liyu2

1.Department of Computer Science, Baoji College of Arts and Science, Baoji, Shaanxi 721007, China
2.School of Life Sciences and Technology, Xidian University, Xi’an 710071, China

Received:1900-01-01 Revised:1900-01-01 Online:2012-01-11 Published:2012-01-11

摘要/Abstract

摘要： 为探索验证一种基于数学形态滤波器的去除心电基线漂移和工频干扰的高性能滤波器设计方法，借鉴数学形态学一维信号滤波原理，提出自适应阈值ECG去噪算法的思路，讨论了3σ统计准则在ECG自适应阈值滤波中的作用，利用改进的算法对心电图中常见的工频干扰和基线漂移进行校正。通过对MIT-BIH心率变异数据库中多组数据的仿真验证研究，验证了该算法能有效实现心电信号的噪声预处理；数学形态学理论在心电信号处理中具有良好性能，是实时处理一维生物医学信号有潜力的工具。

关键词: 心电图, 数学形态学, 自适应阈值, 滤波器

Abstract: To explore and verify a filter design based on mathematical morphology for removal of power-line interference and baseline wander in electrocardiogram（ECG）. Based on signal filtering principle of mathematical morphology, an adaptive threshold ECG denoising algorithm?is?given；the values of 3σ statistical criterion on adaptive threshold ECG denoising are discussed. Then the ECGs with common power-line interference and the ECGs with baseline wander are researched respectively by means of this improved algorithm. The analyzed ECG signals are chosen from MIT-BIH arrhythmia database. The simulation results show that the proposed filter can remove the baseline wander and power-line interference in ECG effectively；The method has a better performance in ECG denoising, and it supplies a potential tool in real time processing of one-dimension biomedical signals.

Key words: electrocardiogram, mathematical morphology, adaptive threshold, filter

田絮资1，杨建2，黄力宇2. 心电信号去噪的数学形态学滤波器[J]. 计算机工程与应用, 2012, 48(2): 124-126.

TIAN Xuzi1, YANG Jian2, HUANG Liyu2. Morphological filter to remove power-line interference and baseline wander in electrocardiogram[J]. Computer Engineering and Applications, 2012, 48(2): 124-126.

[1]	姚远，张朝阳. 基于HP-LSTM模型的股指价格预测方法[J]. 计算机工程与应用, 2021, 57(24): 296-304.
[2]	陈晓文，刘光帅，刘望华，李旭瑞. 成对旋转不变的共生自适应完全局部三值模式[J]. 计算机工程与应用, 2021, 57(1): 219-226.
[3]	王国屹，孙永荣，吴雷，曾庆化. 分块检测尺度自适应的圆形目标相关跟踪[J]. 计算机工程与应用, 2020, 56(8): 177-184.
[4]	王思奎，刘云鹏，亓琳，张钟毓，林智远. 基于背景约束与卷积特征的目标跟踪方法[J]. 计算机工程与应用, 2020, 56(8): 205-214.
[5]	张海斌，刘娟，刘思璇，程宇. 基于卷积神经网络的心电信号质量分析[J]. 计算机工程与应用, 2020, 56(5): 147-152.
[6]	李俊彦，宋焕生，张朝阳，侯景严，武非凡. 基于视频的多目标车辆跟踪及轨迹优化[J]. 计算机工程与应用, 2020, 56(5): 194-199.
[7]	刘剑锋，李瑞华，刘垚圻，苏泳涛，胡金龙. 无线通信中的信噪比估计算法研究[J]. 计算机工程与应用, 2020, 56(18): 82-89.
[8]	贺军义，杨丰，安葳鹏，尚家泽. 基于IGGIII方案的自适应渐消卡尔曼滤波器[J]. 计算机工程与应用, 2020, 56(14): 52-56.
[9]	潘荣敏，袁杰，王宏伟，米汤. 融合深度信息的移动机器人跟踪方法研究[J]. 计算机工程与应用, 2020, 56(14): 161-168.
[10]	王春丹，谢红薇，李亚旋，张昊. 融合改进的三帧差分和ViBe算法的运动目标检测[J]. 计算机工程与应用, 2020, 56(13): 199-203.
[11]	苗露，冯新喜，迟珞珈. 基于GGIW-CPHD的衍生扩展目标跟踪算法[J]. 计算机工程与应用, 2019, 55(9): 118-123.
[12]	吴刚1，2，曾晓勤2，王池社1，苏守宝1. DCNN深度特征与交替方向乘子的相关滤波跟踪[J]. 计算机工程与应用, 2019, 55(8): 157-163.
[13]	郑银环1，王备战2，王嘉珺2，陈凌宇2，洪清启2. 深度卷积神经网络应用于人脸特征点检测研究[J]. 计算机工程与应用, 2019, 55(4): 173-178.
[14]	付佳，田婷，唐铭，何凌，尹恒. 结合PECGTFs和SSMC的腭裂语音咽擦音自动检测算法[J]. 计算机工程与应用, 2019, 55(24): 102-109.
[15]	程德强，白春梦，郭昕，李腾腾，庄焕东，徐辉. 基于分层区域的自适应图像配准算法[J]. 计算机工程与应用, 2019, 55(17): 199-206.

心电信号去噪的数学形态学滤波器

Morphological filter to remove power-line interference and baseline wander in electrocardiogram

PDF

可视化

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