基于FPGA的ECG信号滤波与心率计算verilog实现,包含testbench

1.算法运行效果图预览

其RTL结构如下：

2.算法运行软件版本

vivado2019.2

3.算法理论概述

         心电图（ECG）是医学领域中常用的一种无创检测技术，用于记录和分析心脏的电活动。由于ECG信号微弱且易受到噪声干扰，因此在采集和处理过程中需要进行滤波以提取有效信息。同时，根据滤波后的ECG信号，可以进一步计算心率等生理参数。现场可编程门阵列（FPGA）以其并行处理能力和可重构性，在ECG信号处理中发挥着重要作用。

3.1 ECG信号的特点与噪声

         ECG信号是一种低频、微弱的生物电信号，其频率范围主要集中在0.05Hz至100Hz之间。典型的ECG波形包括P波、QRS波群和T波等。在信号采集过程中，ECG信号容易受到基线漂移、工频干扰、肌电干扰和电极接触噪声等的影响。

3.2 FPGA在ECG信号处理中的应用

       FPGA作为一种高性能的数字信号处理器件，可以实现复杂的数字滤波算法，以去除ECG信号中的噪声干扰。常用的数字滤波器包括低通滤波器、高通滤波器和带通滤波器等。

3.3 ECG信号滤波原理

低通滤波器：用于去除高频噪声，如肌电干扰和工频干扰。其数学表达式为：

(H(z) = \sum_{k=0}^{N} b_k z^{-k} / \sum_{k=0}^{M} a_k z^{-k})

其中，(H(z))为滤波器的传递函数，(b_k)和(a_k)为滤波器的系数，(N)和(M)为滤波器的阶数。

高通滤波器：用于去除基线漂移等低频噪声。其数学表达式与低通滤波器类似，但系数不同。

带通滤波器：结合低通和高通滤波器的特点，仅允许特定频率范围内的信号通过，以提取ECG信号中的有效信息。

3.4 心率计算原理

        心率计算通常基于ECG信号中的R波进行检测。R波是ECG信号中幅度最大、最易于识别的波形之一。通过检测R波的间隔时间（RR间期），可以计算出心率。

        心率（HR）的计算公式为：

        (HR = 60 / RR)

        其中，RR为两个相邻R波的时间间隔（以秒为单位）。

       在FPGA中实现心率计算时，通常需要先对滤波后的ECG信号进行阈值检测或峰值检测，以准确识别R波的位置。然后，通过计时器或计数器测量RR间期，并根据上述公式计算心率。

3.5 FPGA在ECG信号处理中的优势

并行处理能力：FPGA可以同时处理多个数据通道，实现高速的ECG信号采集和处理。

可重构性：FPGA可以根据不同的应用需求灵活配置滤波器和心率计算算法。

低功耗：相比其他高性能处理器，FPGA在功耗方面具有优势，适用于便携式医疗设备。

4.部分核心程序

//调用心率数据
ECG_data ECG_data_u(
    .i_clk (i_clk), 
    .i_rst (i_rst), 
    .o_data(o_data)
    );
 
 
//low filter
wire signed[31:0]w_channel_output1;
 
fir_lower fir_lower_u(
	.aresetn            (~i_rst), // input sclr
	.aclk               (i_clk), // input clk
	.s_axis_data_tvalid (1'b1), // output rfd
	.s_axis_data_tready (),
	.s_axis_data_tdata  ({o_data[11],o_data[11],o_data[11],o_data[11],o_data}), 
    .m_axis_data_tvalid (), 
	.m_axis_data_tdata(w_channel_output1) // output [24 : 0] dout
);
assign o_data_filter1=w_channel_output1[25:10];
//high filter//这里和论文不一样，我再增加一个高频滤波
wire signed[31:0]w_channel_output2;
fir_higher higher_filter_u(
	.aresetn            (~i_rst), // input sclr
	.aclk               (i_clk), // input clk
	.s_axis_data_tvalid (1'b1), // output rfd
	.s_axis_data_tready (),
	.s_axis_data_tdata  ({o_data_filter1}), 
    .m_axis_data_tvalid (), 
	.m_axis_data_tdata(w_channel_output2) // output [24 : 0] dout
);
	
assign o_data_filter2=w_channel_output2[25:10];
 
//平均滤波
avg_filters avg_filters_u(
    .i_clk       (i_clk), 
    .i_rst       (i_rst), 
    .i_data      (o_data_filter2), 
    .o_avg_filter(o_data_avgfilter)
    );
 
 
//===============================================================
wire[15:0]o_pv2_1;
 
dyn_lvl dyn_lvl_u(
    .i_clk   (i_clk), 
    .i_rst   (i_rst), 
    .i_agcamp(16'd1500), 
    .i_pv2_1 (o_pv2_1), 
    .o_lvl   (o_lvl)
    );
find_heart_max find_heart_max_u(
    .i_clk      (i_clk), 
    .i_rst      (i_rst), 
    .i_lvl      (o_lvl), 
    .i_peak     (o_data_avgfilter), 
	 
    .o_pv2_1    (o_pv2_1), 
    .o_idx_1    (o_idx_1), 
    .o_delay_cnt(o_delay_cnt), 
    .o_syn      (o_syn), 
    .curr_state (), 
    .cnten      (), 
	 
    .cnt0       (), 
    .cnt1       (), 
    .cnt2       (), 
    .cnt3       (), 
    .cnt4       (), 
	 
    .max_1      (), 
    .max_2      (), 
    .max_3      (), 
    .max_4      ()
    );
assign o_peaks = o_pv2_1;
//计算心率
heart_rate_cal heart_rate_cal_u(
    .i_clk(i_clk), 
    .i_rst(i_rst), 
    .i_heart    (o_syn), 
    .o_heartrate(o_heartrate), 
    .o_heartcnt (o_heartcnt)
    );
endmodule