第四节：心电数据处理任务设计

好，咱们接着聊。这一节要讲的是心电数据处理的核心任务——数字滤波、基线漂移去除，还有QRS波检测。说实话，这部分是我个人觉得整个监护系统里最有意思的地方。你想想看，原始心电信号进了ADC之后，那波形简直没法看，各种噪声混在里面。怎么把这些噪声去掉，把有用的心电特征提取出来，这就是我们要解决的问题。

4.1 数字滤波设计

先说说滤波。心电信号里最常见的干扰就是50Hz工频噪声。我在项目中遇到过好几次，明明硬件上已经做了屏蔽和滤波，但采集到的信号里还是有明显的50Hz分量。后来我总结了一下，这玩意儿很难完全靠硬件滤干净，数字滤波是必须的。

4.1.1 50Hz工频陷波器

工频陷波，说白了就是把50Hz这个频率点上的信号干掉。我习惯用IIR陷波器，阶数低，计算量小，适合在RTOS环境里跑。

这里给一个二阶IIR陷波器的系数计算方法：

/* 50Hz陷波器设计参数 */
#define SAMPLE_RATE    500     /* 采样率500Hz */
#define NOTCH_FREQ     50.0f   /* 陷波频率 */
#define Q_FACTOR       30.0f   /* 品质因数 */

/* 计算系数 */
float omega = 2.0f * PI * NOTCH_FREQ / SAMPLE_RATE;
float alpha = sin(omega) / (2.0f * Q_FACTOR);

float b0 = 1.0f;
float b1 = -2.0f * cos(omega);
float b2 = 1.0f;
float a0 = 1.0f + alpha;
float a1 = -2.0f * cos(omega);
float a2 = 1.0f - alpha;

/* 归一化系数 */
b0 /= a0;  b1 /= a0;  b2 /= a0;
a1 /= a0;  a2 /= a0;

4.1.2 0.5-100Hz带通滤波器

带通滤波器的目的是保留心电信号的有效频段。0.5Hz以下的是基线漂移，100Hz以上的主要是肌电噪声。嗯，这里要注意，如果采样率是500Hz，那设计带通滤波器时要留够过渡带。

我推荐用FIR滤波器，虽然计算量大一点，但线性相位特性好，不会造成波形失真。对于QRS波检测来说，波形保真度很重要。

/* FIR带通滤波器系数示例（51阶，500Hz采样率） */
#define FIR_ORDER   50
float fir_coeff[FIR_ORDER + 1] = {
    /* 这里放实际计算出的系数 */
    /* 可以用Matlab的fdatool生成 */
};

/* 滤波函数 */
float fir_filter(float input) {
    static float buffer[FIR_ORDER + 1] = {0};
    static int index = 0;
    float output = 0.0f;
    int i, j;
    
    buffer[index] = input;
    j = index;
    
    for(i = 0; i <= FIR_ORDER; i++) {
        output += fir_coeff[i] * buffer[j];
        j = (j == 0) ? FIR_ORDER : j - 1;
    }
    
    index = (index == FIR_ORDER) ? 0 : index + 1;
    return output;
}

4.2 基线漂移去除

基线漂移是低频干扰，主要来自呼吸运动、电极移动等。频率一般在0.5Hz以下。去除基线漂移，我常用的方法有两种：高通滤波法和中值滤波法。

4.2.1 高通滤波法

最简单的方法就是用0.5Hz的高通滤波器。但要注意，心电信号的ST段也含有低频成分，高通滤波可能会让ST段变形。所以，如果要做ST段分析，这个方法要慎用。

4.2.2 中值滤波法

我个人更推荐中值滤波法。它的原理很简单：用一个足够宽的窗口对信号做中值滤波，提取出基线，然后用原始信号减去基线。

/* 中值滤波去除基线漂移 */
#define BASELINE_WINDOW    200  /* 窗口宽度，200ms @500Hz */

float remove_baseline(float input, float *buffer, int *index) {
    float baseline;
    float temp[200];
    int i, j;
    
    /* 更新环形缓冲区 */
    buffer[*index] = input;
    *index = (*index + 1) % BASELINE_WINDOW;
    
    /* 复制并排序 */
    for(i = 0; i < BASELINE_WINDOW; i++) {
        temp[i] = buffer[i];
    }
    
    /* 冒泡排序取中值 */
    for(i = 0; i < BASELINE_WINDOW - 1; i++) {
        for(j = 0; j < BASELINE_WINDOW - i - 1; j++) {
            if(temp[j] > temp[j + 1]) {
                float t = temp[j];
                temp[j] = temp[j + 1];
                temp[j + 1] = t;
            }
        }
    }
    
    baseline = temp[BASELINE_WINDOW / 2];
    return input - baseline;
}

4.3 QRS波检测算法

QRS波检测是心电分析的核心。说白了，就是要找到每个心跳的位置。我做过很多种算法，从简单的阈值法到复杂的小波变换，但在嵌入式系统里，我推荐用Pan-Tompkins算法。这个算法计算量适中，检测准确率高，非常适合在RTOS任务里跑。

4.3.1 算法流程

Pan-Tompkins算法的核心步骤：

1. 带通滤波：5-15Hz，突出QRS波的能量
2. 差分运算：突出斜率变化
3. 平方运算：增强QRS波特征
4. 移动窗口积分：平滑信号，便于阈值检测
5. 自适应阈值：根据信号质量动态调整

/* Pan-Tompkins QRS检测核心代码 */
typedef struct {
    float signal;       /* 原始信号 */
    float filtered;     /* 带通滤波后 */
    float derivative;   /* 差分 */
    float squared;      /* 平方 */
    float integrated;   /* 积分 */
} qrs_channel_t;

/* 自适应阈值 */
typedef struct {
    float signal_peak;      /* 信号峰值 */
    float noise_peak;       /* 噪声峰值 */
    float threshold;        /* 检测阈值 */
    int refractory_period;  /* 不应期，200ms */
    int last_qrs_index;     /* 上次QRS位置 */
} qrs_detector_t;

int qrs_detect(float sample, qrs_channel_t *ch, qrs_detector_t *det) {
    /* 1. 带通滤波 */
    ch->filtered = bandpass_5_15hz(sample);
    
    /* 2. 差分 */
    ch->derivative = (2 * ch->filtered + ch->filtered_prev1 
                     - ch->filtered_prev3 - 2 * ch->filtered_prev4) / 8;
    
    /* 3. 平方 */
    ch->squared = ch->derivative * ch->derivative;
    
    /* 4. 移动窗口积分（150ms窗口） */
    ch->integrated = moving_window_integrate(ch->squared, 75);
    
    /* 5. 阈值检测 */
    if(ch->integrated > det->threshold) {
        /* 检查不应期 */
        if(current_index - det->last_qrs_index > det->refractory_period) {
            det->last_qrs_index = current_index;
            /* 更新信号峰值 */
            det->signal_peak = 0.125 * ch->integrated + 0.875 * det->signal_peak;
            return 1;  /* 检测到QRS */
        }
    } else {
        /* 更新噪声峰值 */
        det->noise_peak = 0.125 * ch->integrated + 0.875 * det->noise_peak;
    }
    
    /* 更新阈值 */
    det->threshold = det->noise_peak + 0.25 * (det->signal_peak - det->noise_peak);
    
    return 0;
}

4.4 RTOS任务设计要点

把这些算法放到RTOS里，有几个要点要注意：

好了，这一节的内容就到这里。数字滤波、基线漂移去除、QRS波检测，这三块是心电数据处理的基础。下一节我们会讲怎么把这些任务整合到RTOS里，实现完整的调度方案。