总体而言，经过一个多世纪对ECG信号的研究，对其的噪声处理算法很多，技术相比SNE而言也比较成熟。目前，对 SNE信号干扰的抑制和消除可通过借鉴前人关于心电信号的相关研究，推陈出新，不断改善和跟进。

1.3.2 SNE信号特征波形的识别

特征波形的识别包括波形的检测和定位，它是获得窦房结动态生理和病理特征的基础和关键，其可靠性和准确性影响着后续重要参数自动测量的精确性，制约着医生对病情的判断，有时甚至关乎人的生命安危。预处理后的窦房结电图经过波形的检测和定位，可以较容易得到波形参数，为后续的诊断分析做准备。

窦房结电图由P前波、A波、V波、T波和U波所组成，每个波形都代表着一定的生理含义，通过各波形的形状、幅度以及各间期的参数就能做出疾病的判断。A-V-T-U波分别对应着ECG信号的P—QRS—T—U波，其表达的生理意义相同。由于窦房结电图信号和心电信号是同步记录的，并且心电信号的波形识别有大量科研工作者研究，且取得了一定的成果，而对于窦房结电图的波形识别在国内外均未见文献报道，为此可借鉴心电图的波形识别技术来识别窦房结电图，又可利用窦房结电图的参数来定位常规心电图算法不能确定和能确定但准确性不高的参数，实现心电图波形和窦房结电图波形参数的准确测量。

对于心电图信号的识别，又以QRS波形的识别最为重要，它是识别其他波形的基础。QRS波的斜率变化大、幅值大，在ECG信号中最为明显。在心电图特征值识别中，目前各种方法对QRS波的识别率均在90%以上，技术相对比较成熟，实现手段较为简单。目前，针对QRS复合波的检测算法大致有如下几个发展方向，一是传统的经典检测方法，另一种是在新的理论基础上发展起来的算法，还有就是基于各种技术相互交融的算法，它们的最终目标都是为了提高检出率和减少处理时间。

文献[6]主要介绍了QRS 波检测技术的发展。QRS 波检测是心电信号自动分析的基础。目前以小波变换为代表的一批新技术已经被逐渐应用到QRS 波检测领域，而QRS 波检测技术也比较明显地呈现多种技术交叉融合的趋势。

最早识别QRS波群采用的是时域分析法，又分为斜率法，面积法，幅度法等。其基本思想都是在信号经过预处理后采用一定的变换手段来提高QRS波的分量，进而设定阈值来判别QRS波。其中Pan[4]等人的工作最具代表性。他们设计了一种实时的QRS波检测法，通过分析经过预处理之后的信号进行微分，再平方突出QRS波群，然后做了移动窗口积分，这样积分所得的结果既包含QRS波群的斜率，又包含宽度信息，之后设定可变阈值，并引入了不应期和回溯概念，采用该法对MIT/BIH数据库的QRS波群进行识别，其正确识别率达到了99.3%。然而，这种时域分析的方法是建立在QRS波比较明显的基础上的，当心律不齐导致QRS波波形较小而T波较大时，就会出现漏检和误检的情况。

ShubhaKadambe[1]等人通过了解ECG的光谱特性，选择一组小波，设计了一种样条小波函数，对QRS进行二阶小波变换。该算法通过70个小时的实验数据，验证只有1%的误差，可以有效地检测QRS波。

李翠微[3]等人基于小波分析法提出了模极大值判断法。通过对ECG信号进行小波分解，判断各尺度上的模极大值对之间的过零点来确定对应的特征值。该方法所使用的算法能够有效的将QRS波群从高P波、T波、噪声、基线漂移以及信号假象中区分出来。即使在噪声和基线漂移严重的情况下，仍可以有效地检测QRS波，检测率高达99.8%以上。 智能化超微心电图仪窦房结电图信号处理与分析算法的研究(4):http://www.751com.cn/jixie/lunwen_67152.html