基于nRF51822的心電監測系統設計

2.3 閾值函數的選擇及閾值大小的確定

　　針對不同分解尺度具有不同噪聲頻率，閾值的選擇是一個非常關鍵部分，直接決定了心電信號去噪效果的好壞，并且體現了對小波系數的處理策略。主要分為軟閾值和硬閾值兩種。我們設F為小波系數，T表示閾值，F(t)為經過閾值處理后的信號，則硬閾值信號F(t)的形式為：

3 系統程序流程圖及測試

3.1 系統程序流程圖

　　根據以上介紹的系統總體結構以及功能，本文設計了相應的系統運行流程圖，如圖7所示。

3.2 系統測試

　　測量誤差：為了驗證本系統監測得到的心電數據是否準確，對10位不同年齡階段的人群，在相對安靜的狀態下進行測試，分別采用醫院常用的心電圖機，本文設計的監測系統以及人工測量方式，測量結果如圖所示，由測試結果可以看出，本文設計的心電檢測系統與心電圖機、人工測量誤差范圍在3以內，測量結果比較準確。

　　去噪效果：本文仿真中采用的心電信號是來自MIT-BIH心率異常數據庫。從心電信號波形可以看出，小波閾值去噪法取得了良好的去噪效果，能夠較好地去除心電信號中的工頻干擾、肌電干擾和基線漂移，較好地保留了心電信號的各項特征。

4 結論

　　本文設計了一種基于nRF51822的心電監測系統，本系統采用心電采集模塊對使用者進行信息采集，同時利用小波閾值去噪算法對心電信號中存在的噪聲進行去噪。通過實驗對比分析，當選取適當的小波去噪函數，并設立好正確的去噪閾值函數和信號分解水平，可有效地將心電信息中的各種噪聲濾除，且不影響心電信息的各項特征值。將真實的心電信息顯示在OLED顯示屏上，實際驗證表明，本系統能夠完成心電監測采集和去噪的功能，具有一定的實用價值，可以應用于醫院、家庭等諸多場所。

參考文獻：

　　[1]申若亮,陳耀武.便攜式防誤判心電檢測系統設計[J].計算機工程,2016,02:51-55.

　　[2]王燁,王浩任,黃亦翔,等.基于Android的心電檢測系統設計與實現[J].機電一體化,2016,03:53-57+72.

　　[3]任鳳臣.便攜式心電檢測系統的設計[D].大連理工大學,2015.

　　[4]黃海彬.基于小波變換的心電識別系統的研究及實現[D].廣東工業大學,2015.

　　[5]何浩書.基于小波變換實現心電信號噪聲最優處理[D].湖南大學,2014.

　　[6]彭日剛.基于Android系統的心電信號采集與分析系統設計[D].南京郵電大學,2014.

　　[7]劉佳昱.智能心電檢測研究及系統開發[D].上海交通大學,2014.

　　[8]馬玉良,許明珍,佘青山,等.基于自適應閾值的腦電信號去噪方法[J].傳感技術學報,2014,10:1368-1372.

　　[9]李慶華.基于小波閾值算法的信號去噪研究[D].新疆大學,2013.

　　[10]李慶華,山拜·達拉拜,孫全富.基于自適應小波閾值的心電信號去噪算法[J].計算機仿真,2013,10:368-371+432.

　　[11]賈延江.基于Cortex-M3的實時無線心電監測系統設計[D].上海交通大學,2013.

　　[12]王慧靜,蒲寶明,孫宏國,等.基于小波閾值的心電信號去噪算法[J].計算機系統應用,2012,12:145-148.

　　本文來源于《電子產品世界》2017年第5期第47頁，歡迎您寫論文時引用，并注明出處。