其频率响应为：

　　衰减速度为修正前的k 倍，k=2 时修正滤波器的幅频响应如图3 所示，其衰减性能更好。

                      图3. 经修正以后的梳状滤波器幅频响应

　　3．基线漂移的抑制

　　抑制基线漂移方法很多，各有特点。基于抛物线的拟合基线算法结构复杂，采用单片机的嵌入式系统运算速度难以保证实时性要求[2]，基于小波的自适应滤波抑制ECG 基线漂移，运算较复杂，不适合用于小系统的监护。本文采用一种自适应快速线性拟合来抑制基线漂移的方法，通过多点采样，用最小二乘法拟合出基线的变化趋势，经修正得到ECG 信号。

　　3.1 QRS 波群的探测

　　理论上，两个连续QRS 波群之间的T-P 段代表了实际的ECG 基线水平。根据每一个心动周期的P-R 段特征点，在两个特征点之间进行插值，然后再进行曲线拟合，即将插值和曲线拟合结合起来，就可以得到基线漂移曲线，原始信号减去基线漂移曲线即为ECG 信号。因此，采用分析斜率、幅度和宽度的方法来识别QRS 波群[5]。根据ECG 的功率谱，QRS 波群的能量主要集中在15Hz 频率左右，为消除ECG中其它频率成分对QRS 波群检测的影响，需设计一个中心频率为15HZ 的带通滤波器，ECG 信号通过该滤波器时对R 波以外的频率成份进行了衰减。当采样频率为500Hz 时，该滤波器的传递函数如下：

　　由于R 波含有丰富的高频谐波成分，为突出高频谐波分量，采用如下微分器：

　　经处理后的信号通过带通滤波器和微分器后，P 波和T 波都有显著的衰减，相应的QRS 波群的峰值进一步加强，为消除微分器处理后散粒随机噪声产生的干扰，可以采用式（7）所表示的积分器进行修正：

然后，采用斜率跟踪法进行R 波识别，找出与QRS 波群检测特征点前后60ms相当的间期来识别R 波。当采集波形的斜率变化超过设定的阈值时，斜率变化最大处即为R 波所在的位置[5]。实验的采样时间为4.8 秒，采样点数为2048 个点。

　　许多异常的QRS 波群有高幅度和上升不迅速的特点，为提高以R 波斜率检测QRS 波群的可靠性，可采用移动窗口积分法验证以保证可靠检测。为便于进行积分运算，先将采样点进行逐点平方运算，并进行移动窗口积分，其差分方程如下：

　　窗口宽度应当尽可能与QRS 波群宽度相近。若窗口太大，积分波形将把QRS 波群和T 波融合在一起，若窗口尺度太小，一个QRS 波群在输出中可能会产生几个峰值。

　　3.2 自适应线性拟合

　　在抑制基线漂移的算法中，须首先确定基线的变化趋势，为此应在两个心动周期中找到一段反映ECG 基线变化趋势的曲线。QRS 波群是心电信号的高频部分，其中R 波具有波形陡峭、幅度大、宽度窄、变化趋势明显等特点，因而以R 波为基准点寻找代表基线的时段。依次取每个检测的R 波峰值点作为参考基准点，利用回溯法求出每个TP 间期。确定了曲线区间就可采用自适应快速线性拟合法，拟合出基线的变化趋势。

　　采用最小二乘法计算各区间线性拟合的斜率和截距，拟合出基线的变化趋势。

　　对于观测点（xi , yi）i=1,2…n，若y 与x 具有线性模型，则任意一对观测值（xi , yi）存在如下关系：

　　式中，εi 为理想状态i yˆ 和观测值yi 的误差，令：

　　显然，f(k,b)越小，结果就越精确，因此根据最小二乘法可推导出[4]

　　若斜率k>0 表示往上漂，k<0 往下漂，k=0 则没有漂移。根据分段修正所求出的k 值，判断基线的变化趋势，从而修正每段基线漂移值，得到真实稳定的ECG 信号。

　　4. 滤波效果