基于归一化最小均方差联合集合经验模态分解的运动状态下心率提取算法研究

发布时间：2021-05-10 16:36

　　为了消除运动伪差、高频噪声和基线漂移对光电容积脉搏波（PPG）的影响,得到运动状态下心率的准确值,本文提出了一种基于归一化最小均方差（NLMS）自适应滤波器联合集合经验模态分解（EEMD）分析的PPG信号降噪方法。首先,将含有噪声的PPG信号以3轴加速度传感器为参考信号通过自适应滤波器,滤除其中的运动伪差;其次,将PPG信号通过EEMD分解得到一系列按频率由高到低的固有模态分量（IMF）,通过排列熵（PE）准则判断信号的阈值范围,从而滤除其中的高频噪声和基线漂移。实验结果显示,不同运动状态下,降噪后PPG信号的计算心率和基于心电信号（ECG）的标准心率的皮尔逊相关系数为0.731,平均绝对误差百分比为6.10%,从而表明该方法能够准确计算出运动状态的心率,有利于人体运动状态下的生理监测。 

【文章来源】：生物医学工程学杂志. 2020,37(01)北大核心EICSCD

【文章页数】：9 页

【文章目录】：
引言
1 算法原理及评价指标
    1.1 NLMS-EEMD算法原理
    1.2 实验结果评价指标
2 实验
    2.1 实验数据来源
    2.2 信号处理
3 实验结果
4 讨论
5 结论


【参考文献】：
期刊论文
[1]基于自编码机和聚类的混合推荐算法[J]. 赵阳,朱全银,胡荣林,瞿学新.  微电子学与计算机. 2018(11)
[2]面向海洋数据的复杂网络建模及可视化分析[J]. 孙鑫,李振华,董军宇,罗新艳,杨玉婷.  系统仿真学报. 2018(07)
[3]基于离散S变换和排列熵的癫痫脑电识别[J]. 张健钊,姜威,元辉,尚伟,刘湜,焦萍.  生物医学工程学杂志. 2017(05)
[4]基于EMD的动态脉搏数据处理研究[J]. 王金海,岳晨飞,韦然,于双,国海丁.  仪器仪表学报. 2016(S1)
[5]基于CEEMD和排列熵的故障数据小波阈值降噪方法[J]. 周涛涛,朱显明,彭伟才,刘彦.  振动与冲击. 2015(23)
[6]基于CEEMDAN-排列熵和泄漏积分ESN的中期电力负荷预测研究[J]. 李军,李青.  电机与控制学报. 2015(08)
[7]EEMD在同时消除脉搏血氧检测中脉搏波信号高频噪声和基线漂移中的应用[J]. 韩庆阳,王晓东,李丙玉,周鹏骥.  电子与信息学报. 2015(06)
[8]多步梯度下降的变步长NLMS算法[J]. 徐新龙,张建秋.  复旦学报(自然科学版). 2014(03)
[9]脑电信号的多尺度排列熵分析[J]. 姚文坡,刘铁兵,戴加飞,王俊.  物理学报. 2014(07)
[10]一种消除脉搏波信号中呼吸基线漂移的方法[J]. 韩庆阳,李丙玉,王晓东.  中国医疗器械杂志. 2014(01)



本文编号：3179695