1、一种基于单通道腹部信号的胎儿心电提取算法 田福英 上海理工大学医疗器械与食品学院 摘 要： 设计一种基于单通道孕腹部信号的胎儿心电提取算法, 分别提取出母亲心电和胎儿心电, 并计算出母亲心率和胎儿心率。首先对单通道孕腹部信号进行 k-TEO (k=19) 变换, 突出母亲心电的 QRS 波, 从而通过简单的阈值法确定母亲心电的 R 波位置, 接着通过在相邻 R 波间重采样以获得相同的 R-R 间期 T, 这样经过一个间隔为 T 的梳状滤波器就可以分离出相同 R-R 间期的母亲心电, 然后再一次在相邻 R 波间进行重采样恢复原来的 R-R 间期就可以获得实际的母亲心电了。原始腹部信号减去上面提取
2、的母亲心电后, 胎儿心电 QRS 波的信噪比大大提高, 通过再次应用提取母亲心电的算法即可得到“干净”的胎儿心电波形。选取 Physionet 数据库中的 8 组 (26 通道) 孕腹部信号数据进行分析, 计算每个通道数据的胎儿心电 QRS 波位置识别灵敏度、阳性检测率和准确性。结果表明, 胎儿心电 QRS 波的识别准确率达到 87.1%, 其中有 6 个通道达到 100%。另外计算每个通道的母亲心率和胎儿心率并做统计分析, 发现每一组中各个通道的母亲平均心率和胎儿平均心率都非常接近, 同一组中各通道间母亲平均心率最大误差为 0.1 次/min, 而胎儿平均心率最大误差也只有 0.9 次/mi
3、n, 进一步证明算法的可靠性。关键词： 胎儿心电; 单通道; 腹部信号; 作者简介：田福英, 中国生物医学工程学会会员 (Member, Chinese Society of Biomedical Engineering) , E-mail:收稿日期：2016-06-30A Synthetic Algorithm of FECG Extraction from Single-Lead Abdominal SignalsTian Fuying School of Medical Instrument and Food Engineering, University of Shanghai for
4、 Science and Technology; Abstract： In this paper, a synthetic algorithm was proposed to extract the fetal electrocardiogram (FECG) from single-lead abdominal signals. We extracted maternal electrocardiogram (MECG) and FECG successively and then calculated maternal and fetal heart rate. In the algori
5、thm, we first applied Teager energy operator with parameter k (k = 19) to protrude QRS waves of MECG, so that the location of maternal R peaks was detected correctly by simple threshold. Then we resampled between every adjacent R peaks to get same R-R interval T.After applying a comb filter whose te
6、eth coincide with the maternal R-R interval T, we obtained the MECG with same R-R interval. And the real MECG was obtained by resampling between every adjacent R peaks in the filtered signals again to recover the original R-R intervals. The extracted MECG was subtracted from the abdominal signals. I
7、n the residual signal the QRS waves of FECG had better signal-noise-ratio. Next, the same procedure was applied on the residual signal to extract the FECG signal. We analyzed 8 sets of abdominal signals (total 26 channels) that were selected from the Physionet non-invasive FECG database. The sensiti
8、vity (Se) , positive predictive value (PPV) and accuracy (F1) of fetal QRS waves detection were calculated.Results showed that the detection accuracy of fetal QRS waves reached 87. 1%, with six channel even reached100%. The maternal heart rate (MHR) and fetal heart rate (FHR) of each channel were al
9、so calculated. We found out that the MHRs, as well as the FHRs, showed good consistence with channels of the same set. In the same set, the maximum error of the mean MHR was 0. 1 times per minute and the maximum error of mean FHR was 0. 9 times per minute. Such a phenomenon also proved the reliabili
10、ty of the proposed algorithm.Keyword： fetal electrocardiogram; single-led channel; abdominal signal; Received： 2016-06-30引言胎儿心电图 (fetal electrocardiogram, FECG) 的检测与分析可为胎儿健康监测提供重要信息, 帮助及早发现妊娠期或分娩期的胎儿缺氧、脐带缠绕等病理情况, 甚至有助于先天性心脏缺陷的早期诊断, 以减小围产期胎儿的发病率和死亡率1。孕妇腹部心电是通过表面电极从孕妇腹部记录到的电信号, 其中包含了母亲心电、胎儿心电、肌电信号、工频干
11、扰及其他噪声信号2。孕妇腹部心电采集具有无创优点, 但其中的胎儿心电被埋没在强大的背景噪声中, 信噪比低, 因此如何从母亲心电、肌电、工频干扰等噪声中提取出胎儿心电一直是该研究领域的一个挑战1。目前, 胎儿心电信号提取的方法有很多, 如自适应滤波2-4、模板相减 (template substraction, TS) 5-6、盲源分离7-8、神经网络9-10以及信号分解11-14等。自适应滤波方法以母亲心电为模板从腹部信号中分离出母亲心电, 较早被应用于胎儿信号的提取。该算法该类虽然简单, 但其效果极大程度上依赖于信号本身的信噪比和平稳性。基于盲源分离和神经网络的方法需要多通道的腹部心电信号,
12、 从而增加了电极连线的复杂性, 不利于长时间监测和移动状态下的监测。单通道胎儿心电提取主要有基于 TS 和信号分解的方法, 如奇异值分解11、小波分析12-13、经验模态分解14-15等,TS 方法简单容易实现但在实际应用中鲁棒性较差。基于信号分解的方法通过选择合适的基波将单通道的腹部信号分解成不同的频率成分, 然后消除噪声分量, 提取 FECG 的特征信息。这类方法通常算法较复杂, 计算量大, 而且当信噪比较低、噪声频段又与 FECG 频段重合时, 就很难将 FECG 分离出来。2010 年Zheng 等利用心电信号的周期性特征, 结合重采样和梳状滤波器从单通道腹部信号中提取出了胎儿心电信号
13、, 取得了很好的效果16。但是其算法中应用小波变换方法来识别心电信号的 R 波位置, 在一定程度上增加了算法的复杂性, 另外使用超前型梳状滤波器也大大降低了算法的实时性。本研究对 Zheng 等提出的算法作了改进。首先采样简单的 k-TEO (teager energy operator with parameter k, k-TEO) 替代了复杂的小波变换, 使 R 波识别更简单有效, 另外采用延时型的梳状滤波器, 大大提高了算法的实时性, 更适用于便携式家庭胎儿心电监护设备17。1 材料与方法1.1 材料本研究分析的所有数据来自 MIT-BIH Physio Bank 中的非介入胎儿心电数
14、据库。该数据库包含了 55 组记录, 每组记录包含两个通道的母亲胸导联心电信号和 3个或 4 个通道的腹部信号。记录时间从 1442 780 s 不等。所有记录均来自一位孕妇的 2140 孕周期间。所有信号经过一个 0.01100 Hz 的带通滤波器和一个 50 Hz 的陷波滤波后, 以 1 k Hz 的采样频率和 12 位的分辨率进行采样得到。1.2 方法本研究设计的单通道胎儿心电提取算法的总流程框图如图 1 所示。首先对单通道的孕腹部信号进行预处理, 其中包括一个通带范围为 0.5100.0Hz 的 FIR 带通滤波器和一个 50 Hz 的陷波滤波器, 目的是消除基线漂移、高频噪声及 50
15、 Hz 的工频干扰, 以改善后续的检测效果。预处理后分 4 个步骤按序提取出母亲心率、母亲心电、胎儿心率、胎儿心电。母亲心电 QRS 波位置的识别和胎儿心电 QRS 位置的识别是算法的关键, 应用 k-TEO 变换大大提高了识别正确率。在正确定位母亲 QRS 波位置后, 对每个 RR 间期进行重采样 (这里称为重采样 A) , 使每个 RR 间期长度相等, 即此时的母亲心电信号具有绝对的周期性。这样通过一个梳状滤波器提取出具有周期特征的母亲心电, 然后再通过重采样 (这里称为重采样 B) 将每个 RR 间期恢复为原来的长度, 就可以获得母亲心电信号了。预处理后的腹部信号与已提取出的母亲心电信号
16、相减就可以消除原始信号中的母亲心电干扰, 这样剩余信号中胎儿心电 QRS 波就凸显出来。接着应用同样的方法通过合适的 KTEO 变换从剩余信号中识别出胎儿心电 QRS 波位置, 再通过重采样和梳状滤波器方法提取出胎儿心电信号。图 1 单通道胎儿心电提取算法框图 Fig.1 General flow diagram of the proposed algorithm for extracting FECG from single abdominal signals 下载原图1.2.1 k-TEO 变换TEO 实际上是一种时频分析器, 已被广泛应用于语音分析、图像处理和神经电位检测18。TEO 变
17、换对间隔短、频率高的“尖峰”波形特别敏感。心电信号的 QRS 波便是这种尖峰波形, 因此本研究通过 TEO 变换, 从而提高 QRS 波的识别率。下面是 k 阶 TEO 的定义, 即k-TEO 变换可以大大提高 QRS 波的信噪比, 从而保证 R 波的准确识别。k 的取值与 QRS 波的宽度相关, 通常取 QRS 波的宽度的一半左右较合适。在本实验中数据的采样频率为 1 000 Hz, 腹部信号中的母亲 QRS 波宽度表现为 40 点左右, 因此对预处理后的腹部信号做 k-TEO 变换时 k 值取为 19。胎儿心电 QRS 宽度明显低于母亲心电 QRS 波, 因此对去除母亲心电后的剩余信号做
18、k-TEO 变换需要的阶数 k 较小, 这里 k 取 11。1.2.2 QRS 波识别QRS 波识别是胎儿信号提取和分析中的关键, 能否准确定位 QRS 波直接影响后续的检测和分析。本算法中通过 k-TEO 变换后, 在对应 QRS 波位置上出现峰值, 该峰值的信噪比远远高于原始信号中 QRS 波的信噪比, 而且不容易受基线漂移的影响。通过简单的分段阈值检测方法即可准确确定 k-TEO 变换后的波峰位置, 然后基于该位置附近在原信号中搜索定位 QRS 波。1.2.3 重采样和梳妆滤波器重采样通过先插值后抽取的方法可以改变原始数字信号的采样频率。心电信号有周期性, 但实际上每次心动周期又不是完全
19、一样的。本实验中通过对每相邻R 波间的信号进程重采样, 使每个心电周期 Ti统一变成 T, 这个过程称它为重采样 A。重采样 A 后, 应用一个 FIR 梳状滤波器分离出母亲心电信号。但此时分离出的母亲心电具有相同的 RR 间期 T, 因此需要再经过重采样将每个 RR 间期恢复为原来的 RR 间期 Ti, 该步骤称为重采样 B。梳状滤波器的差分方程如下:它实际上是对输入信号进行间隔为 T 的 N 阶叠加平均。显然, 周期为 T 的母亲心电信号在叠加过程中被放大, 而其他非周期的信号在叠加过程中会相互抵消得到抑制。实际上, 经过梳状滤波器提取的母亲心电信号具有同样的 RR 间期 T。从原始信号减
20、去提取出的母亲心电信号后的剩余信号, 其中胎儿心电的 QRS 突显出来, 特别是那些与母亲心电 QRS 重合的胎儿 QRS 波。1.2.4 评定指标笔者从 55 组数据中收到挑选了 8 组进行分析, 这些数据保证至少有一个通道的信号是能通过肉眼观察到胎儿心电的 QRS 波。笔者截取了 8 组数据每个通道信号中的记录时间 30 s 之后的一分钟数据进行分析, 应用所设计的算法标记出每个母亲 QRS 波位置和胎儿心电 QRS 波位置。通过与实际 QRS 波位置的比较可以确定算法识别是否正确。通常成人 QRS 波识别中检测位置与参考位置距离在150 ms 内, 即认为被正确识别。胎儿心率比成人心率高
21、, 当胎儿 QRS 波的检测位置与参考位置距离在 50 ms 内, 可以认为正确识别19-20。笔者对每个通道数据的检测结果进行统计, 计算了灵敏度 (sensitivity, Se) 和阳性检测率 (positive predictive value, PPV) :Se=TP/ (TP+FN) , PPV=TP/ (TP+FP) , 其中 TP、FP、FN 分别指正确检测的 QRS 波个数、错检的 QRS 波个数和漏检的QRS 波个数。另外还计算了 F1值来衡量算法的准确性, F 1的计算方法为2 结果2.1 k-TEO 变换结果图 2 是对预处理后的腹部信号的 k-TEO 变换结果, 可以
22、看出 k-TEO 变换后, 母亲心电 QRS 波明显放大, 使后续的母亲心电 R 波识别变得更容易。另外实验证明, 对腹部信号的 k-TEO 变换取 19 阶是最合适的。图 3 (a) 是从腹部信号中去除母亲信号后剩余信号, 胎儿 QRS 叠加在很大的基线漂移上, 如果直接进行 k-TEO 变换效果不理想。因此, 对其先做差分 (见图3 (b) ) 运算, 消除基线的影响, 然后再作 kTEO 变换 (见图 3 (c) ) 。由于胎儿心电 QRS 宽度明显低于母亲心电 QRS 波, 因此 TEO 变换需要的阶数 k 较小, 这里 k 取 11。图 2 原始腹部信号的 k-TEO 变换 Fig.
23、2 k-TEO of the abdominal signal 下载原图图 3 去除母亲心电后剩余信号的 k-TEO 变换。 (a) 剩余信号; (b) 剩余信号的差分变换; (c) 剩余信号差分后的 k-TEO 变换 Fig.3k-TEO transform for the residual signal. (a) The residual signal after MECG removal; (b) Differential transform of the residual signal; (c) kTEO transform of the differential signal 下载原
24、图2.2 QRS 波识别实验中需要分别对母亲心电 QRS 波和胎儿心电 QRS 波进行识别。如图 4 (a) 所示, 腹部信号 kTEO 变换的波峰位置与母亲心电的 R 波位置几乎重合, 在很小范围内搜索可准确找到原始信号中母亲 R 波位置。图 4 (b) 是滤除母亲心电后剩余信号中胎儿 QRS 波识别, 剩余信号中胎儿心电QRS 波信噪比较低, Q 波特征较明显。通过对其 k-TEO 变换的分段极大值位置附近查找, 确定胎儿心电的 Q 波位置。母亲心电 R 波位置和胎儿心电 Q 波位置确定后即可计算出每个母亲心电周期和胎儿心电周期。图 4 母亲心电 QRS 波和胎儿心电 QRS 波的定位。
25、(a) 母亲心电 QRS 波定位; (b) 胎儿心电 QRS 波定位 Fig.4Locating for QRS waves of both MECG andFECG. (a) Locating for QRS waves of MECG; (b) Locating for QRS waves of FECG. 下载原图2.3 重采样和梳妆滤波器方法提取母亲心电信号和胎儿心电图 5 显示了通过重采样和梳状滤波器提取出母亲心电的结果。可以看出, 从上至下第一个波形是一段腹部信号, 在腹部信号中识别出每个母亲心电 QRS 波后即可得到相邻 R 波间期, 显然每个相邻 R 波间期是不相等的。首先通过
26、对每相邻 R 波间的信号进行重采样 A 操作, 使每个心电周期 Ti统一变成 T, 如图 5 中的第 2 个波形。之后经过一个 FIR 梳状滤波器, 得到图 5 中的第 3 个波形, 显然, 此时经过梳状滤波器提取的母亲心电信号具有同样的 RR 间期 T, 因此需要再经过重采样 B 将每个 RR 间期恢复为原来的 RR 间期 Ti, 如图 5 的第 4 个波形。图 5 中最后一个波形是腹部信号 (图 5 中第 1 个波形) 减去提取出的母亲心电信号 (图 5 中第 4 个波形) 后的剩余信号。显然, 去除掉母亲心电后胎儿心电的 QRS 就突显出来, 特别是那些与母亲心电 QRS 重合的胎儿 Q
27、RS 波。图 5 重采样和梳状滤波方法提取母亲心电 Fig.5An example of resample and comb filterapplication to extract MECG 下载原图而笔者用提取母亲心电同样的流程处理该剩余信号就可以提取出胎儿心电。图6 显示了腹部信号中成功提取出的母亲信号和胎儿心电及其相应的频谱图。图 6 (a) 与图 6 (b) 分别是预处理后的腹部信号及其频谱;图 6 (c) 与图 6 (d) 分别是分离出来的母亲心电信号及其频谱;图 6 (e) 与图 6 (f) 分别是减去母亲心电后的剩余信号及其频谱;图 6 (g) 与图 6 (h) 分别是提取出的
28、胎儿心电信号及其频谱。图 6 母亲心电和胎儿心电的成果提取结果。 (a) 孕腹部信号; (b) 孕腹部信号频谱; (c) 提取出的母亲心电信号; (d) 母亲心电信号频谱; (e) 去除母亲心电剩余信号; (f) 剩余信号的频谱; (g) 提取出的胎儿心电信号; (h) 胎儿心电信号频谱。Fig.6Results of MECG and FECG extraction fromsingle abdominal signals. (a) Abdominal ECG sinal; (b) Spectrum of the abdominal ECG signal; (c) The extracted
29、 MECG signal; (d) spectrum of MECG; (e) The residual signal after MECG removal; (f) Spectrum of the residual signal; (g) The extracted FECG signal; (h) Spectrum of FECG. 下载原图2.4 算法验证结果原始腹部信号中母亲 QRS 波较明显, 经过 kTEO 变换更是突出了信噪比, 因此实验中对选取数据的母亲 QRS 识别正确率达到 100%。腹部信号中胎儿心电 QRS 信噪比很低, 而且非常容易与频谱相近的噪声混淆, 因此存在着一
30、定的错检和漏检。表 1 列出 8 组数据共 26 个通道数据处理后的灵敏度、阳性检测率和准确性。其中除了 ecgca274 的第 4 通道数据的胎儿心电识别正确率为 87.7%, 其他通道的准确率都在 90%以上, 有 6 个通道甚至达到 100%。表 1 8 组所选孕腹部信号的胎儿心电识别灵敏度、阳性检测率和准确性分析Tab.1 Analysis of sensitivity, positive predictive value and accuracy for 8 sets of selected abnormal signals from the Physionet non-invasi
31、ve FECG database 下载原表 另外笔者统计了每个通道数据的母亲心率和胎儿心率, 见表 2。同一组的各通道数据是同一时刻在同一母体上记录到的, 因此应具有相同的母亲心率和胎儿心率。从表 2 的分析结果可以看出, 同一组中各通道的平均心率之间的差异非常小, 母亲心率几乎是一样的, 胎儿心率的最大误差也不超过 1 次/min (表 2中方框内分别是 ecgca274 三导联的平均胎儿心率, 其最大误差为 0.9 次/min) 。另外笔者发现, 母亲心率分布较集中, 方差最大的只有 2.7 次/min, 而胎儿心率的分布较分散, 最大方差为 11.4 次/min。表 2 8 组所选数据的
32、母亲心率和胎儿心率的统计分析 Tab.2 MHR and FHR statistics for 8 sets of selected abnormal signals from the Physionet non-invasive FECG database 下载原表 3 讨论和结论本研究设计的胎儿心电提取算法, 可以从孕腹部记录到的单通道信号中分离出较准确的母亲心电和胎儿心电波形, 便于母亲和胎儿心电图的同步动态可视化分析。通过对来自 MIT-BIH Physio Bank 数据库中孕腹部胎儿心电信号的验证分析, 胎儿心电识别正确率达到了 87%以上。本算法基于单通道的设计, 可以大大减少硬
33、件连线的复杂性。与 Zheng 等16的方法相比, 用简单的能量变换代替复杂的小波变换, 大大降低了算法的复杂度, 同时具有很高的 R 波检测的准确率。用延时型的梳状滤波器代替超前型的梳状滤波器增加了实时性, 本算法基于单通道, 且算法简单、准确率高适用于可移动的便携式家庭胎儿心电监护设备。R 波的准确识别是算法的关键, R 波识别错误直接影响最后的胎儿信号检测。为了使 k-TEO 变换效果最佳需要选择合适的阶数, 最优阶数的确定跟QRS 的宽度有关, 本研究中 k-TEO 变换的阶数一旦确定后是固定的, 而实际上每个心 QRS 波宽度是变化的, 因此可以改进算法自适应地调整 k-TEO 的阶
34、数或者采用多阶能量变换来减小 QRS 宽度变化的影响, 从而提高 R 波检测准确率。由于能量变换效果仍然受胎儿心电信号本身信噪比的影响, 因此仍需在数据采集过程中降低噪声水平, 提高胎儿心电 QRS 波的信噪比。胎儿心电检测, 特别是胎儿心率变异性分析对胎儿发育状况的监护有非常重要的意义。本研究设计了一种单通道胎儿心电提取算法, 可以从孕腹部记录到的单通道数据中分离出母亲心电和胎儿心电, 并计算出母亲心率和胎儿心率。经过对 Physionet 中的非介入胎儿心电数据库中数据的测试分析, 验证了算法的有效性。本算法通过重采样和梳状滤波器的结合, 从混合信号中分别提取出母亲心电波形和胎儿心电波形,
35、 虽然在没有获得胎儿位置信息的情况下分析胎儿心电波形本身的特征意义不大, 但是仍然可以给用户带来很好的直观性体验。本算法仅基于单通道的孕腹部信号, 可以大大减少硬件连线的复杂性, 而且算法简单、容易实现、实时性好, 更适合于可移动的便携式家庭胎儿心电监护设备。参考文献1Deans AC, Steer PJ.The use of the fetal electrocardiogram in labourJ.Br J Obstetrics Gynaecol, 1994, 101:9-17. 2Ferrara ER, Widrow B.Fetal electrocardiogram enhancem
36、ent by time sequenced adaptive filterJ.IEEE Trans Biomed Eng, 1982, 29:458-460. 3Martinez M, Soria E, Calpe J, et al.Application of the adaptive impulse correlated filter for recovering fetal electrocardiogramJ.Computers in Cardiology, 1997, 24:9-12. 4Mooney DM, Grooome LJ, Bentz LS, et al.Computer
37、algorithm for adaptive extraction of fetal cardiac electrical signalC/ACM Symp Appl Comput, Nashville:ACM, 1995:113-117. 5Ungureanu M, Bergmans JWM, Oei SG, et al.Fetal ECG extraction during labor using an adaptive maternal beat subtraction techniqueJ.Biomedizinische Technik, 2007, 52 (1) :56-60 6Sh
38、eikh Algunaidi MM, Mohd Ali MA, Fokhrul Islam M.Evaluation of an improved algorithm for fetal QRS detectionJ.International Journal of the Physical Sciences, 2011, 6 (2) :213-220. 7Zarzoso V, Nandi AK, Bacharakis E.Maternal and fetal ECG separation using blind source separation methodsJ.IMA J Math Ap
39、pl Med Biol, 1997, 14:207-255. 8Immanuel JRJ, Prabhu V, Chrstopheraj JV, et al.Separation of maternal and fetal ECG signal from the mixed source signal using FASTICAJ.Procedia Eng, 2012, 30:356-363. 9Camps Valls G, Martinez Sober M, Soria Olivas E, et al.Fetal ECG recovery using dynamic neural netwo
40、rksJ.Artif Intell Med, 2004, 31:197-209. 10Assaleh K.Extraction of fetal electrocardiogram using adaptive neuro-fuzzy inference systemsJ.IEEE Trans Biomed Eng, 2007, 54 (6) :59-68. 11Kanjilal PP, Palit S, Saha G.Fetal ECG extraction from singlechannel maternal ECG using singular value decompositionJ
41、.IEEE Trans Biomed Eng, 1997, 44 (1) :51-59. 12Khamene A, Negahdaripour S.A new method for the extraction of fetal ECG from the composite abdominal signalJ.IEEE Trans Biomed Eng, 2000, 47 (4) :507-516. 13Mochimaru F, Fujimoto Y, Ishikawa Y.Detecting the fetal electrocardiogram by wavelet theory-base
42、d methodsJ.Prog Biomed Res, 2002, 7 (3) :185-93. 14Huang NE, Shen Zheng, Long SR, et al.The empirical mode decomposition and the Hilbert spectrum for nonlinear and nonstationary time series analysisJ.Proc R Soc Lond A, 1998, 454 (1971) :904-993. 15Liu Guangchen, Luan Yihui.An adaptive integrated alg
43、orithm for noninvasive fetal ECG separation and noise reduction based on ICA-EEMD-WSJ.Med Biol Eng Comput, 2015, 53:1113-1127. 16Zheng Wei, Liu Hongxing, He Aijun, et al.Single-lead fetal eclectrocardiogram estimation by means of combining R-peak detection, resampling and comb filterJ.Medical Engine
44、ering&Physics, 2010, 32:708-719. 17Choi JH, Jung HK, Kim T.A new action potential detector using the MTEO and its effects on spike sorting system at low signalto-noise ratiosJ.IEEE Trans Biomed Eng, 2006, 53 (4) :738-746. 18Maragos P, Kaiser JF, Quatieri TF.On amplitude and frequency demodulation using energy operatorsJ.IEEE Trans Signal Process, 1998, 41 (4) :180-187. 19Guerrero JM, Sober MM, Bataller MM.New algorithm for fetal QRS detection in surface abdominal recordsJ.Computation in Cardiology, 2006, 33:441-444.
