2.3 右腿驱动电路
　　右腿驱动电路是专为克服50 Hz工频共模干扰、提高共模抑制比（CMRR）而设计的，原理是采用以人体为相加点的共模电压作并联负反馈，其方法是提取前级放大电路中的共模电压，经驱动电路倒相放大后再加回人体右腿上。本文使用的EASI导联系统可以把RL电极接到右腹处。
2.4 TMS320VC5509A最小系统
　　Holter是便携式设备，要求保证至少有24小时连续的医学应用，同时要运行心电检测等复杂算法。因而作为系统核心的DSP必须具备低功耗和高性能的特点。本文使用TMS320VC5509A作为系统运算和控制核心，系统配置DSP的McBSP接口与模数转换芯片ADS8325和CC2430 Zigbee模块进行通信，通过SD控制器与MicroSD卡连接，通过GPIO口与液晶模块相连接，设置3个由按键控制的外部中断，用于多功能切换。
3 软件设计
3.1 DSP程序设计
　　DSP系统初始化需要完成以下操作：初始化CPU、外设、引脚功能与中断，通过判断中断源确定是否存储在MicroSD卡上；然后开始A/D转换采集心电信号，根据此前所选择的方式通过DMA保存采集到的数据；同时数据累积到特征提取所需后对其进行处理，判断是否有异常。一旦产生异常，则通过Zigbee模块发送提示信息，否则继续循环信号处理流程。
3.2 算法设计
　　ECG信号中QRS波群的检测是对ECG信号自动分析诊断的前提和基础，只有在R波标定后才可做进一步分析。本系统采用墨西哥草帽小波变换进行R波检测。该小波母函数是高斯函数的二阶导数，心电信号的特征点与小波变换的模极大值点存在对应关系，从而可以据此实现R波的定位[5]。式(1)为小波母函数函数表达式：
　　

　　具体检测方法为：在小波变换尺度4上，分等长区间分别求模极大值，再对这组模极大值求均值，将该均值二分之一作为阈值，求出过阈值的连续区间中极大值为R波的相应位置，再修正时移。此时与尺度4相应时延为20点，即与原始信号中R波位置有20点的延时。
　　为了检查算法的有效性，本实验采用国际通用的MIT-BIH数据库进行测试，结果如表1所示。

　　经实验验证，由于噪声在小波变换的第3、第4尺度上已得到抑制，所以系统中所采用的方法可以有效地从噪声干扰中识别出心电信号中R波的位置，并且识别准确率达到了99.83%。
　　在完成R波识别流程后，分别以R波位置为起始点，向前在长度为0.04 s的区间中搜索模极小值点位置，以对Q波进行定位。对S波进行识别的基本流程与Q波相似，不同点是向R波后向检索，并且由于S波延续时间较Q波长，搜索区间长度为0.06 s。
3.3 上位机软件设计
　　本文的心电远程实时监护界面采用LabVIEW虚拟仪器编程语言设计，主要功能为实时从串口采集心电数据，切换显示十二导联数据，分析和存储等功能。
　　本系统中，Holter终端节点采集分析的数据应用ZigBee无线协议传输至网络协调器节点。网络协调器节点将接收到的用户信息数据进行融合处理，通过串口传送到PC机上[6]。
4 系统测试
4.1 心电采集和预处理
　　按照图1的EASI导联系统电极位置所示，通过心电电极片连接人体和系统前端电路，采集心电信号。图3为实际采集的AI通道的心电信号并在CCS(Code Composer Studio)v3.3上显示的心电信号片段。
4.2 算法实现
　　在TMS320VC5509A采用小波变换的方法，在小波变换尺度4上对心电信号进行实时特征提取，并对QRS波群的各个特征点参数进行检测计算。小波变换尺度4如图4所示。

　　如图4所示，圆圈标记为R波在尺度4上对应的位置，三角形标记为Q波，矩形标记为S波。然后据此再对其他参数如P波、T波及其端点检测。
4.3 远程监护
　　在上位机运行心电远程实时监护界面，可同时实时显示用户的心电数据及根据EASI导联推导出的十二导联数据。
　　本文实现了一个基于DSP的多功能Holter系统。硬件系统、EASI十二导联心电采集电路、心电识别算法、Zigbee无线传输通信和上位机监护程序等都已调试成功。Holter系统能实现基于小波变换算法实时检测从心电模拟前端采集的心电信号，并通过Zigbee实时无线传输到PC机进行心电远程实时监护与十二导联心电数据的推导及实时显示，达到预期目标。