基于不同经验模态分解的小波软阈值ECG去噪研究

发布时间：2018-10-22 09:48

【摘要】：针对ECG信号的非线性和非平稳性,利用不同经验模态分解的小波软阈值方法对其进行降噪处理.根据希尔伯特-黄(Hilbert-Huang)变换提出的一系列的EMD算法,有EMD、EEMD、CEEMD等.首先,将含高斯白噪声的ECG信号分别进行EMD、EEMD、CEEMD分解,所得到的固有模态函数(IMF)分量是从高频到低频排列的,分别舍去前几层含噪IMF'进行重构去噪.由于舍去的IMF分量中含有少部分信号的细节信息,然后利用小波软阈值对前几层含噪IMF提取细节信息得到新的分量,再将剩余分量和新的分量重构去噪后的ECG信号.利用去噪信号图和不同性能指标验证了不同方法的有效性,得出了基于CEEMD的小波软阈值ECG降噪效果最佳.最后,用上述方法对MIT-BIH心电噪声库信号进行去噪处理,其结果与仿真实验相吻合.
[Abstract]:Aiming at the nonlinearity and nonstationarity of ECG signal, the wavelet soft threshold method based on different empirical mode decomposition is used to reduce the noise. According to the Hilbert-Huang transform, a series of EMD algorithms are proposed, such as EMD,EEMD,CEEMD and so on. Firstly, the ECG signal with Gao Si white noise is decomposed by EMD,EEMD,CEEMD, and the (IMF) component of the inherent mode function is arranged from high frequency to low frequency, and the first layers of noisy IMF' are reconstructed and de-noised. Because the reduced IMF component contains the detail information of a small part of the signal, the wavelet soft threshold is used to extract the detail information from the previous layers of noisy IMF to obtain the new component, and then the residual component and the new component are reconstructed to the de-noised ECG signal. The effectiveness of different methods is verified by using denoising signal diagram and different performance indexes, and the best denoising effect of wavelet soft threshold ECG based on CEEMD is obtained. Finally, the MIT-BIH ECG noise database signal is de-noised by the above method, and the results are in good agreement with the simulation experiment.
【作者单位】： 中北大学理学院;
【基金】：国家自然科学基金(61275120)
【分类号】：TN911.7;R540.41

【相似文献】

相关期刊论文 前8条

1 尚磊;张玉海;杨显君;孙丽君;;经验模态分解法与长期生长趋势资料的统计分析[J];数理医药学杂志;2013年01期

2 李昕;王惠惠;王月茹;赵芳芳;;基于能量估计的小波阈值与经验模态分解相结合的滤波方法研究[J];生物医学工程学杂志;2011年06期

3 胡维平;赖克方;杜明辉;陈如冲;钟思军;陈荣昌;钟南山;;基于经验模态分解分析和隐马尔可夫模型识别的咳嗽音检测[J];生物医学工程学杂志;2009年02期

4 褚敏;田社平;韦红雨;王志武;颜国正;;经验模态分解的人体结肠压力信号分析[J];中国计量学院学报;2007年04期

5 朱伟芳;赵鹤鸣;俞一彪;;基于经验模态分解和Hilbert变换的QRS综合波检测算法[J];中国生物医学工程学报;2010年03期

6 邹滋润;陈真诚;朱健铭;;基于光电容积脉搏波的呼吸波提取[J];中国生物医学工程学报;2013年04期

7 石岩岩;苟正品;张榆锋;张燕;陈秋英;;基于经验模态分解自适应滤波的胎儿心电信号提取[J];生物医学工程与临床;2010年01期

8 ;[J];;年期

相关会议论文 前10条

1 秦毅;秦树人;毛永芳;;正交经验模态分解及其快速实现[A];第九届全国振动理论及应用学术会议论文摘要集[C];2007年

2 秦毅;秦树人;毛永芳;;正交经验模态分解及其快速实现[A];第九届全国振动理论及应用学术会议论文集[C];2007年

3 杨永锋;;经验模态分解与非线性分析的协同研究[A];第四届全国动力学与控制青年学者研讨会论文摘要集[C];2010年

4 侯文文;邹俊忠;刘未来;;基于经验模态分解的眼电伪差去除研究[A];上海市化学化工学会2010年度学术年会论文集（自动化专题）[C];2010年

5 李关防;许春雷;惠俊英;;基于经验模态分解的特征提取算法研究[A];中国造船工程学会电子技术学术委员会2011年海战场电子信息技术学术年会论文集[C];2011年

6 薛志宏;李广云;周蓉;;一种基于经验模态分解的信号降噪方法[A];全国工程测量2012技术研讨交流会论文集[C];2012年

7 张飞涟;刘严萍;;经验模态分解与神经网络方法在降水预测领域的应用研究[A];中国系统工程学会第十八届学术年会论文集——A01系统工程[C];2014年

8 康春玉;章新华;;一种基于经验模态分解的信号降噪方法[A];中国声学学会2007年青年学术会议论文集（下）[C];2007年

9 辛鹏;辛雷;蔡国伟;李晓琦;;一种基于经验模态分解与支持向量机的电力系统短期负荷预测新方法[A];第十一届全国电工数学学术年会论文集[C];2007年

10 郝文峰;骆英;顾建祖;;基于经验模态分解-支持向量机的玻璃幕墙开胶损伤预测研究[A];中国力学学会学术大会'2009论文摘要集[C];2009年

相关博士学位论文 前9条

1 葛光涛;二维经验模态分解研究及其在图像处理中的应用[D];哈尔滨工程大学;2009年

2 孙晖;经验模态分解理论与应用研究[D];浙江大学;2005年

3 张继红;经验模态分解及径向基函数的一些应用研究[D];大连理工大学;2012年

4 熊卫华;经验模态分解方法及其在变压器状态监测中的应用研究[D];浙江大学;2006年

5 杨贤昭;基于经验模态分解的故障诊断方法研究[D];武汉科技大学;2012年

6 高静;经验模态分解的改进方法及应用研究[D];北京理工大学;2014年

7 陈志刚;经验模态分解与Savitzky-Golay方法的自适应遥感影像融合[D];华东师范大学;2010年

8 周义;快速二维经验模态分解和相位追踪方法及其在导波无损检测中的应用[D];上海交通大学;2014年

9 石志晓;时频联合分析方法在参数识别中的应用[D];大连理工大学;2005年

相关硕士学位论文 前10条

1 史玉君;基于经验模态分解的眼电伪迹去除方法的研究[D];兰州大学;2015年

2 梁江海;基于经验模态分解的通信信号细微特征分析[D];国防科学技术大学;2013年

3 赵强;基于EMD的齿轮故障诊断技术研究[D];东北石油大学;2015年

4 熊伟;试车台振动测试系统的关键技术研究[D];河南工业大学;2015年

5 杨彩红;基于折线包络的经验模态分解方法及其应用[D];天津大学;2007年

6 付晓波;经验模态分解法理论研究与应用[D];太原理工大学;2013年

7 郭一粟;基于经验模态分解的动平衡测量系统信号处理方法研究[D];吉林大学;2015年

8 封学真;经验模态分解滤波在圆度评定中的研究[D];西安电子科技大学;2014年

9 徐双;经验模态分解理论研究及其在舰船辐射噪声线谱分析中的应用[D];昆明理工大学;2010年

10 黄晟;基于经验模态分解的红外小目标检测算法研究[D];华中科技大学;2013年

，

本文编号：2286817