基于nRF51822的心电监测系统设计

2.3 阈值函数的选择及阈值大小的确定

　　针对不同分解尺度具有不同噪声频率，阈值的选择是一个非常关键部分，直接决定了心电信号去噪效果的好坏，并且体现了对小波系数的处理策略。主要分为软阈值和硬阈值两种。我们设F为小波系数，T表示阈值，F(t)为经过阈值处理后的信号，则硬阈值信号F(t)的形式为：

3 系统程序流程图及测试

3.1 系统程序流程图

　　根据以上介绍的系统总体结构以及功能，本文设计了相应的系统运行流程图，如图7所示。

3.2 系统测试

　　测量误差：为了验证本系统监测得到的心电数据是否准确，对10位不同年龄阶段的人群，在相对安静的状态下进行测试，分别采用医院常用的心电图机，本文设计的监测系统以及人工测量方式，测量结果如图所示，由测试结果可以看出，本文设计的心电检测系统与心电图机、人工测量误差范围在3以内，测量结果比较准确。

　　去噪效果：本文仿真中采用的心电信号是来自MIT-BIH心率异常数据库。从心电信号波形可以看出，小波阈值去噪法取得了良好的去噪效果，能够较好地去除心电信号中的工频干扰、肌电干扰和基线漂移，较好地保留了心电信号的各项特征。

4 结论

　　本文设计了一种基于nRF51822的心电监测系统，本系统采用心电采集模块对使用者进行信息采集，同时利用小波阈值去噪算法对心电信号中存在的噪声进行去噪。通过实验对比分析，当选取适当的小波去噪函数，并设立好正确的去噪阈值函数和信号分解水平，可有效地将心电信息中的各种噪声滤除，且不影响心电信息的各项特征值。将真实的心电信息显示在OLED显示屏上，实际验证表明，本系统能够完成心电监测采集和去噪的功能，具有一定的实用价值，可以应用于医院、家庭等诸多场所。

参考文献：

　　[1]申若亮,陈耀武.便携式防误判心电检测系统设计[J].计算机工程,2016,02:51-55.

　　[2]王烨,王浩任,黄亦翔,等.基于Android的心电检测系统设计与实现[J].机电一体化,2016,03:53-57+72.

　　[3]任凤臣.便携式心电检测系统的设计[D].大连理工大学,2015.

　　[4]黄海彬.基于小波变换的心电识别系统的研究及实现[D].广东工业大学,2015.

　　[5]何浩书.基于小波变换实现心电信号噪声最优处理[D].湖南大学,2014.

　　[6]彭日刚.基于Android系统的心电信号采集与分析系统设计[D].南京邮电大学,2014.

　　[7]刘佳昱.智能心电检测研究及系统开发[D].上海交通大学,2014.

　　[8]马玉良,许明珍,佘青山,等.基于自适应阈值的脑电信号去噪方法[J].传感技术学报,2014,10:1368-1372.

　　[9]李庆华.基于小波阈值算法的信号去噪研究[D].新疆大学,2013.

　　[10]李庆华,山拜·达拉拜,孙全富.基于自适应小波阈值的心电信号去噪算法[J].计算机仿真,2013,10:368-371+432.

　　[11]贾延江.基于Cortex-M3的实时无线心电监测系统设计[D].上海交通大学,2013.

　　[12]王慧静,蒲宝明,孙宏国,等.基于小波阈值的心电信号去噪算法[J].计算机系统应用,2012,12:145-148.

　　本文来源于《电子产品世界》2017年第5期第47页，欢迎您写论文时引用，并注明出处。