目前，心血管疾病已经成为危害人类健康的主要疾病之一。可穿戴心电技术是在人们日常穿戴的衣物中嵌入心电采集系统，使其在自然状态下随时随地获取心电数据，是人体心电实时监护的有效方法。但由于人体处于运动状态，心电信号受到的干扰大，难以正确处理和评估。目前国内外有很多学者对动态心电进行了研究，例如盛虎提出的新型动态心电监护系统弥补了信号采集功能和分析功能脱离的不足，实现了心电数据实时分析，但是该系统成本较高[1]；国外有些学者将卡尔曼滤波应用于动态心电信号检测，并与自适应算法结合，以提高检测的正确率，但由于算法比较复杂，不能进行实时监控[2]；李桥等人将卡尔曼滤波应用于危重病人监护，并结合了信号质量评估，但主要针对静态生理信号，不适用于动态心电监护[3]。
    本文提出了一种新的基于信号质量评估和卡尔曼滤波的可穿戴动态心电监护的方法，该方法将信号质量评估、卡尔曼滤波以及可穿戴技术相结合，实现了便携式高可靠的长时间人体心率评估。
1 可穿戴动态心电特征分析
    心电信号作为心脏电信号在人体体表的表现，信号微弱，频率主要介于0.01 Hz~100 Hz之间，其中与心率评估密切相关的QRS波群主要集中在0~(58±19)Hz，90%的频谱能量集中在0.25 Hz~35 Hz之间，而高频心电信号的频带范围则在100 Hz~1 000 Hz[4]。在动态心电信号采集的过程中，心电信号干扰中的肌电干扰、基线漂移（小于5 Hz）和运动伪迹（小于7 Hz）均比静态情况下严重。目前医学上运用最广泛的电极是传统的氯化银电极，虽然这种电极采集到的信号稳定，但是对皮肤损伤较大，不适合长期使用。可穿戴动态心电采集宜采用对人体无损害、能够长时间使用的织物柔性电极，但织物电极信号的自身特点，需要在处理时采用不同方法。
    本文通过集成在智能服装上的织物电极获取运动状态下的人体心电信号，并进行特征分析，作为建立相应处理模型的依据。静止状态与运动状态下心电信号的功率谱如图1所示。从图中可以看出当频率在0 Hz~7 Hz时，运动状态下的功率要远大于静止状态下的功率，这是因为在人体运动时电极与人体的相对运动剧烈，使得运动伪迹干扰的影响增大，另外由人体呼气引起的基线漂移干扰也同时增大。在QRS波群集中的频段，运动状态下的功率略大于静止状态下的功率，这是由于人体运动以及肌肉紧张收缩而引起的肌电干扰所致。

    经实验证明，在走路状态和慢跑状态下用织物电极采集的信号，虽然受到了一定的干扰，但是波形并没有失真，完全能够用来进行后期的处理。
2 基于信号质量评估和卡尔曼滤波的动态心率估计模型
    准确的心率估计是可穿戴监护系统的最基本要求，R波检测算法是获得心率的最便利的方法，然而心率的检测经常受到干扰的影响而出现错误。卡尔曼滤波算法简单，所需的数据量小，在没有信号先验知识的情况下仍能有效地估计信号趋势的变化和噪声干扰，是一种估计信号趋势的有效方法。信号质量指数SQI(Signal Quality Index)可以实时地表征动态心电信号的质量，从而作为卡尔曼滤波器参数调节的依据，提高估计准确性。本文提出了一种新的基于信号质量评估和卡尔曼滤波的动态心率测量和评估的方法，首先对心电信号进行R波提取并计算心率，接着利用R波检测和加速度计的结果来获得运动状态下心电信号质量指数SQI，然后根据SQI对卡尔曼滤波器参数进行调节，最后对心率进行重新估计，以获得更为准确的结果。系统结构图如图2所示。

2.1 动态心电R波识别和心率测量
    R波检测算法必须具备准确性与快速性两个特点，而这两者之间又存在着矛盾。常用的算法有面积法、小波变换法、幅度法和斜率法等，这些算法都是基于心电信号中的R波具有幅度和斜率较大的特点实现的。其中面积法虽然准确率较高，但算法很复杂，而小波变换法速度较慢，不适合用于实时分析，因此本文采用的R波检测算法是幅度法和斜率法。
    幅度法算法简单、速度快，在干扰较小时有很高的准确率，但是这种算法比较容易受到心电信号中的大T波干扰，从而导致心率估计不准，如图3所示。斜率法的抗干扰能力比幅度法强，准确率高，缺点是算法比较复杂，容易受高频肌电干扰的影响。

    识别出R波过后，本文以10 s为一个时间窗口，计算该窗口内R-R间隔的均值，并以此得到10 s内的心率测量值，公式为：