数事费求与率用
基于数字滤波的呼吸信号去噪研究
段力庞宇贺焱秋
(重庆邮电大学光电信息感测与信息传输实验室重庆400065)
应用研究
摘要呼吸信号作为呼吸生理的一个重要参数，是意性呼吸功能障碍的敏感指标，呼吸信号的监测被广泛应用于慢性疾病的早期发现和诊断,本文提出了一种基于数字滤波的呼吸信号去噪方法,该方法设计简单、运算量小和易于实现。通过仿真实验表明该方法能够有效去除呼吸信号中的高频噪声干扰和抑制基线漂移。为临床上实境便携式的呼吸监测打下基础。
关键词：呼吸信号数字滤波高频干抗基线源移
中图分类号：TN713
文献标识码：A
呼吸信号作为一项重要的临床生理指标，越来越引起人们的广泛关注，通过对人体呼吸功能及状况进行检测，可以发现并预防呼吸、消化、循环等系统的慢性疾病，对及时了解病情和对症治疗来保
持身体的平衡和健康有着重要的意义。 1FIR数字滤波器的实现结构
呼吸信号是微弱低频人体生理电信号，通常频率在0.2~0.8HZ 通过贴在皮肤表面的电极来获取。在采集呼吸信号时，由于设备、人体活动等因素的影响而使采集到的呼吸信号受到干扰。常见的呼吸信号干扰有高频随机噪声，主要是由于人体分布电容与电极引线环路受电力系统及其他设备产生的频率为50HZ左右的工题电磁场干扰，基线漂移，即在信号采集过程中由于电极移动及肌体运动而产生的噪声，其频率小于5HZ。数字滤波用于心电信号消噪，不仅可以提高设备的性能，而且可以降低医疗设备的复杂程度和生产成本。
图1为呼吸信号去噪的实现结构， 2FIR数字滤波器的设计
40阶FIR低
呼吸信号
通波
形态学迹波
图1呼吸信号的处理框图
(etz)
清滤
图2FIR滤波器幅频响应曲线
0
收移日期：201601-10
S
图3结构元素k
验出
文章编号:1007-9416(2016)02-0069-02
2.1低通滤波器
滤波器阶数与滤波器效果和运算量都有密切关系，滤波器阶数越高，滤波后的效果就越明显，但要考虐硬件开销问题。另外，FIR滤波器有两种逼近设计方法即窗口法和频率采样法，窗口法优于频率抽样法。FIR滤波器的设计指标如下：(1)类型：FIR低通，(2)采样频率：Fs=500HZ，(3)截止频率：Fc=0.8Hz；(4)窗口类型：Kaiser窗， Beta为2.5；(5)滤波器阶数：40，按照上述指标进行设计，设计后的滤波器幅频响应曲线如图2所示。
为了达到对浮点型数据最优量化，本文采用IP核对滤波器系数进行定点化处理。
2.2形态学滤波
数学形态学是由一组形态学的代数运算子组成的，利用一个称作结构元素的“探针"收集图像的信息，当探针在图像中不断移动时，便可考察图像各个部分之间的相互关系，从而了解图像的结构特征，它的基本运算有4个：膨胀、腐蚀、开启和闭合。本文所设计的形态滤波算法主要用来消除有用呼吸信号中的低频噪声成分，即含噪呼吸信号中的基线漂移，所选用的结构元素形状为直线型，如图3 所示。
设信号序列f为定义在F={0,1，，N-1}上的函数，结构元素k 为定义在K=(0,1，,M-1)上的函数,其中N>M，那么结构元素k对信号的腐蚀运算可以定义为：
(/Dk)(m)=_ min_(m +n)k(n)) 其中m=0,1,..,NM
结构元素k对信号的膨胀运算可以定义为：
(k)(m)=-ax_((n)+k(mn) 其中m=M1,M2,,N1
在膨胀和腐蚀量运算的基础上，结构元素k对信号的开启和闭合运算可定义为：
开启：。k=(/ok)④k
送
平均值
用运费
图4形态学滤波算法示意图
作者简介段力(1988一),男，湖北式汉人,颈士研究生,主要研究方向是集成电路设计。