文獻標識碼： A
DOI：10.16157/j.issn.0258-7998.173174
中文引用格式： 彭良廣，林金朝，龐宇，等. 基于自適應濾波的可穿戴式心電信號檢測系統[J].電子技術應用，2017，43(9)：17-21.
英文引用格式： Peng Liangguang，Lin Jinzhao，Pang Yu，et al. Wearable system based on adaptive filter for monitoring ECG signal[J].Application of Electronic Technique，2017，43(9)：17-21.
0 引言
公安部民警作為一種高危的職業，據統計，在近五年來，全國民警因公犧牲2 129人，因公負傷20 741[1]。其中，工作在一線的警員的犧牲的人數最多，過度勞累成為警員犧牲的主要因素，過度的工作量和社會治安的壓力使得警員傷亡人數居高不下。因此，對警員的身體健康的實時檢測具有重要的現實意義。
心電（Electrocardiogram，ECG）信號作為人體體征信號的重要組成部分，實時檢測ECG信號，一方面可以反映人體的生命指標，避免錯過負傷警員的最佳救援時間；另一方面可以用于心率變異性、精神壓力、疲勞檢測等方面的分析[2]，避免警員因過度勞累與壓力大而出現猝死[3]。研制一種ECG信號實時檢測系統可以為公安部民警乃至其它高壓力工作人群及時預警與反饋。
目前，實時ECG信號的檢測系統的研究也日益見長。而穿戴式采集ECG信號主要面臨著電極的舒適度低，如Ag/AgCl濕電極限制人體活動，導致皮膚過敏[4]等；運動偽跡（Motion Artifact，MA）干擾，如人體體表與電極的相對運動造成采集電極測量精度不準等問題。
自適應濾波作為一種非線性的濾波算法，利用參考信號來調整濾波系數，依靠參考信號與噪聲的相關性來濾出干擾信號。自適應算法的研究表明[5]，采集電極的加速度與ECG信號含有的MA干擾密切相關。因此，本文提出的可穿戴式無線ECG檢測系統，利用鑲嵌導電硅膠的胸帶中作為心電采集電極，采用加速度計ADXL345輸出加速度信號，結合自適應濾波器來消除ECG信號的MA干擾，運用最小二乘遞歸算法(Recursive Least-Square，RLS)與歸一化的最小均方算法(Normalized Least Mean Square，NLMS)來實現仿真自適應濾波器，以兩種算法的濾波輸出ECG波形的穩定性以及定位R波的準確性作為評判標準，對兩種算法的濾波效果實現對比。
1 檢測系統的實現方法
1.1 總體設計
本文設計的可穿戴式無線心電檢測系統，以柔軟的導電硅膠作為前端采集電極，采用TI公司的低功耗ADS1292作為ECG模擬前端，利用意法半導體32位低功耗單片機STM32L151作為檢測系統的主控芯片，采用TI公司的超低功耗藍牙CC2640來實時傳輸心電數據，并且利用藍牙4.0串口接收器實現上位機采集ECG數據。系統設計框圖如圖1所示，硬件外觀如圖2所示。通過手機APP端藍牙實時接收心電檢測系統的數據，從而對ECG信號作特征提取與分析，提升了系統的實用價值。
1.2 檢測系統的硬件實現
ECG檢測裝置的硬件模塊單元如圖3所示，其中包括鋰電池電源管理模塊、心電采集模塊、數據處理模塊、藍牙傳輸通信模塊與加速度采集模塊。系統電源管理模塊采用TP4057提供鋰電池的充電管理、運用TLV70033穩壓芯片為系統提供3.3 V電壓。心電采集模塊采用單導聯(Lead 1)的方式采集ECG信號，利用ADS1292內部的24位ADC采樣得到ECG數據，采用串行外設接口(SPI)與系統的單片機(MCU)實時傳輸數據。數據處理模塊由主控單片機STM32L151最小系統組成，STM32L151單片機采用內部SPI、I2C接口分別獲取ECG采集模塊、加速度計的數據，利用Cotex-M3內核實時處理數字信號，通過異步串行通信(UART)將數據傳輸至藍牙模塊，讓采集到的ECG數據實現傳輸、濾波處理以及在終端(上位機、手機APP)實時顯示。
1.3 主控單片機的軟件實現
主控單片機是整個系統的核心處理單元，可穿戴式檢測系統的程序流程圖如圖4所示。主控單片機首先初始化系統，再配置外部信號采集單元ADS1292和ADXL345，然后使能內部數據傳輸接口，開啟采樣ECG信號后，接收與存儲ECG數據，又將解析后的數據經過濾波、計算等來對信號實現預處理，最后通過異步串口UART將處理的數據發送至藍牙模塊。
2 算法設計
2.1 ECG的預處理算法
檢測系統采集到的ECG信號幅度值微弱且含有大量干擾，包括工頻干擾、肌電干擾、基線漂移、MA等干擾[5]。穿戴式胸帶是利用單導聯的方式采樣得到原始ECG信號，有用頻率范圍0.05～40 Hz[6]。而工頻干擾與肌電噪聲屬于ECG信號的高頻成分。采用數字FIR低通濾波器和50 Hz陷波器可以將其濾除。對于ECG信號中的基線漂移，一般采用形態學濾波算法來濾除[7]。
在對ECG信號檢測時，考慮到公安干警所處的實際環境中身體的運動，導致胸帶上的兩個采集電極與皮膚出現相對位移，采集的ECG信號中引入了較大的低頻MA干擾[5]。穿戴式胸帶檢測裝置利用三軸加速度傳感器檢測身體的運動信號作為參考信號。含有MA干擾的ECG波形與三軸加速度的波形如圖5所示?？梢钥闯鰠⒖夹盘柵cECG信號含有的MA干擾具有相關性，可以利用自適應濾波器來處理ECG信號。
2.2 自適應濾波算法
在統計信號處理中，自適應濾波器擁有大量的運用，比如相干消噪[8]。在濾波算法處理過程中，需要額外的輸入參考信號，以此計算與更新最佳的濾波系數。該算法可以消除ECG信號含有的MA干擾，同時參考信號與MA干擾相關性越高，濾出效果越好。自適應濾波器的單元框圖如圖6所示。
在采集人體運動心率時，ECG信號混有較大的MA干擾。自適應濾波器輸入參考信號rf(k)，輸出得到誤差e(k)，利用維納最優濾波的判斷準則，其代價函數選擇均方差E{e2(k)}。通過自適應算法不斷更新濾波系數w(k)，實現濾波的E{e2(k)}最小。
最小均方（Least Mean Square，LMS）算法是采用最陡下降的收斂路徑計算出最佳的濾波系數，對于設計M階自適應濾波器的更新計算公式：
2.3 心率計算與評估
原始的ECG信號經過預處理后，再將ECG信號通過自適應濾波處理以濾除MA干擾。本文分別采用NLMS算法與RLS算法來實現更新自適應濾波系數，將輸出信號定位R波的準確率作為算法的評估參數。
ECG信號的R波定位采用差分閾值法，該算法能快速定位R波，適用在實時性要求較高的心電檢測裝置[11]。心率的計算是利用兩個R波間期作為計算參數，心率HR計算公式：
式中，RR為相鄰R波間期，RS為ECG信號的采樣率。實際人體運動測量心率時，常會出現漏檢或誤檢R波。因此，本文將計算心率的誤差作為系統測量的評估參數。
3 實驗結果
3.1 整體系統測試
心電檢測系統由心電檢測硬件裝置與手機APP組成。如圖7所示，導電硅膠電極和穿戴式心電檢測裝置組成系統硬件裝置，手機通過藍牙4.0接收ECG數據與三軸加速度數據并實時顯示信號的波形與心率值。
3.2 ECG信號R波定位測試
實驗是采用MATLAB軟件實現算法的仿真，NLMS算法步長μ取0.5，RLS算法λ取0.995。將含有MA干擾的ECG信號與自適應濾波輸出的信號分別進行R波定位，其定位的波形如圖8所示。從對比R波定位可以看出采用NLMS算法的自適應濾波器輸出的信號能正確地定位R波，而采用RLS算法的出現了誤檢與漏檢R波的情況。
表1為采集10位普通測試者的20 min ECG數據，統計R波個數，對比兩種自適應算法濾波輸出正確率，統計結果表明對于10位測試者采用NLMS算法濾波后的ECG定位R波準確率可達99%以上。
3.3 心率測試
運用ECG檢測系統測試平臺，系統通過藍牙模塊與手機藍牙連接，在手機終端實現NLMS算法，測量靜坐與運動時實際的心率值，將結果與邁瑞MEC-1000的標準醫用監護儀作對比。
表2為心率測試結果，1到5組為測試者靜坐時測量的心率值，6到10組為對應的測試者在日常活動如走路、慢跑時測量的心率值。誤差統計結果如圖9所示，表明實際采用NLMS算法測量的心率值相對標準醫用監護儀在靜坐時誤差在1.5%以內，在運動時誤差在4%以內。
4 結論
為了實現對公安民警等高危職業人群實時檢測ECG信號，采用胸帶設計了一款可穿戴式實時檢測系統。利用導電硅膠作為采集電極，結合心電檢測系統采集ECG信號，以藍牙4.0無線傳輸數據，利用手機APP實時顯示波形與心率值。為了在日常活動中檢測ECG信號，通過設計自適應濾波器來濾除ECG信號中含有的MA干擾，對比了NLMS算法與RLS算法。結果表明，在實時ECG信號檢測系統中采用自適應NLMS算法的濾波效果更佳，輸出的ECG基線平穩，而且定位R波的準確性達99%以上，在手機APP測量的心率值誤差在4%以內，整體系統具有較高的測量精度。
心電檢測系統不僅適用于公安民警、消防官兵，系統稍加改進也可推廣到高壓人群與患病人群。高精度的測量ECG信號，為后續的抑郁癥、心臟病等評估與精神壓力分析提供重要的參數。
參考文獻
[1] 袁國禮.5年來公安民警因公犧牲2129人[N].京華時報，2015-04-06(006).
[2] 陳穎昭，高躍明，甘振華，等.基于STM32的便攜式家用心電檢測儀的設計[J].電子技術應用，2013，39(9)：18-20.
[3] JAIN S K，BHAUMIK B.An ultra low power ECG signal processor design for cardiovascular disease detection[C]//International Conference of the IEEE Engineering in Medicine & Biology Society.Conf Proc IEEE Eng Med Biol Soc，2015：857.
[4] CHI Y M，JUNG T P，CAUWENBERGHS G.Dry-Contact and noncontact biopotential electrodes：methodological review[J].IEEE Reviews in Biomedical Engineering，1937，3：106-119.
[5] THAKOR N V，ZHU Y S.Applications of adaptive filtering to ECG analysis: noise cancellation and arrhythmia detection[J].IEEE Transactions on Biomedical Engineering，1991，38(8)：785.
[6] TOMPKINS W J.Biomedical digital signal processing[M].Prentice Hall，1993.
[7] 汪家旺，吳玲燕，楊濤，等.幾種去心電基線漂移算法的實現和比較[J].中國醫療器械信息，2008，14(6)：30-33.
[8] 劉曉慶，熊曉燕.自適應濾波在噪聲抵消中的應用[J].科技情報開發與經濟，2007，17(11)：208-209.
[9] LEE W C，YANG Y S O，KE T C，et al.Adaptive reduction of motion artifact in a portable ECG system[C]//Sensors.IEEE，2010：704-707.
[10] ROMERO I，GENG D，BERSET T.Adaptive filtering in ECG denoising：A comparative study[J].2012，30(1)：45-48.
[11] LAI D，ZHANG F，WANG C.A real-time QRS complex detection algorithm based on differential threshold method[C]//IEEE International Conference on Digital Signal Processing.IEEE，2015：129-133.
作者信息：
彭良廣，林金朝，龐 宇，李章勇，李國權，周潛能
（重慶郵電大學 光電信息感測與傳輸技術重慶市重點實驗室，重慶400065）