1.2 窦房结电图基本知识

SNE基本图形由三部分组成：

（1）舒张期斜坡：斜坡约为30—90μV/s；位于心电图P波前，是一个缓绥向上倾斜的波，与窦房结单个细胞动作电位的4位相相当；

（2）陡长斜波：斜坡坡度为400—1000μV/s；为窦房结电位初始快速上升部份；

（3）心房初始激动波(负向波)；整个波形均位于P波之前，井与之有固定的关系，故又称为P前波。

图1.1是典型的体表窦房结电图，它是由P前波—A—V—T—U波等特征波形组成。

图1.1典型的窦房结电图

P前波（图中SN箭头所指）即是窦房结电位波，在A波或相应的ECG的P波前出现，是窦房结兴奋时产生的点位变化，是诊断窦房结功能的特征波，也是SNE特有的特征波。其波幅为7-12μV，舒张期斜坡不明显，上行斜坡1.16-2.66Mv/sec。另外，图中所示的P前波是窦房结电位的前半部分，后半部分被高频的心房去极化波（A波）覆盖。A、V、T、U波、A—V间期分别与ECG的P、QRS、T、U波、P—R间期相对应，意义相同。

由上述可以看出，P前波是SNE最重要的特征波形，识别P前波具有重要的临床价值。

1.3 SNE信号处理技术的发展现状

由于窦房结体积小、电位低、频率低，对记录条件要求严格，要排除多种干扰及心室复极后的其它后电位的影响，在本课题中要实现窦房结心电图的自动分析，需要对采集到的窦房结电波信号进行前期的滤波处理，以及后期的特征波形识别等，其流程如图1.2所示。

本论文主要进行波形预处理和特征波形自动识别的分析。

SNE信号处理与分析流程图

1.3.1 SNE信号的预处理

信号预处理包括研究基线漂移抑制、噪声消除（电极极化电压、工频干扰以及肌电干扰）。由于噪声及基线漂移产生的机理及特征与ECG相同，因此，预处理方法可直接移植ECG的信号预处理方法。

消除心电信号中的干扰信号，是一个非常具有挑战性的问题。为了研究解决这一问题，Alireza K. Ziarani[2]等人设计使用了一个非线性自适应电磁干扰滤波器。通过该滤波器，ECG中的电磁干扰信号明显减少，另外，滤波器中使用的算法符合相关技术约束，并且结构简单，所需的计算资源低，鲁棒性好。

ECG信号的检测过程中的基线漂移是较难消除的干扰之一,它可导致记录失真,干扰诊断。实验表明,呼吸波是导致基线漂移的主要因素之一,抑制呼吸波可有效抑制基线漂移。张翔[7]等人采用自适应滤波算法进行ECG信号中的呼吸波干扰抑制的研究,通过理论分析、软件仿真和对实际采集的ECG信号的处理,验证了所研究方法的可行性,成功地消除了ECG信号中的呼吸波干扰,抑制了基线漂移。该算法原理简单,收敛速度快,抑制基线漂移的效果明显,具有较高的理论及实际应用价值。另外，朱伟芳[9]等人介绍了一种简单、实用的快速滤波算法———移动窗口中值滤波算法，并采用MIT-BIHArrhythmia Database以及Euro-pean ST-T Database中的数据进行大量的实验验证。现有的基于三次样条插值技术的基线消除方法都是从 PR段上提取“基准点”,这种提取“基准点”方法如果应用于 PR段不平直或噪声较大的信号时 ,其准确性要下降。夏恒超[10]等人利用 QRS波段的高频特性 ,先用一个 FIR基线滤波器对 ECG信号进行粗略滤波 ,求出 R波波峰的位置和其幅度在滤波前后的变化值，将所求得的位置和变化值分别看作是一个“基准点”的位置和幅度。然后 ,对在周期上找到的所有的“基准点”进行三次样条插值计算 ,得到的拟合曲线就是基线。这种方法相对而言性能更佳。 智能化超微心电图仪窦房结电图信号处理与分析算法的研究(3):http://www.youerw.com/jixie/lunwen_67152.html