心电图(Electrocardiograph,ECG)是利用心电图机记录心脏跳动周期所产生电信号变化的一种图形技术,可以用来记录人体正常心脏的电活动以及诊断各种心脏疾病。然而在采集过程中心电信号经常会受到各种干扰,故心电信号去噪处理和特征波形的检测一直是医学信号处理领域的研究热点。本文基于心电信号去噪处理和R波检测的研究现状,对常用的心电信号去噪算法和R波检测算法加以研究和改善,并通过仿真实验获得了较好的结果。本文主要工作如下:(1)首先介绍了心电信号的产生机理、基本组成部分及其各个特征波形、波段包含的参数指标所代表的生理意义,还有心电信号受到的干扰噪声类型。心电信号是一种随机性强、幅值微弱、信噪比低的生理信号,在采集期间,心电信号极易受到心电图机、电极连接以及病人自身的运动伪迹等因素的影响,从而引入噪声干扰,这些常见的噪声主要包括了肌电噪声、工频噪声和基线漂移等。(2)根据各类噪声的不同性质,对不同的噪声采取不同的去噪处理方法。针对基线漂移的去除,本文给出了一种数学形态学和希尔伯特振动相结合的算法,首先通过改进的形态学开、闭运算分离QRS波群,保留含有基线漂移的P波和T波,然后利用希尔伯特振动提取出基线漂移,最后将QRS波群和滤除基漂的P、T波叠加,获得不失真的心电波形。对于工频噪声和肌电噪声,本文给出了一种基于集合经验模态分解与小波新阈值相结合的算法,首先通过经验模态分解获得心电信号的若干个本征模函数(IMFs),并判定出含噪IMF的数量,然后对含噪IMF分量进行小波分解,利用自适应双阈值去除低尺度(如第一尺度)的噪声,利用新阈值函数去除较低尺度(如第三尺度)的噪声,最后将去噪IMF分量和信号IMF分量重构,获得干净的心电信号。本文利用Matlab2015a软件编程,对MIT-BIH心率失常数据库中的数据进行了算法验证和仿真,效果良好。(3)将香农能量(Shannon energy)应用到R波检测算法中。该算法首先采用带通滤波器对心电信号进行滤波处理,随后对去噪后的心电信号进行一阶差分以及幅值归一化处理;然后对处理后的信号进行香农能量运算、窗函数平滑处理,从而提取峰值包络,突出R波波峰;再经过一系列非线性运算并加以校正,最终检测出R波波峰的位置。本文利用Matlab2015a软件编程,对MIT-BIH心率失常数据库中的数据进行了仿真实验,验证了该算法不仅可以克服阈值选取、实时性差、计算量大等缺点,而且具有良好的检测精度。