目前越来越多的心脏病患者植入了人工心脏起搏器。起搏器植入人体一段时间后，必须对其起搏和感知功能进行检测与评价。现有的检测方法是患者定期到医院，利用常规静态心电图或24 小时Holter 系统动态检测，其监测时间有限，不能对起搏器功能的进行科学评价。本研究针对上述问题，对起搏心电信号的实时检测与分析进行研究，以便为起搏器的随时随地实时监测提供技术支撑。
首先对起搏心电信号进行预处理分析，利用差分滤波和滑动加权滤波消除常见噪声信号，如工频干扰、基线漂移和高频噪声等，以利于后续处理。在波形检测方面，对于起搏脉冲位置的检测，首先对预处理后的信号分别经过边缘增强算法处理和阈值分析，经过漏检和误检判断后，得到脉冲位置；对于自主QRS
波的位置检测，首先对脉冲进行零值化处理，再对其重新进行阈值分析和误检漏检检测，即可得到自主QRS 波的位置；在起搏QRS 波检测方面，对自主QRS 波零值化处理后，经过64 点滑动平均滤波，消除高频成分，使信号变得光滑易于处理，再经过阈值分析检测，以及漏检和误检判断，即可确定起搏QRS 波的位置。对于起搏心电信号的特征提取，在上述波形检测的基础上，计算每个波形的幅度、时延，再计算每拍波形的四个间期：RS 间期、SS 间期、RR 间期和SR 间期，并以此作为特征数据集，用作实时分类。
在起搏心电信号的实时分类方面，通过对以上波形的检测与波形特征数据集的提取，根据患者起搏器的起搏功能和感知功能特点，利用ID3 算法对建立的起搏决策表构建起搏心电信号实时分析决策树，并开发了相应的软件。
对MIT-BIH 数据库中起搏数据和实际医院的采集数据进行了实验，波形检测的准确率可达到98%以上；按照ID3 算法进行分类，准确率可达96%以上。
实验结果表明：本文提出的起搏心电信号的检测与分析方法，具有较高的分析准确率和较低的计算复杂性，能够满足远程心电监护系统起搏心电信号的自动分析的需求。
目前心脏疾病已成为我国城乡居民死亡的重要原因之一。随着我国经济水平的提高和人民健康意识的增强，越来越多的患者考虑植入心脏起搏器来治疗心动过缓、心力衰竭、房室传导阻滞、房颤等心脏疾病。
人工心脏起搏器是治疗心脏疾病的伟大贡献之一，患者可以根据心疾的类型选择合适类型的起搏器，目前我国以每年约60 万适合安装起搏器的人速度递增，仅在2009年植入的起搏器数量已达48 992 个。心脏起搏器植入人体服役一段时间后，必须对其起搏和感知功能进行检测和评价。但是人工心脏起搏器植入后与外界完全隔离，其工作环境的重要性使得对其工作状态和功能必须给予实时关注。在过去的几十年里，
人们借鉴了种种信号处理方法和模式识别手段去分析识别心电波形，使在常规心电信号的检测与分析方面有了长足的进步，例如国内外目前采用的分析方法有常规静态心电图分析法，专用的心电图动态监测测系统（24hHolter），以及动态心电图自动分析法。而在起搏心电图检测与分析方面还很匮乏，除了静态的起搏心电图外，虽然也有24 小时动态监测系统法，不过二者都是事后分析，即每次监测完以后，患者或者
家属必须将记录拿回医院重新回放检测分析。很明显，这种方法既对离医院偏远的地方的患者造成不便以外，也不能使患者对起搏器随时、随处的测量检测分析，这种情况造成了人们无法及时了解起搏器的工作状况，导致医护人员与患者无法及时沟通，可能会造成人员伤亡。目前国内外对起搏心电信号的研究文献相对较少，很多都是针对事后分析，对起搏心电信号检测和自动分析的文献更少，只有一些片面零星的研究。加之起搏心电信号与普通心电信号的差异性较大，在实时监护中，必须解决好起搏心电信号典型波形的精确定位、特征数据的快速测量和起搏器功能的快速评价等难题，这些都使本课题的研究有一定的理论意义。如果能系统地研究出人工心脏起搏器的实时检测与快速分析方法，无疑使人工心脏起搏器植入者获益，不仅可以免除了患者到医院进行检测分析的舟车劳顿之苦，也给起搏器佩戴者随时随地的监护带来了方便，既降低了起搏器佩戴者的风险，也对我国远程医疗和远程监护体系的发展起到一定的意义，且具
有一定的社会效益。
1.1国内外研究现状
目前，国内外对于心电信号的分析主要集中在常规心电信号的检测与分析方面，主要内容包括：信号预处理、波形检测、特征提取和分类等几个方面。
1.1.1 心电信号预处理
心电信号的预处理主要是指使用一定的技术手段，对心电信号进行滤波，消除掉心电信号里面存在的噪声。早期的心电信号的预处理采用硬件滤波实现的，即利用大量的元器件、模拟电路、各级抗阻等电路来抑制噪声，但是这些主要是针对模拟信号，后来随着数字滤波的快速发展，精度越来越高，算法也更灵活，可适应性广泛，基于数字滤波器的方法逐渐取代了硬件滤波的模拟电路。目前在心电信号的预处理中常见的滤波方法诸如以下：
Wilfried Philips自适应线性滤波器进行滤波，它的基本原理是：需要一个关于信号和噪声的先验知识和一个参考输入，然后通过预测滤波器将原始心电信号中的噪声分离，可以很好地滤除心电信号中的主要噪声，但是参考输入却不易选取，并且对心室波的影响较大。在20 世纪80 年代Levkov 把心电信号分成线性段和非线性段，针对其滤波提出了不同的处理方式，该方法虽能有效解决心电信号的主要噪声问题，且也不造成对QRS 波峰削减，然而要找到一个具有普遍意义的非线性段和线性段的准则难度较大。Lander 等采用维纳滤波对高分辨率心电信号进行处理，对于不同类型的心电噪声干扰采用不同的方法来消除或抑制，提高了心电信号的信噪比，取得了一定的滤波效果。李刚等利用自适应相干模板法也能有效抑制噪声，且克服了自适应线性滤波需要的参考输入，该方法首先从原始心电信号中获得一个噪声干扰（例如工频干扰）的模板，然后再减去噪声干扰的模板，可以有效滤除多种噪声干扰，但是模板参数的设计过于复杂，实用性存在着一定的限制。
Afonso V X 用滤波器组把心电信号分成若干组频段的子信号，对不同的频段进行不同的滤波处理，由于心电信号的千差万别，所以这种方法虽然理想，却难以得到普遍应用。张帷采用了FFT 滤波和滑动平均滤波结合的方法有效地消除了噪声。Lynn设计了一种具有线性相位的递归数字滤波器，该方法可以有效地实现多种滤波功能，
方法理论简单易于实现。吴剑波设计了主要包括差分滤波和滑动平均滤波等心电信号预处理的一些方法。唐雅青运用了线性滤波和移动窗口积分等相结合的方法实现了心电信号预处理。Gustafsson 和纪跃波利用零相位数字滤波器对心电信号反复滤波，取得了一定的效果，然而这种方法计算复杂度高，需要处理的时间长。利用数学函数纠正法对工频干扰及基线漂移进行滤波有很好的效果，但是插值点的选取问题难以有效地解决。张乾利用基于形态学的方法可以较好的保持心电信号的几何信息，滤除了基线漂移噪声，但是需要的处理时间较长。为了消除基线漂移等主要噪声的影响Xue 在20 世纪90 年代提出了一种非线性自适应滤波器，该滤波器基于神经网络，处理效果较好，但对于不同的心电信号滤波效果不稳定且算法运算量较大，对于临床应用心电信号分析存在大的局限性。Keselbrener 等采用非线性的中值滤波技术对基线漂移进行滤波，该方法简单易用，滤波效果有待提高。Senhadji 在20 世纪90 年代初针对心电信号的滤波问题提出了使用小波技术分析的方法，可以将心电信号分解到不同的频段进而消除了心电图各种噪声，取得较好的滤波效果，相关方面的文献数量也较多，小波技术虽在理论仿真中可以应用，但是由于其占用较大的空间和较高的时间复杂度不适合应用于实际的实时处理中，对于心电信号分析的临床应用存在着局限性。