1.本发明涉及心电监测领域，尤其涉及一种从心电信号中提取呼吸信号的方法及装置。


背景技术：

2.心电图(electrocardiogram，简称ecg)是指心脏在每个心动周期中，由起搏点、心方、心室相继兴奋，伴随着生物电的变化，通过心电描记器从体表引出多种形式的电位变化的图形。
3.心电图的心电信号不仅包含了心脏的功能信息，而且包含了人体其他系统(如呼吸系统)的信息。随着技术的发展，人们已经能够从心电信号中提取呼吸信息(ecg-derivedrespiration，简称edr)，通过分析呼吸信号，可以了解用户的呼吸状态，检测用户是否患有睡眠呼吸暂止症。
4.睡眠呼吸暂止症系指人在睡觉时，上呼吸道(包括鼻咽、口咽及喉部)发生反复性的塌陷，因而堵住呼吸道造成呼吸变浅且变费力，更严重者会因气道完全堵塞而造成吸不到空气及窒息。
5.该睡眠呼吸暂止症通常分为中枢型睡眠呼吸暂止症(csa；central sleep apnea)、阻塞型睡眠呼吸暂止症(osa；obstructive sleep apnea)、混合型睡眠呼吸暂止症(mix apnea)三类。
6.中枢型睡眠呼吸暂止症系指呼吸中枢神经曾经遭受损害而产生障碍，不能正常传达呼吸的指令导致睡眠呼吸机能失调。阻塞型睡眠呼吸暂止症系指喉咙附近的软组织松弛而造成上呼吸道阻塞，呼吸道收窄引致睡眠时呼吸暂停。混合型睡眠呼吸暂止症系指混合该中枢型睡眠呼吸暂止症及该阻塞型睡眠呼吸暂止症。生活中，纯粹患有中枢型或阻塞型睡眠呼吸暂止症的患者很少，多数都是患有混合型睡眠呼吸暂止症。
7.近几年由心电信号提取呼吸信号算法以小波变换法和心率变异法为主。
8.小波变换法认为呼吸信号集中在心电信号中的低频部分，0.1-0.4hz范围内，因此采用小波变换对心电信号进行9层小波变换，呼吸包含在第9层小波变换细节信号中。对第9层小波变换的细节信号进行重构即可获得呼吸信号。该方法需要对信号进行9层小波变换，数据量比较大，计算复杂费时。
9.心率变异法：呼吸会导致心率波动显著，吸气时心率加速，呼气时心率减缓，因此通过检测心率快慢的差异性也可以提取呼吸信号，但由于心率变化不仅受到呼吸运动的影响，还受到自主神经的调节，自主神经系统又受到多种的生理和病理因素的影响，该方法采用这种方法提取到的呼吸信号与真实呼吸信号相比误差较大。


技术实现要素：

10.本发明实施方式提供的一种从心电信号中提取呼吸信号的方法，包括如下步骤：
11.s1：获取用户的原始心电信号；
12.s2：预处理所述原始心电信号，得到数字心电信号；
13.s3：从所述数字心电信号中获取至少3个r波的波峰值、波峰值对应时间以及r波起止时间；
14.s4：根据各r波的波峰值及所述r波起止时间，计算得到r波面积；
15.s5：处理所述r波的波峰值和所述波峰值对应的时间，获得第一呼吸信号；
16.s6：处理所述r波面积和所述波峰值对应的时间，获得第二呼吸信号；
17.s7：叠加所述第一呼吸信号和所述第二呼吸信号，得到第三呼吸信号。
18.本发明的从心电信号中提取呼吸信号的方法，解决了相关现有技术中，呼吸信号提取方法计算量较大，精确度不高的问题；此外，检测并转化得到的呼吸信号经过处理，能及早发现心肌缺血等疾病，对人体健康有巨大作用。
19.进一步地，步骤s2中，预处理所述原始心电信号包括：去噪和模数转换。
20.进一步地，步骤s3中，采用pan-tompkins算法，获取心电信号上定位出r波的波峰值的位置，并对峰值和时间序列进行r(i)和t(i)记录，其中r(i)为第i个r波峰值，t(i)为第i个r波峰所经历的时间值，i表征心电信号样本中的第i个序列，根据第i个波峰时间值t(i)，以t(i)为基准，查找t(i)前第一个电压值最接近0的时间值，记为t(i-)；并查找t(i)后第一个电压值最接近0的时间值，记为t(i+)，t(i-)和t(i+)分别为r波的起止点；
21.根据r(i)、t(i+)、t(i-)，计算r波的面积。
22.进一步地，r波面积的具体计算公式为：s(i)＝(r(i)*(t(i+)-t(i-)))/2。
23.进一步地，步骤s5中，“处理所述r波的波峰值和所述波峰值对应的时间”使用的是插值法。
24.进一步地，步骤s6中，“处理所述r波面积和所述波峰值对应的时间”使用的是插值法。
25.进一步地，所述插值法为三次样条插值法。
26.一种从心电信号中提取呼吸信号的装置，包括存储器和处理器，所述存储器内储存有计算机程序，所述计算机程序能够被所述处理器执行，以实现以上任一实施方式所述的从心电信号中提取呼吸信号的方法。
27.本发明实施方式的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
28.本发明的上述和/或附加的方面和优点从结合下面附图对实施方式的描述中将变得明显和容易理解，其中：
29.图1是本发明实施方式的从心电信号中提取呼吸信号的方法的流程示意图；
30.图2是本发明实施方式的从心电信号中提取呼吸信号的装置的结构示意图。
具体实施方式
31.下文的公开提供了许多不同的实施方式或例子用来实现本发明的不同结构。为了简化本发明的公开，下文中对特定例子的部件和设置进行描述。当然，它们仅仅为示例，并且目的不在于限制本发明。此外，本发明可以在不同例子中重复参考数字和/或参考字母，
这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施方式和/或设置之间的关系。此外，本发明提供了的各种特定的工艺和材料的例子，但是本领域普通技术人员可以意识到其他工艺的应用和/或其他材料的使用。
32.请参阅图1和图2，本发明实施方式提供的一种从心电信号中提取呼吸信号的方法，从心电信号中提取呼吸信号的方法主要包括以下步骤：
33.步骤s1：对用户的原始心电信号进行采集；具体地，例如采集人体随时间变化的心肌电位电势信号。
34.步骤s2：对采集后的原始心电信号进行预处理，也就是去噪和模数转换处理，得到数字心电信号；具体地，预处理过程还包括去除基线漂移、去除工频干扰和去除肌电干扰处理。
35.步骤s3：从所述数字心电信号中获取至少两个r波的波峰值、波峰值对应的时间以及r波起止时间；
36.具体的，在信号预处理阶段，可以使用傅里叶变换来进行信号去噪。但是傅里叶变换并不能在任何情况下都适用，在信号去噪方面有很多的局限性。其中傅里叶变换在处理这类问题时的一个缺陷就是，用傅里叶进行分析时，它的构造函数是周期性的正弦波和余弦波。鉴于其局限性，它只适合对那些具有周期性或者是具有近似周期性的信号进行滤波或压缩，而在对那些具有非周期或者局部特征很明显的信号的处理上效果就不是很好。
37.虽然傅里叶变换在信号去噪方面存在局限性，但是由其发展来的小波变换则能很好地解决上述问题。作为在信号处理领域中的一种新的分析方法，它不仅保留了傅里叶变换的许多优点，而且在原来的基础上进行了改进和发展，使其能够在时频域对信号进行处理。小波变换的显著特优点是通过变换可以将信号进行更细微的处理，并且能够将信号的某些特征较好的表现出来，实现了在时频域对信号进行局部化、多尺度的分析的要求。在小波基础上发展来的信号去噪方法表现出了良好的去噪效果，是fourier变换在信号处理领域的完善和发展。
38.除了以上的两种方法，信号去噪领域还有滤波器滤波法。
39.在信号传输过程中，如果信号和噪声的频谱不在相同的频段，我们经常采用滤波的方法将噪声去除。这是一种在频域对信号进行处理的方法，在使用这种方法进行信号去噪时，我们要根据信号与噪声的频带特点来选取合理的滤波器来进行去噪。该方法结构简单、易于操作，只需选择合适的滤波器让含噪信号通过即可，滤波效果也很好。但是该方法的使用是有条件的，因为该方法是在频域进行的，因此只有在有效信号和噪声的频谱没有重叠时才可以把信号和噪声分开。但是在实际中我们遇到的往往是信号和噪声的频谱相差不大或重叠，甚至是噪声频谱分布在整个频域中。在这种情况下我们很难使用滤波的方法将它们彼此分开，亦或是以损失有效信号为代价，所以这种方法有很大的局限性。
40.此外，还有阈值法去噪。
41.阈值去噪是对信号噪声进行处理的一种简单并且非常有效方法，这种方法最早是由donoho提出的，因为其去噪效果好而被广泛应用。阈值去噪常用的有硬阈值去噪和软阈值去噪两种方法，两者的区别是对阈值的处理方法不同，因此也得到了不同的处理结果。阈值法去噪的思路是，由阈值公式得出一个阈值；然后将小波系数与该阈值进行比较，以阈值为分界，将小波系数划分为两部分并给于特定处理。为了比较完整地将原信号恢复出来，可
以对筛选后的小波系数进行重构以实现期望得到的效果。
42.同时，也可以用平移不变量小波去噪。
43.通过观察可以发现，在信号的突变点很可能会产生一些轻微的震荡(吉布斯现象)。因为正交小波变换具有一个非常优越的性质，即平移不变的特性，为解决这一现象，可以根据该特性将信号进行适当的平移变换，从而改变这些突变点的位置；但是仅仅经过平移还不够，我们还要将它的噪声系数去除，并将去噪后的信号进行逆平移，经过以上各步骤的操作，就能够将噪声最大程度的滤除。然而一个信号有时不可能只存在一个不连续点，也可能存在多个这样的点。所以，通过一次平移我们不可能使所有的连续性不好的点都回到一个连续性好的位置，可能会有一些点因为一次平移没达到一个良好的效果而使连续性更差。所以在处理的时候单次的移动是达不到要求的，而是要改变平移量，进行多次操作，最终取所有结果的平均值。这种方法对信号进行噪声的处理能够减轻波形的震荡，消除伪吉布斯现象。
44.在实际中遇到的信号，不可能全部都是连续的，可能会遇到一些信号在某处间断或者某阶导数不连续，这些不连续的点也就是信号的奇异点(突变点)。信号的一些重要信息往往会通过这些突变点表现出来，因此我们需要将这些能够反映出信号主要特征的点检验出来。
45.因此，还可以使用模极大值法去噪，该算法的主要依据是：信号和噪声在不同的分解尺度上小波系数存在的差异性，即原信号的模极大值和与分解尺度成正比，而噪声却与之成反比。通过分析比较，就可以判断出各个模极大值是由那部分信号引起的，然后根据判断结果，去掉由噪声所带来的模极大值并将剩余的进行信号的重构，就可以把噪声滤除。
46.滤波处理则可以采用有限数字滤波fir、无限数字滤波iir和自适应滤波等手段。
47.fir(finite impulse response)滤波器是一种有限长单位冲激响应滤波器，又称为非递归型滤波器，是数字信号处理系统中最基本的元件，它可以在保证任意幅频特性的同时具有严格的线性相频特性，同时其单位抽样响应是有限长的，因而滤波器是稳定的系统。
48.iir滤波器则是一种递归滤波器，采用递归型结构，即结构上带有反馈环路。iir滤波器运算结构通常由延时、乘以系数和相加等基本运算组成，可以组合成直接型、正准型、级联型、并联型四种结构形式，都具有反馈回路。由于运算中的舍入处理，使误差不断累积，有时会产生微弱的寄生振荡。
49.自适应滤波是近年以来发展起来的一种最佳滤波方法。它是在维纳滤波、kalman滤波等线性滤波基础上发展起来的一种最佳滤波方法。由于它具有更强的适应性和更优的滤波性能，从而在工程实际中，尤其在信息处理技术中得到了广泛的应用。自适应滤波存在于信号处理、控制、图像处理等许多不同领域，它是一种智能更有针对性的滤波方法，通常用于去噪。
50.s3：通过对处理后的数字信号采用pan-tompkins算法(ref:jiapupan，willisj.tompkins.areal-timeqrsdetectionalgorithm，ieeetransactionsonbiomedicalengineering，1985，)，获取心电信号上定位出r峰的位置。并对峰值和时间序列进行记录。
51.其中，r(i)为第i个r波峰值；t(i)为第i个r波峰所经历的时间值，i表征心电信号样本中的第i个序列；
52.根据第i个波峰时间值t(i)，以t(i)为基准，查找t(i)前第一个电压值最接近0的时间值，记为t(i-)；并查找t(i)后第一个电压值最接近0的时间值，记为t(i+)，t(i-)和t(i+)分别为r波的起止点；
53.步骤s4：根据至少两个所述r波的波峰值及所述r波起止时间，计算r波面积；具体地，根据r(i)、t(i+)、t(i-)，计算r波的面积；
54.r波面积计算以三角形面积计算。其中t(i)为三角形高，t(i+)-t(i-)为三角形的底边宽度。s(i)＝(r(i)*(t(i+)-t(i-)))/2。
55.步骤s5：对所述r波的波峰值和所述波峰值对应的时间进行插值法处理获得第一呼吸信号；
56.第一呼吸信号获取模块根据离散数据点
‑‑‑
t(i)和r(i)，对离散数据点进行插值处理。具体的，可以使用分段线性插值或分段三次样条插值法进行处理。
57.基于i个给定点的数据，根据i个给定点将数据集合分为i-1段，在i-1段给定数据点之间构建一个三次样条。
58.设共有n个插值节点t1＜t2＜
…
＜t
n-1
＜tn，则经过数据点(t1，r1)，(t2，r2)，
…
(t
n-1
，r
n-1
)，(tn，rn)的三次样条q(t)是一组三次多项式：
59.q1(t)＝a1+b1(t-t1)+c1(t-t2)2+d1(t-t3)3，t∈(t1，t2)
60.q2(t)＝a2+b2(t-t1)+c2(t-t2)2+d2(t-t3)3，t∈(t2，t3)
61.q
n-1
(t)＝a
n-1
+b
n-1
(t-t1)+c
n-1
(t-t2)2+d
n-1
(t-t3)3，t∈(t
n-1
，tn)
62.该多项式在节点处有连续性和在节点处的一阶导和二阶导有光滑性。根据边界条件可以求得ai、bi、ci以及di的值，从而求得qi(t)的表达式，从而生成平滑的第一呼吸信号。
63.步骤s6：对所述r波面积和所述波峰值对应的时间进行三次样条插值处理获得第二呼吸信号；
64.第二呼吸信号获取模块根据离散数据点
‑‑‑
t(i)和s(i)，对离散数据点进行三次样条函数插值处理。
65.基于i个给定点的数据，根据i个给定点将数据集合分为i-1段，在i-1段给定数据点之间构建一个三次样条。
66.设共有n个插值节点t1＜t2＜
…
＜t
n-1
＜tn，则经过数据点(t1，s1)，(t2，s2)，
…
(t
n-1
，s
n-1
)，(tn，sn)的三次样条p(t)是一组三次多项式：
67.p1(t)＝a1+b1(t-t1)+c1(t-t2)2+d1(t-t3)3，t∈(t1，t2)
68.p2(t)＝a2+b2(t-t1)+c2(t-t2)2+d2(t-t3)3，t∈(t2，t3)
69.p
n-1
(t)＝a
n-1
+b
n-1
(t-t1)+c
n-1
(t-t2)2+d
n-1
(t-t3)3，t∈(t
n-1
，tn)
70.该多项式在节点处有连续性和在节点处的一阶导和二阶导有光滑性。根据边界条件可以求得ai、bi、ci以及di的值，从而求得pi(t)的表达式，从而生成平滑的第二呼吸信号。
71.步骤s7：对所述第一呼吸信号和所述第二呼吸信号进行叠加，最终获得第三呼吸信号。
72.通过对样条插值后的第一呼吸信号和第二呼吸信号进行时间同步的叠加运算获得第三呼吸信号。
73.如图2所示，本发明提供了一种从心电信号中提取呼吸信号的装置200，包括存储器和处理器，存储器内储存有计算机程序，计算机程序能够被处理器执行，以实现以上任一实施方式的从心电信号中提取呼吸信号的方法。
74.采集模块201，用于采集用户的心电信号；
75.采集模块201例如包括传感器及电极，采集人体随时间变化的心肌电位电势信号，同时将采集的信号传递给处理模块202。作为一个非限制性示例，所述采集模块201采用三通道导联，将电极贴片摆放位置采用运动心电图的标准位置：左胸、右胸和左肋。其中，电极可以为普通的带有导电胶层的医用电极，也可以是新型的没有导电胶的电极，还可以采用织物电极，设置在可穿戴的心电衣上，通过织物电极的方式配置在心电衣上，可以方便用户持久的穿戴，并且织物电极能够有效的对心电信号进行传导，使得获取的心电信号稳定可靠。所述电极通过导联线连接至处理模块202。
76.处理模块202，对所述用户的原始心电图信号进行信号去噪和处理得到数字信号；
77.用于对所述心电信号采集模块201的心电信号样本进行去除基线漂移、去除工频干扰和去除肌电干扰处理，获得去噪后的心电信号，并对去噪后的心电信号进行模数转换，得到数字信号。
78.本实施例中可以对心电信号样本进行高通滤波器截止频率为0.05hz的滤波去除基线漂移，得到基线漂移干扰之后的心电信号样本，再进行50hz陷波滤波处理去除工频干扰，得到去除基线漂移、去除工频干扰和之后的心电信号样本，再进行butterworth滤波器去除肌电的干扰，最后得到去除噪声后的心电信号。对去噪后的心电信号进行模数转换，得到数字信号。
79.运算模块203，获取至少两个r波的波峰值、波峰值对应的时间以及r波起止时间；
80.第i个r波峰值记为r(i)；第i个r波峰所经历的时间值为t(i)，i表征心电信号样本中的第i个序列，t(i-)和t(i+)分别为r波的起止点。
81.r波的起止点根据第i个波峰时间值t(i)，以t(i)为基准，查找t(i)前第一个电压值最接近0的时间值，记为t(i-)；并查找t(i)后第一个电压值最接近0的时间值，记为t(i+)，t(i-)和t(i+)分别为r波的起止点；
82.运算模块203，还包括根据根据至少两个所述r波的波峰值及所述r波起止时间，计算r波面积；
83.r波面积计算以三角形面积计算。其中t(i)为三角形高，t(i+)-t(i-)为三角形的底边宽度。s(i)＝(r(i)*(t(i+)-t(i-)))/2。
84.存储模块204，用于对所述r(i)、t(i)、t(i-)、t(i+)和s(i)数据进行储存；
85.第一呼吸信号获取模块205，对存储模块204中的存储的r(i)和t(i)数据进行三次样条插值处理获得第一呼吸信号；
86.第二呼吸信号获取模块206，对存储模块204中存储的t(i)和s(i)数据进行三次样条插值处理获得第二呼吸信号；
87.第一呼吸信号获取模块205根据存储模块204获取的离散数据点
‑‑‑
t(i)和r(i)，对离散数据点进行三次样条函数插值处理。
88.基于i个给定点的数据，根据i个给定点将数据集合分为i-1段，在i-1段给定数据点之间构建一个三次样条。
89.给定数据点之间构建一个三次样条。
90.设共有n个插值节点t1＜t2＜
…
＜t
n-1
＜tn，则经过数据点(t1，r1)，(t2，r2)，
…
(t
n-1
，r
n-1
)，(tn，rn)的三次样条q(t)是一组三次多项式：
91.q1(t)＝a1+b1(t-t1)+c1(t-t2)2+d1(t-t3)3，t∈(t1，t2)
92.q2(t)＝a2+b2(t-t1)+c2(t-t2)2+d2(t-t3)3，t∈(t2，t3)
93.q
n-1
(t)＝a
n-1
+b
n-1
(t-t1)+c
n-1
(t-t2)2+d
n-1
(t-t3)3，t∈(t
n-1
，tn)
94.该多项式在节点处有连续性和在节点处的一阶导和二阶导有光滑性。根据边界条件可以求得ai、bi、ci以及di的值，从而求得qi(t)的表达式，从而生成平滑的第一呼吸信号。
95.第二呼吸信号获取模块206根据存储模块204获取的离散数据点
‑‑‑
t(i)和s(i)，对离散数据点进行三次样条函数插值处理。
96.基于i个给定点的数据，根据i个给定点将数据集合分为i-1段，在i-1段给定数据点之间构建一个三次样条。
97.设共有n个插值节点t1＜t2＜
…
＜t
n-1
＜tn，则经过数据点(t1，s1)，(t2，s2)，
…
(t
n-1
，s
n-1
)，(tn，sn)的三次样条p(t)是一组三次多项式：
98.p1(t)＝a1+b1(t-t1)+c1(t-t2)2+d1(t-t3)3，t∈(t1，t2)
99.p2(t)＝a2+b2(t-t1)+c2(t-t2)2+d2(t-t3)3，t∈(t2，t3)
100.p
n-1
(t)＝a
n-1
+b
n-1
(t-t1)+c
n-1
(t-t2)2+d
n-1
(t-t3)3，t∈(t
n-1
，tn)
101.该多项式在节点处有连续性和在节点处的一阶导和二阶导有光滑性。根据边界条件可以求得ai、bi、ci以及di的值，从而求得pi(t)的表达式，从而生成平滑的第二呼吸信号。
102.信号叠加模块207，对第一呼吸信号和第二呼吸信号进行叠加，最终获得第三呼吸信号。
103.以第一呼吸信号和第二呼吸信号进行时间同步的叠加运算获得第三呼吸信号。
104.尽管已经示出和描述了本发明的实施方式，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施方式进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。