「Pan-Tompkins算法（R波定位与检测）——ECG信号处理-第十课」2025年3月17日

       在心电信号（ECG）处理中，R波的检测是一个关键步骤，因为它直接影响到心率计算和心律失常的检测。Pan-Tomkins算法是一种经典的实时QRS波检测算法，广泛应用于ECG信号处理中。本文将详细介绍Pan-Tomkins算法的原理及其实现过程。

 

一、Pan-Tompkins算法

       Pan-Tomkins算法是一种基于滤波和动态阈值的QRS波检测算法。其主要步骤包括信号预处理、动态阈值检测和R波定位。算法的核心思想是通过滤波去除噪声，增强QRS波的特征，并通过自适应阈值来检测R波。该算法的具体步骤为：带通滤波、差分放大、平方运算、移动窗口积分、阈值检测以及R波定位。

1.1 信号预处理

       ECG的主要特征波中QRS波群的频率范围大致为0~100Hz。ECG的噪声主要包括工频干扰、基线漂移、肌电干扰及电极移动产生的噪声。基线漂移和电极移动所产生的干扰通常小于5Hz，工频干扰一般在50Hz左右。肌电干扰是由于病人肌肉紧张，产生不规则的高频电干扰所致，表现为不规则的快速变化波形，频率范围宽，一般在5Hz~2kHz之间。

（1）带通滤波

       利用汉明窗设计级联的低通滤波器和高通滤波器，将信号的通带频率限制在5-15Hz。这一步可以有效去除基线漂移（通常小于5Hz）和高频噪声（如肌电干扰，频率范围为5Hz~2kHz）。

（2）微分处理

       为了进一步增强QRS波的特征，滤波后的信号经过微分处理，提取信号的斜率信息。微分后的信号能够更好地突出R波的上升沿和下降沿。

       差分方程如公式所示。

       其中，N是积分窗口宽度中的样本数。

（3）平方运算

       微分后的信号经过平方运算，进一步增强R波的幅度，同时抑制其他低频成分。

（4）滑动窗口积分

       通过移动窗口积分（窗口长度为0.150秒）对信号进行平滑处理，减少噪声的影响。

       其中，N是积分窗口宽度中的样本数。

 

1.2 动态阈值检测

       动态阈值检测是Pan-Tomkins算法的核心部分，其目的是通过自适应阈值来区分QRS波群和噪声。

       对移动窗口积分后提取预处理之后所有的峰值C1 ，取两秒内信号峰值最大值的三分之一作为初始信号阈值ST1 和信号水平SL1 ，取两秒内峰值平均值的二分之一作为初始噪声阈值NT1 和噪声水平NL1 。同理提取经过滤波器处理后的所有峰值C2 ，初始信号阈值ST2 和信号水平SL2 ，初始噪声阈值NT2 和噪声水平NL2 。判断每个峰值和阈值之间的关系，可分为以下几种情况：

（1）当峰值C1 大于信号阈值ST1 时，即可认定为R波峰，同时依据下列公式更新信号水平SL1 。

（2）当峰值C1 小于信号阈值ST1 时，对ST1 进行减半判断，当C1 大于0.5ST1 时，即认定为R波峰，同时依据下列公式更新信号水平SL1 。

（3）当峰值C1 小于0.5ST1 时，即认定为噪声峰值，同时依据下列公式更新信号水平SL1 和噪声水平NL1 。

       在进行下次判断时，依据下列公式更新信号阈值ST1 。

       同理，按照以上规则以及ST2 、SL2 及NL2 判断出C2 所有峰值。只有当同一时刻的C1 和C2 均被认为是R峰值时，此刻的峰值才被认为是R峰，否则被认为是噪声峰值，按照此规则执行直至信号被全部判断完毕。

       动态阈值法的的流程图如图2所示。

图1：动态阈值法流程图

       动态阈值法会产生误检和漏检的问题，会降低检测的准确率。产生错检的原因如下：

       误检产生的形态如图2所示。在QRS波群中，误检的产生是由于阈值设定过低，阈值无法及时调整，导致如b、f及g点被误检。

图2：误检产生的形态

       漏检产生形态如图3所示。由于b点峰值过高，而阈值无法快速降低，从而b点到c点之间会出现漏检点。

图3：漏检产生形态

1.3 R波定位

       在动态阈值检测的基础上，Pan-Tomkins算法通过以下步骤精确定位R波：

（1）搜索回溯：如果在一段时间内没有检测到R波峰，算法会假设漏检了一个QRS波群，并在该时间段内搜索最大峰值作为漏检的QRS波群。

• 最小时间间隔为1.66倍的当前R峰到R峰的时间间隔（RR间隔）。

• 漏检的QRS波群假设为该时间段内位于阈值之间的最高峰值

（2）消除多重检测：在200ms的不应期内，不可能出现合法的QRS波群。算法会删除在此期间检测到的QRS波群，以减少误检。

（3）T波判别：如果一个QRS候选波群出现在前一个QRS波群之后的360ms内，算法会通过比较波形的平均斜率来判断这是QRS波群还是异常的T波。

• 如果当前波形的平均斜率小于前一个QRS波群平均斜率的一半，则认为是T波；否则，认为是QRS波群。

 

二、Matlab代码实现

2.1 算法实现结果

       以下是Pan-Tomkins算法的Matlab代码实现结果。实验使用了MIT-BIH心电数据库中的100号记录信号，采样频率为360Hz。

图4：心电信号R波定位

图5：心电信号R波检测

2.2 实验结果小结

      从上述结果可以看到，带通滤波成功去除了基线漂移和高频噪声，使QRS波群特征更加明显，滤波后的信号更加平滑。差分放大进一步增强了QRS波群的斜率变化，使其在信号中更加突出，便于后续检测。平方运算则进一步提升了QRS波群的幅度。移动窗口积分有效平滑了信号，进一步减少了噪声的干扰，使QRS波群的特征更加突出。

      算法成功检测到了心电信号中的R波位置，检测结果准确，误检和漏检率低，证明了Pan-Tomkins算法在心电信号处理中的高效性和实用性，适用于实时心电信号监测和分析。

 

Tips：下一讲，我们将进一步探讨，心电信号的心率变异性分析。

以上就是Pan-Tomkins算法（R波定位与检测）的全部内容啦~

我们下期再见，拜拜(⭐v⭐) ~

 

（Ps：有代码实现需求，请见主页信息，谢谢支持！~）