孫金平 劉愛麗 劉迢迢 顏菲

摘要：為加強(qiáng)學(xué)生的理論學(xué)習(xí)效果，提高學(xué)生綜合運(yùn)用所學(xué)知識(shí)解決實(shí)際問題的能力，開發(fā)了基于LabVIEW的多功能生物醫(yī)學(xué)信號(hào)處理實(shí)驗(yàn)平臺(tái)，實(shí)現(xiàn)心電信號(hào)和腦電信號(hào)的濾波、特征提取、頻譜分析等功能，方便學(xué)生直觀了解常用生物醫(yī)學(xué)信號(hào)處理方法，更好的服務(wù)理論教學(xué)。

關(guān)鍵詞：心電;腦電;實(shí)驗(yàn)平臺(tái);labVIEW

Abstract： In order to strengthen students' effect of the theoretical learning and improve the ability to solve practical problems by using their knowledge comprehensively， a multi-functional biomedical signal processing experimental platform based on LabVIEW is developed to realize the filtering， feature extraction， spectrum analysis and other functions of ECG and EEG signals， so as to facilitate students to intuitively understand common biomedical signal processing methods and better serve the theory Teaching.

Key words： ECG; EEG; experimental platform;labVIEW

生物醫(yī)學(xué)信號(hào)處理是生物醫(yī)學(xué)工程專業(yè)的重要核心課程，旨在培養(yǎng)學(xué)生掌握生物信號(hào)處理的基本原理、方法，使學(xué)生具備獲取、處理生物醫(yī)學(xué)信號(hào)的能力。但是生物醫(yī)學(xué)信號(hào)處理課程知識(shí)點(diǎn)和數(shù)學(xué)公式多、理論概念抽象，學(xué)生理解困難[1-3]。為培養(yǎng)學(xué)生綜合運(yùn)用多個(gè)理論知識(shí)點(diǎn)解決實(shí)際問題的能力，基于臨床常見的心電和腦電信號(hào)，開發(fā)了多功能生物醫(yī)學(xué)信號(hào)處理虛擬實(shí)驗(yàn)平臺(tái)，使學(xué)生可以直觀了解常用信號(hào)處理方法和效果， 提高學(xué)生理論聯(lián)系實(shí)際、運(yùn)用多種信號(hào)處理知識(shí)解決一類信號(hào)問題的綜合實(shí)踐能力。

LabVIEW是美國(guó)NI公司推出的一種基于圖形化編程語言的虛擬儀器軟件開發(fā)工具，?可?快速?訪問?硬件?和?數(shù)據(jù)?信息。它?提供?了?一種?可?視?化?、圖形?化?編?程?方法，?可?直觀?顯示?應(yīng)用?的?各個(gè)?方面。?程序?框?圖可?直觀?地?表示?復(fù)雜?的?邏輯，?開發(fā)?數(shù)據(jù)?分析?算法;控件面板集成常用工程控件，可?自?定義??用戶?界面[4]。LabVIEW集成多種常用編程、測(cè)量、數(shù)據(jù)通信、數(shù)學(xué)、信號(hào)處理等常用函數(shù)，具有開發(fā)周期短、運(yùn)行速度快、使用方便靈活等優(yōu)點(diǎn)。

1 信號(hào)簡(jiǎn)介

心電圖（Electrocardiogram，ECG）和腦電圖（Electroencephalogram，EEG）是臨床常用檢查[5-6]。在正常心動(dòng)周期中，一個(gè)典型的心電波形主要包括P波，QRS波群，S-T段、T波，各波形和波段分別表示不同的心臟電生理活動(dòng)特征[7]。實(shí)驗(yàn)平臺(tái)用心電數(shù)據(jù)來自PhysioBank[8]中的MIT-BIH Arrhythmia Database數(shù)據(jù)庫(kù)[9]，共48組心電數(shù)據(jù)，它是目前國(guó)際上公認(rèn)的標(biāo)準(zhǔn)的心電數(shù)據(jù)庫(kù)之一，數(shù)據(jù)采樣頻率為360Hz。

腦電圖按頻率大致劃分為四個(gè)波段，即δ（1-4Hz）、θ（4-8Hz）、α（8-13Hz）、β（13-30Hz），不同頻率波形表征不同的大腦活動(dòng)[10]。實(shí)驗(yàn)平臺(tái)用腦電數(shù)據(jù)來自PhysioBank 中的EEG During Mental Arithmetic Tasks數(shù)據(jù)庫(kù)[11]，共35組，每組數(shù)據(jù)包含受試者在執(zhí)行心算任務(wù)之前和期間的腦電記錄，數(shù)據(jù)采樣頻率為500Hz。

2 實(shí)驗(yàn)平臺(tái)設(shè)計(jì)

實(shí)驗(yàn)平臺(tái)包括心電處理和腦電處理兩大部分。集成了IIR濾波器、FIR濾波器、小波變換、頻譜分析等信號(hào)處理知識(shí)，實(shí)現(xiàn)交互式窗口設(shè)計(jì)，可以實(shí)時(shí)查看設(shè)置不同參數(shù)對(duì)信號(hào)處理效果的影響。系統(tǒng)結(jié)構(gòu)圖見圖1。

2.1 數(shù)據(jù)預(yù)處理

數(shù)據(jù)預(yù)處理可以提高信號(hào)中有效數(shù)據(jù)的質(zhì)量，從而有助于提高后續(xù)數(shù)據(jù)處理的精度。實(shí)驗(yàn)分別選取有限沖激響應(yīng)濾波器（FIR）、無限沖激響應(yīng)濾波器（IIR）和小波變換方法對(duì)心電和腦電信號(hào)進(jìn)行濾波[12]。FIR濾波器具有線性相位、容易設(shè)計(jì)等優(yōu)點(diǎn);IIR濾波器可用較低的階數(shù)獲得高的選擇性，所用的存儲(chǔ)單元少，計(jì)算量小，效率高;小波變換則具有多分辨率的特點(diǎn)，可在不同尺度下對(duì)信號(hào)進(jìn)行濾波。通過選擇不同的濾波參數(shù)或?yàn)V波器組合，可觀察不同類型濾波器以及同一類型濾波器設(shè)置不同參數(shù)時(shí)的濾波效果。

2.2 特征提取

R波是心電信號(hào)中最明顯的信號(hào)特征，R波的正確提取是計(jì)算心率、分析心率變異性等其他參數(shù)的基礎(chǔ)[13]。R波具有幅值大、變化劇烈等特點(diǎn)，同時(shí)，不同人心電信號(hào)的R波有一定的差異，因此選用差分自適應(yīng)閾值法提取心電信號(hào)R波[14-15]。學(xué)生可直觀地了解不同濾波效果對(duì)R波提取準(zhǔn)確度的影響。

2.3 頻譜分析

信號(hào)頻譜代表了信號(hào)中不同頻率分量成分的大小，它能夠提供比時(shí)域信號(hào)波形更直觀、更豐富的信息。采用快速傅立葉變換對(duì)腦電信號(hào)進(jìn)行頻譜分析，以頻率為橫坐標(biāo)描述信號(hào)的頻率成分，并觀察不同濾波方法對(duì)腦電信號(hào)頻譜幅值的影響。

3 實(shí)驗(yàn)平臺(tái)實(shí)現(xiàn)

按照實(shí)驗(yàn)平臺(tái)設(shè)計(jì)方案，分別開發(fā)了心電和腦電數(shù)據(jù)實(shí)驗(yàn)平臺(tái)，包括數(shù)據(jù)讀取模塊、數(shù)據(jù)預(yù)處理模塊、心電特征提取模塊、腦電頻譜分析模塊。

3.1數(shù)據(jù)讀取模塊

實(shí)驗(yàn)平臺(tái)可任意選取48組心電數(shù)據(jù)中的任一組心電數(shù)據(jù)和35組腦電數(shù)據(jù)中任一組腦電數(shù)據(jù)進(jìn)行顯示和處理。下文圖示中分別選取100組心電數(shù)據(jù)和Subject00_1組腦電數(shù)據(jù)的10秒長(zhǎng)數(shù)據(jù)進(jìn)行處理。

3.2數(shù)據(jù)預(yù)處理模塊

分別設(shè)計(jì)FIR濾波器、IIR濾波器和小波變換濾波器的前面板和程序框圖，可選擇單一濾波器，也可采用組合濾波器。分別顯示濾波前后的信號(hào)，便于直觀觀察不同濾波器或不同濾波參數(shù)的濾波效果。FIR濾波器可以選擇窗函數(shù)、等波紋等設(shè)計(jì)方法，低通、高通、帶通、帶阻等濾波類型，可顯示濾波器的頻率特性圖。IIR濾波器可以選擇Butterworth、Bessel、Chebyshev、Elliptic等設(shè)計(jì)方法，低通、高通、帶通、帶阻等濾波類型，設(shè)置濾波器階數(shù)，可顯示濾波器的頻率特性圖。小波變換濾波器可以選擇不同的小波函數(shù)，設(shè)置不同的分層層數(shù)以及各層系數(shù)，可顯示變換后的小波系數(shù)。FIR、IIR濾波器設(shè)置界面見圖2，小波變換濾波器子程序框圖見圖3。

3.3 特征提取模塊

選取10秒長(zhǎng)即3600個(gè)數(shù)據(jù)長(zhǎng)度的心電信號(hào)進(jìn)行特征提取，采用差分自適應(yīng)閾值法提取R波，每次濾波結(jié)束后自動(dòng)進(jìn)行R波位置檢測(cè)，觀察不同濾波方法對(duì)特征提取效果的影響。心電R波檢測(cè)效果見圖4。

3.4 頻譜分析模塊

選取10S的腦電數(shù)據(jù)進(jìn)行頻譜分析，分別顯示濾波前后的腦電幅度譜，觀察不同濾波器對(duì)腦電頻譜的濾波效果。應(yīng)用小波變換濾除低頻分量，濾波前后的頻譜對(duì)比見圖5。

4 結(jié)束語

實(shí)驗(yàn)平臺(tái)集合了濾波器設(shè)計(jì)、特征提取、頻譜分析等常用信號(hào)處理知識(shí)，提升了運(yùn)用多種信號(hào)處理知識(shí)解決某類信號(hào)問題的綜合實(shí)踐能力，熟悉了系統(tǒng)的、完整的信號(hào)處理流程。采用交互式界面，學(xué)生直觀了解信號(hào)處理結(jié)果，驗(yàn)證了理論知識(shí)，激發(fā)了學(xué)習(xí)興趣，更好地服務(wù)了理論教學(xué)。

參考文獻(xiàn)：

[1] 饒妮妮，杜曉川，歐鳳.生物醫(yī)學(xué)信號(hào)處理課程研究性教學(xué)的探索與實(shí)踐[J].高教論壇，2011（8）：78-80.

[2] 胡廣書，汪夢(mèng)蝶.生物醫(yī)學(xué)信號(hào)處理研究綜述[J].數(shù)據(jù)采集與處理，2015，30（5）：915-932.

[3] 韓萍，康健.基于LabVIEW的信號(hào)處理技術(shù)應(yīng)用演示及實(shí)驗(yàn)系統(tǒng)設(shè)計(jì)[J].實(shí)驗(yàn)技術(shù)與管理，2010，27（7）：99-103.

[4] 張丙才，劉琳，高廣峰，等.基于LabVIEW的數(shù)據(jù)采集與信號(hào)處理[J].儀表技術(shù)與傳感器，2007（12）：74-75.

[5] 金林鵬，董軍.基于集成學(xué)習(xí)的臨床心電圖分類算法研究[J].生物醫(yī)學(xué)工程學(xué)雜志，2016，33（5）：825-833.

[6] 謝松云，張振中，楊金孝，等.腦電信號(hào)的若干處理方法研究與評(píng)價(jià)[J].計(jì)算機(jī)仿真，2007（2）：326-330.

[7] 盧喜烈.心電圖基礎(chǔ)理論[M].天津：天津科學(xué)技術(shù)出版社， 2005.

[8] Goldberger A L， Amaral LAN， Glass L， et al. PhysioBank， PhysioToolkit， and PhysioNet： Components of a New Research Resource for Complex Physiologic Signals [J]. Circulation 101 （23） ：e215 - e220.

[9] MOODY G B， MARK R G. The impact of the MIT-BIH Arrhythmia Database[J]. IEEE Eng in Med and Biol， 2001， 20（3）：45-50.

[10] 李穎潔.腦電信號(hào)分析方法及其應(yīng)用[M].北京：科學(xué)出版社， 2009.

[11] Zyma I， Tukaev S， Seleznov I，et al. Electroencephalograms during Mental Arithmetic Task Performance [J]. Data，2019， 4（1）：14.

[12] 岳洪偉.基于LabVIEW的數(shù)字信號(hào)處理虛擬實(shí)驗(yàn)平臺(tái)實(shí)現(xiàn)[J].實(shí)驗(yàn)技術(shù)與管理，2011，28（8）：70-72.

[13] 吳建，李康，龐宇，等.基于差分閾值與模板匹配的心電R波提取算法[J].重慶郵電大學(xué)學(xué)報(bào)（自然科學(xué)版），2015，27（3）：372-376.

[14] 張勝，吳仲光，李征.一種自適應(yīng)R波檢測(cè)算法實(shí)現(xiàn)[J].四川大學(xué)學(xué)報(bào)（自然科學(xué)版），2008（3）：498-502.

[15] 李秀麗. 基于小波變換的心電QRS波群檢測(cè)算法的研究[D].濟(jì)南：山東大學(xué)，2013.

【通聯(lián)編輯：王力】