王治忠，李泓毅，韓 闖

(鄭州大學(xué) 電氣工程學(xué)院，鄭州 450001)

0 引言

心電信號可以提供心臟活動的基本信息，QRS復(fù)合波檢測是心電信號分析的基礎(chǔ)，但心電信號屬于微弱信號且具有特異性，對心電信號中每個心拍的精準(zhǔn)定位仍有難度。其中，QRS復(fù)合波是心電信號中的重要波形，其幅值、斜率相對其他波段更大，信噪比更高，更容易被檢測[1]。對QRS復(fù)合波的精準(zhǔn)定位有助于對P波和T波的檢測、心率的計算、心拍的截取和特征的提取，為心電信號的自動分析打下良好的基礎(chǔ)，有利于可穿戴心電監(jiān)護(hù)設(shè)備對心臟病患者的實時監(jiān)護(hù)。

QRS復(fù)合波常見定位方法有閾值檢測法[2-4]、模板匹配法[5-6]、小波變換法[7-9]和希爾伯特變換法[4,10-12]等。閾值檢測法計算復(fù)雜度較低，計算速度快且易于理解和實現(xiàn)，能夠?qū)π碾娦盘枌崟r地檢測；但這種方法對信號質(zhì)量要求較高，對于受到噪聲干擾較嚴(yán)重的信號和存在高大的P波或T波的信號會存在較多漏檢或錯檢的情況，從而導(dǎo)致準(zhǔn)確率降低。Pan等[2]使用自適應(yīng)閾值調(diào)節(jié)的方法，并加入不應(yīng)期和回溯的檢測機制。模板匹配法簡單直觀，但其運算速度相對其他方法較慢且對模板的依賴性較大，對一些不規(guī)則的心電波形檢測效果不理想[5]。小波變換法具有多分辨率分析的特點，能夠通過選擇不同的尺度以減小噪聲對信號的影響，從而提高對QRS復(fù)合波檢測的準(zhǔn)確率；但該方法計算量較大，不利于信號的實時檢測[7]。希爾伯特變換法對于信號處理精確性較好，比較適合分析非線性和非平穩(wěn)信號；但該方法需要較大的存儲量，不適合實時檢測[10]。

目前，還有許多新的方法應(yīng)用于QRS復(fù)合波的檢測。D’Aloia等[13]針對含有噪聲的心電信號提出了一種希爾伯特變換與小波變換相結(jié)合的方法。arlija等[14]使用卷積神經(jīng)網(wǎng)絡(luò)的方法選用MIT-BIH數(shù)據(jù)庫的22條記錄作訓(xùn)練，剩下的記錄用來評估模型的性能。Pal等[15]使用模態(tài)經(jīng)驗分解的方法消除心電信號的噪聲并增強QRS復(fù)合波。Manikandan等[16]提出通過提取心電信號的香農(nóng)能量并與希爾波特變換相結(jié)合的方法。Burguera[17]通過特征檢測和特征分析的方法完成對QRS復(fù)合波的定位。其中閾值檢測法因其檢測速度快、占用內(nèi)存小而被廣泛用于心電信號的實時檢測和可穿戴心電信號檢測設(shè)備中，但該方法的準(zhǔn)確率還有待提升[18]?？偟膩碚f，目前大多數(shù)方法都能取得較好的檢測結(jié)果，但對于一些信號異常的情況檢測效果仍然不理想，如較低幅值的QRS復(fù)合波、信號波形不規(guī)則、信號受噪聲干擾嚴(yán)重等。

本文提出了一種新的基于香農(nóng)能量和自適應(yīng)閾值回檢技術(shù)的心電QRS復(fù)合波檢測算法。該算法能夠有效降低噪聲干擾且快速準(zhǔn)確地定位QRS復(fù)合波的位置。下文將詳細(xì)介紹該算法的流程，并基于MIT-BIH心律失常數(shù)據(jù)庫的數(shù)據(jù)進(jìn)行測試。最后將測試結(jié)果與其他方法作對比并對結(jié)果進(jìn)行分析和總結(jié)，實驗結(jié)果驗證了所提算法的有效性。

1 算法原理

本文提出的心電QRS復(fù)合波檢測方法主要分為四個步驟：1)心電信號預(yù)處理。根據(jù)噪聲頻段和QRS復(fù)合波主要頻段的分布對心電信號進(jìn)行濾波，然后使用一階前向差分運算來降低P波、T波和基線漂移噪聲的影響，最后對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理來為香農(nóng)能量的計算作準(zhǔn)備。2)提取香農(nóng)能量包絡(luò)。計算信號的香農(nóng)能量，并使用移動均值濾波作平滑處理。3)QRS復(fù)合波增強。對信號進(jìn)行差分、標(biāo)準(zhǔn)化、平方運算以及平滑濾波的處理，為下一步的QRS復(fù)合波定位作準(zhǔn)備。4)QRS復(fù)合波定位。使用自適應(yīng)閾值的方法并結(jié)合2)、3)所得的數(shù)據(jù)對QRS復(fù)合波進(jìn)行檢測并定位。本文算法的流程如圖1所示。

圖1 QRS復(fù)合波檢測算法流程Fig. 1 Flowchart of QRS complex detection algorithm

1.1 心電信號預(yù)處理

心電信號屬于一種微弱的生理電信號，在采集過程中常常受因為復(fù)雜多變的環(huán)境而受到各種噪聲干擾，進(jìn)而影響后續(xù)心電信號的檢測效果[19]。常見的干擾主要包括工頻噪聲(50 Hz、60 Hz)、肌電干擾(60～300 Hz)和基線漂移(0.05～1 Hz),而QRS復(fù)合波的能量主要集中在5～20 Hz。切比雪夫濾波器在阻帶下降速度快，并且與理想濾波器的頻率響應(yīng)曲線相差最小。本文采用4階的切比雪夫Ι型數(shù)字濾波器并選取通頻帶為(4～22 Hz)來濾除噪聲的干擾。

對濾波后的數(shù)據(jù)進(jìn)行前向一階差分運算能夠增強波形的斜率信息，使QRS復(fù)合波更加突出，同時能夠降低P波、T波和基線漂移噪聲的干擾[18-19]。一階差分的計算公式如式(1)所示：

d[n]=f[n+1]-f[n]

(1)

其中：f[n]指濾波后的心電信號數(shù)據(jù)；d[n]為一階差分運算后的數(shù)據(jù)。

為了下一步香農(nóng)能量的計算，需要對差分后的數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，將數(shù)據(jù)擴展到1和-1之間。標(biāo)準(zhǔn)化計算公式如式(2)所示：

(2)

心電信號預(yù)處理過程的波形圖如圖2所示。由圖2可以看出，經(jīng)過預(yù)處理后，P波和T波的干擾得到了有效的降低。

圖2 心電信號預(yù)處理前后對比Fig. 2 Comparison of ECG signal before and after preprocessing

1.2 提取香農(nóng)能量包絡(luò)

香農(nóng)能量包絡(luò)能夠降低信號中能量較低的噪聲，同時能夠增強中高等強度的信號能量。對于心電信號，香農(nóng)能量包絡(luò)能夠增強較低幅值的QRS復(fù)合波和較寬的QRS復(fù)合波[20]，有利于接下來QRS復(fù)合波的檢測工作，因此，香農(nóng)能量包絡(luò)目前在心電信號的包絡(luò)提取中方法中被廣泛使用。香農(nóng)能量計算公式如式(3)所示:

(3)

其中s(n)為計算得到的香農(nóng)能量。

如圖3(a)所示，在香農(nóng)能量運算后得到的是許多細(xì)小的并排列緊密的波峰，需對其進(jìn)行平滑濾波處理以提取包絡(luò)并使能量更加集中。本文采用移動均值濾波的方法來進(jìn)行平滑濾波處理。在濾波過程中需要對窗口的大小進(jìn)行選擇，如果窗口選擇過小，濾波后的波形不夠平滑，容易造成錯檢；如果窗口選擇過大，則QRS復(fù)合波的能量將會過于分散，容易造成漏檢?；瑒哟翱诘拇笮〉倪x擇通常需要參考QRS復(fù)合波的時間寬度，正常的QRS復(fù)合波的時間寬度一般為80～120 ms[1]。本文所使用的數(shù)據(jù)采樣頻率為360 Hz，所以選取的窗口大小為36個采樣點。需要注意的是，在均值濾波前需要對數(shù)據(jù)進(jìn)行相位補償，在均值濾波前采用對稱的方式在每條數(shù)據(jù)的開頭補償17個點,末尾補償18個點。平滑濾波后信號如圖3(b)所示，可以看出經(jīng)移動均值濾波后得到了一個較為平滑的包絡(luò)。

圖3 香農(nóng)能量包絡(luò)提取過程Fig. 3 Shannon energy envelope extraction process

1.3 QRS復(fù)合波增強

對于正常心電信號，經(jīng)過信號預(yù)處理和提取香農(nóng)能量包絡(luò)兩個步驟后，基本能夠消除噪聲的干擾，準(zhǔn)確地完成QRS復(fù)合波的檢測，但異常波形和噪聲較多的信號仍會對QRS復(fù)合波的檢測造成干擾，如右心房肥大會導(dǎo)致P波高尖、心肌缺血會導(dǎo)致T波高聳等。這些異常的P波和T波都可能會被錯檢成QRS復(fù)合波，所以仍需對信號進(jìn)一步處理。首先，對提取的香農(nóng)能量包絡(luò)使用一階前向差分運算和歸一化運算，進(jìn)一步地對QRS復(fù)合波的波峰進(jìn)行放大并削弱異常P波和T波的干擾。然后對歸一化后的數(shù)據(jù)作平方運算以將雙極性信號轉(zhuǎn)換為單極性信號。最后對平方運算后的信號使用移動均值濾波提取平滑的包絡(luò)以用于QRS復(fù)合波的定位。此時移動均值濾波的窗口大小選擇200 ms的時間寬度，即對應(yīng)360 Hz的數(shù)據(jù)選擇72個采樣點的長度。在均值濾波前需采用對稱的方式在每條數(shù)據(jù)的開頭補償35個點,末尾補償36個點。QRS復(fù)合波增強過程的波形圖如圖4所示。由圖4可以看出，經(jīng)過QRS復(fù)合波增強理后，噪聲干擾基本被完全抑制。

圖4 QRS復(fù)合波增強過程Fig. 4 QRS complex enhancement process

1.4 QRS復(fù)合波定位

心電信號經(jīng)過香農(nóng)能量運算后已經(jīng)能夠得到較為明顯QRS復(fù)合波特征。本文參考PT(Pan-Tompkins)算法對經(jīng)香農(nóng)能量運算后的數(shù)據(jù)使用自適應(yīng)閾值的方法檢測峰值點位置，然后對應(yīng)QRS復(fù)合波增強后的數(shù)據(jù)進(jìn)行位置修正，修正后的QRS復(fù)合波位置即為最終確定的位置。最后，以200 ms作為不應(yīng)期[2]，在不應(yīng)期的范圍內(nèi)去除多余的檢測點。具體步驟如下：

1)尋找峰值點。對心電信號經(jīng)香農(nóng)能量運算后的數(shù)據(jù)中所有峰值點位置進(jìn)行定位，作為待檢測點。

2)設(shè)置初始閾值。選取數(shù)據(jù)前兩秒內(nèi)最大峰值的三分之一作為信號初始閾值(S)，選取數(shù)據(jù)前兩秒內(nèi)的平均值的一半作為噪聲初始閾值(N)，同時將S和N的值分別賦值給SL和NL來為閾值調(diào)整作準(zhǔn)備。

3)峰值檢測與閾值調(diào)整。如果待檢測峰值P大于信號閾值，則認(rèn)為是QRS復(fù)合波；否則認(rèn)為是噪聲。閾值更新公式如式(4)、(5)、(6)、(7)、(8)所示：

SL=0.1P+0.6SL；如果P大于信號閾值

(4)

NL=0.15P+0.7NL；

如果P小于信號閾值且大于噪聲閾值

(5)

NL=0.15P+0.6NL；如果P小于噪聲閾值

(6)

S=NL+0.1(|SL-NL|)

(7)

N=0.5×S

(8)

4)回檢。在長時間沒有檢測到QRS復(fù)合波時，可能會出現(xiàn)漏檢的情況。本文以最后檢測的8個RR間期的平均值作為平均間期，如果當(dāng)前檢測的RR間期大于平均間期的1.66倍，則認(rèn)為這兩個QRS復(fù)合波間期內(nèi)存在漏檢情況，此時需執(zhí)行回檢操作?；貦z過程是在兩個QRS復(fù)合波間期內(nèi)尋找最大的峰值點作為漏檢的QRS復(fù)合波，并重新調(diào)整信號閾值。

5)QRS復(fù)合波位置修正。對于以上步驟所檢測的QRS復(fù)合波的位置可能受到某些異常突變波形的干擾而產(chǎn)生一些偏移或者誤檢，所以需對檢測后的QRS復(fù)合波位置進(jìn)行修正。以檢測的QRS復(fù)合波的位置為中心，在左右150 ms的時間寬度范圍內(nèi)尋找對應(yīng)于增強后的QRS復(fù)合波的最大值位置，該位置即最終所確定的QRS復(fù)合波位置。

6)設(shè)置不應(yīng)期。設(shè)置不應(yīng)期的時間為200 ms，將不應(yīng)期內(nèi)多余的檢測點去除以避免誤檢的情況。

增強后的QRS復(fù)合波定位結(jié)果對應(yīng)的原始信號中QRS復(fù)合波位置如圖5所示。

圖5 QRS復(fù)合波檢測結(jié)果Fig. 5 Results of QRS complex detection

由圖5可以看出，該算法在誤差允許范圍內(nèi)能夠準(zhǔn)確定位QRS復(fù)合波。

2 實驗測試結(jié)果

2.1 代表性心電信號的檢測結(jié)果

本文基于MIT-BIH數(shù)據(jù)庫的數(shù)據(jù)來測試所提算法的性能[21]。MIT-BIH心律失常數(shù)據(jù)庫共包含了48條心電信號記錄，每條記錄時間為30 min，采樣頻率為360 Hz，所有記錄總計大約116 000個心拍，其中每個心拍都由心電專家對其進(jìn)行詳細(xì)的標(biāo)注。由于MIT-BIH心律失常數(shù)據(jù)庫中包含了多種類型的心電信號且每個心拍的標(biāo)注信息完整，所以常常被眾多心電信號研究人員用來評估自己的分析方法。

本文選擇MIT-BIH數(shù)據(jù)庫中幾條具有代表性的心電信號記錄來展示檢測效果。

1)正常心律。MIT-BIH數(shù)據(jù)庫中100號記錄存儲的是正常心律信號，從圖6(a)可以看出，原始信號波形受噪聲干擾較小，QRS復(fù)合波波形突出；其檢測過程和結(jié)果如圖6(b)、(c)、(d)、(e)所示，可以看出心電信號經(jīng)過本文算法處理后能夠準(zhǔn)確定位QRS復(fù)合波的位置。

圖6 正常心電信號檢測結(jié)果Fig. 6 Normal ECG signal detection results

2)R峰值倒置和P波高尖的心電信號檢測結(jié)果。從圖7(a)可以看出，MIT-BIH數(shù)據(jù)庫中108號記錄存儲的心電信號包含負(fù)極性的QRS復(fù)合波和P波高尖的情況。由圖7(b)、7(c)可以看出，經(jīng)過信號預(yù)處理和香農(nóng)能量運算后負(fù)極性的QRS復(fù)合波轉(zhuǎn)變?yōu)榱苏龢O性的波峰，但波形仍受異常P波的干擾。由圖7(d)可以看出，經(jīng)過QRS復(fù)合波增強處理后，異常P波得到了很好的抑制。從圖7(e)的定位結(jié)果來看，本文算法能夠有效地抑制異常P波的干擾并準(zhǔn)確定位負(fù)極性的QRS復(fù)合波的位置。

圖7 R波倒置心電信號檢測結(jié)果Fig. 7 R wave inverted ECG signal detection results

3)基線漂移的心電信號檢測結(jié)果。MIT-BIH數(shù)據(jù)庫中112號記錄存儲的是受到基線漂移噪聲干擾的心電信號，從圖8(b)中可以看出，心電信號預(yù)處理階段已基本消除基線漂移噪聲的干擾。從圖8(e)的定位結(jié)果可以看出，本文算法能夠準(zhǔn)確定位含有基線漂移噪聲干擾的心電信號中QRS復(fù)合波的位置。

圖8 基線漂移心電信號檢測結(jié)果Fig. 8 Baseline drift ECG signal detection results

4)T波高聳的心電信號檢測結(jié)果。MIT-BIH數(shù)據(jù)庫中113號記錄存儲的是典型的T波高聳的心電信號。從圖9(a)可以看出，T波斜率增大且幅值增高，容易被誤檢為QRS復(fù)合波。從圖9(d)可以看出，高聳的T波被很好地抑制。從圖9(e)可以看出，本文算法能夠準(zhǔn)確定位QRS復(fù)合波的位置，不受高大T波的干擾。

圖9 T波高聳心電信號檢測結(jié)果Fig. 9 T wave high-rised ECG signal detection results

5)三聯(lián)律的心電信號檢測結(jié)果。MIT-BIH數(shù)據(jù)庫中232號記錄存儲的是典型的三聯(lián)律心電信號。從圖10(a)可以看出，三個心拍連續(xù)出現(xiàn)后會有一個較長的RR間期，且具有周期性。本文算法采用與之自適應(yīng)調(diào)整的方法，如果間期過長，閾值也在逐步遞減，如果閾值過低可能會造成誤檢，本文通過設(shè)置最小閾值來防止因間期過長而導(dǎo)致的錯檢。從圖10(e)可以看出，對于三聯(lián)律心電信號，本文算法仍能夠準(zhǔn)確定位QRS復(fù)合波的位置。

2.2 MIT-BIH標(biāo)準(zhǔn)數(shù)據(jù)庫的檢測結(jié)果

為了評估本文QRS復(fù)合波檢測算法的性能并方便與其他算法作對比，本文對MIT-BIH數(shù)據(jù)庫中所有已標(biāo)注的數(shù)據(jù)進(jìn)行測試并評價測試結(jié)果。其中評價指標(biāo)包括敏感性(Se)、陽性檢測度(+P)和準(zhǔn)確率(Acc)，其計算式分別如式(9)、(10)、(11)所示:

(9)

(10)

(11)

其中:TP是指算法正確檢測出QRS復(fù)合波的數(shù)量；FN是指漏檢的QRS復(fù)合波的數(shù)量；FP是指算法將其他干擾誤檢為QRS復(fù)合波的數(shù)量。

圖10 三聯(lián)律心電信號檢測結(jié)果Fig.10 Trigeminy ECG signal detection results

MIT-BIH心律失常數(shù)據(jù)庫QRS復(fù)合波檢測結(jié)果如表1所示。本文所提出的算法對MIT-BIH數(shù)據(jù)庫的48條心電信號數(shù)據(jù)共109 494個心拍檢測的QRS復(fù)合波進(jìn)行定位，其中漏檢個數(shù)為144，錯檢個數(shù)為157，敏感性、陽性檢測度和準(zhǔn)確率分別為99.88%、99.85%和99.73%。

3 實驗結(jié)果與對比分析

3.1 結(jié)果分析

從表1中的檢測結(jié)果可以看出，本文算法對MIT-BIH數(shù)據(jù)庫的數(shù)據(jù)檢測時，錯檢和漏檢主要集中在104號、105號、108號、116號、203號、208號、228號和232號幾條數(shù)據(jù)中。其中，104號、105號、108號和228號數(shù)據(jù)包含嚴(yán)重的噪聲干擾和偽波；108號、116號、203號和208號數(shù)據(jù)包含嚴(yán)重的基線漂移和突變的波形；208號和116號數(shù)據(jù)包含更多幅值較低的QRS復(fù)合波；208號數(shù)據(jù)存在較多的室性早搏的情況；232號數(shù)據(jù)存在較長RR間期的情況。

當(dāng)信號出現(xiàn)嚴(yán)重的噪聲干擾時，由于噪聲幅值過大，可能產(chǎn)生偽波，從而算法將噪聲誤檢為QRS復(fù)合波。如圖11(a)所示，MIT-BIH數(shù)據(jù)庫中104號數(shù)據(jù)包含嚴(yán)重的噪聲干擾，并且噪聲的幅值和形態(tài)類似于正常信號，容易造成誤檢。心電信號中存在嚴(yán)重的基線漂移干擾和突變的QRS復(fù)合波時也容易造成錯檢和漏檢。如圖11(b)所示，MIT-BIH數(shù)據(jù)庫中108號數(shù)據(jù)中存在嚴(yán)重的基線漂移現(xiàn)象且個別QRS復(fù)合波發(fā)生突變，從圖中可以看出，本文算法對于這種較難檢測的心電信號依然能準(zhǔn)確定位絕大部分的QRS復(fù)合波位置。MIT-BIH數(shù)據(jù)庫中存在錯誤標(biāo)注的信息也是導(dǎo)致錯檢和漏檢的原因，如圖11(c)所示，MIT-BIH數(shù)據(jù)庫中208號數(shù)據(jù)中同樣存在基線漂移的情況，從圖中可以看出，其中一段心電信號完全沒有QRS復(fù)合波的特征，但卻標(biāo)注了QRS復(fù)合波的位置，從而導(dǎo)致本文算法漏檢。由于本文算法中加入了回檢機制，當(dāng)長時間未檢測到QRS復(fù)合波時，信號閾值會隨之降低并重新檢測，所以容易造成錯檢。

表1 MIT-IH心律失常數(shù)據(jù)庫QRS復(fù)合波檢測結(jié)果Tab. 1 Results of QRS complex detection in MIT-BIH arrhythmia database

從圖11(d)可以看出，MIT-BIH數(shù)據(jù)庫中232號數(shù)據(jù)中存在因RR間期過長而導(dǎo)致錯檢的情況。不過從整體數(shù)據(jù)的檢測結(jié)果來看，本文算法依然能達(dá)到99.88%的敏感性、99.85%的陽性檢測度和99.73%的準(zhǔn)確率，證明本文算法是有效的。

圖11 心電信號錯檢和漏檢結(jié)果Fig.11 Results of false detection and missed detection of ECG signals

3.2 與其他文獻(xiàn)算法對比

為了評估本文算法的優(yōu)劣，將本文算法與同樣基于MIT-BIH數(shù)據(jù)庫作測試的其他幾種算法作了對比，結(jié)果如表2所示。Lai等[22]提出了一種基于多閾值的QRS復(fù)合波檢測算法，該算法能夠快速定位QRS復(fù)合波；但對信號質(zhì)量要求較高，對于噪聲較多的信號檢測效果較差。Sahoo等[4]使用離散小波變換的方法去除噪聲，并將希爾伯特變換與自適應(yīng)閾值來檢測QRS復(fù)合波；該算法的計算復(fù)雜度較高且計算時占用較多內(nèi)存，不利于實時的心電信號檢測。Thiamchoo等[20]使用連續(xù)小波變換去除心電信號中的噪聲，然后對經(jīng)香農(nóng)能量運算后的信號根據(jù)經(jīng)驗設(shè)置閾值來檢測QRS復(fù)合波的位置；但該算法根據(jù)經(jīng)驗設(shè)置的閾值靈活性較低，自適應(yīng)能力較差。Sharma等[23]使用兩次中值濾波作為去噪方法，通過設(shè)置窗口將求得的均方根與閾值相結(jié)合來檢測QRS復(fù)合波，中值濾波雖然能降低噪聲的干擾；但同時也削弱了QRS復(fù)合波的信息，導(dǎo)致漏檢情況較多。孫亞楠等[24]提出了采用小波包分解與改進(jìn)小波閾值法對心電信號作去噪處理的算法，并結(jié)合小波變換自動檢測R峰值位置；但該算法去噪過程較為復(fù)雜，處理速度相對較慢。本文算法很好地克服了以上算法的不足，從表2中的對比結(jié)果可以看出，本文算法對QRS復(fù)合波檢測的敏感性、陽性檢測度和準(zhǔn)確率均高于其他算法，表明本文算法更加有效。

表2 本文QRS復(fù)合波檢測算法與其他文獻(xiàn)算法的對比 單位：%Tab. 2 Comparison of the proposed QRS complex detection algorithm with other literature algorithms unit:%

4 結(jié)語

針對現(xiàn)有心電QRS復(fù)合波檢測算法對于一些信號異常的情況檢測效果仍然不理想的問題，本文提出了一種新的基于香農(nóng)能量與自適應(yīng)閾值相結(jié)合的心電QRS復(fù)合波檢測算法。該算法包括心電信號去噪預(yù)處理、提取香農(nóng)能量包絡(luò)、QRS復(fù)合波增強、QRS復(fù)合波的檢測和定位等步驟，能夠快速準(zhǔn)確地完成心電信號中QRS復(fù)合波的定位工作。本文采用MIT-BIH心律失常數(shù)據(jù)庫所有的48條數(shù)據(jù)共109 494個已標(biāo)注心拍來測試本文所提方法的性能，其中包含QRS復(fù)合波突變、較低和較寬的QRS復(fù)合波、嚴(yán)重的噪聲干擾和基線漂移等情況。從對MIT-BIH數(shù)據(jù)庫的檢測結(jié)果來看，本文算法能較好地解決異常P波、T波和不規(guī)則心律的情況，并且總體檢測結(jié)果的敏感性、陽性檢測度和準(zhǔn)確率與其他算法相比均有所提高，為心律失常的自動診斷提供了良好的基礎(chǔ)。本文使用閾值檢測的方法在信號存在噪聲干擾的情況下具有較好的自適應(yīng)能力，計算復(fù)雜度低，能夠在保證檢測準(zhǔn)確率的情況下快速完成檢測工作，且占用內(nèi)存空間小，易于實現(xiàn)，有利于可穿戴設(shè)備方面的應(yīng)用。在未來的工作中，將針對受嚴(yán)重噪聲污染的信號的QRS復(fù)合波檢測工作進(jìn)行研究，擬采用卷積神經(jīng)網(wǎng)絡(luò)的方法以增強算法的魯棒性。