改进自适应CEEMD方法在心电信号去噪中的应用

发布时间：2020-12-25 23:56

　　针对传统经验模式分解（EMD）方法存在的模式混淆问题,以及总体平均经验模式分解（EEMD）不具备完备性和计算量太大的缺陷,提出一种改进的自适应互补集合经验模式分解（CEEMD）方法。该方法在分析加噪准则的基础上,引入峰值误差（PE）作为加噪评价指标,来自适应确定最佳加噪幅值;然后利用原始信号的幅值标准差以及加入噪声的幅值标准差的比值系数,对不同信号自适应获取总体平均次数;最后将该方法运用到由美国麻省理工学院建立的MIT-BIH心电数据库中,很好地实现了对目标信号的去噪。实验表明,所提方法的平均信噪比（SNR）达到了19.249 7、均方根误差（RMSE）仅为0.047 3,平均平滑度指标R只有0.030 5。算法有效地去除了原始心电信号噪声,改善了信号的平滑度,提高了运算效率。 

【文章来源】：电子测量与仪器学报. 2020年04期 北大核心

【文章页数】：8 页

【部分图文】：

EEMD算法流程

EMD、EEMD和CEEMD算法分解图

Huang等通过实验给出经验性的加噪参数范围:Q一般取0.1SD～0.2SD(SD表示原始信号标准差),M一般取100～200次[6]。寻找出最优Q的取值便成为了关键。本文通过引入PE作为自适应获取加噪幅值算法指导思想。即判断加入噪声后信号的峰值误差,来确定加入噪声的幅值Q,找出PE极小值对应的Q值就是最佳加噪幅值,如图3所示。对图3进行分析可知,当峰值误差PE非常大时,这时加噪信号对原始信号造成的峰值误差过大,不符合噪声加入的准则;相反,当峰值误差较小时,则能获取到最优加噪幅值Q。

【参考文献】：
期刊论文
[1]基于改进互补集合经验模态分解的自适应小波熵阈值地震随机噪声压制算法[J]. 孟娟,韩智明,李亚南.  科学技术与工程. 2019(30)
[2]自相关去噪和经验模态分解的轴承故障分析[J]. 王林军,刘晋玮,杜义贤.  组合机床与自动化加工技术. 2019(09)
[3]基于超声回波信号包络拟合的信号处理方法[J]. 张伦,徐科军,穆立彬,刘博,田雷.  电子测量与仪器学报. 2019(08)
[4]基于互补集合经验模态分解的近场脉冲地震信号降噪算法[J]. 刘欣悦,单德山,谭康熹.  铁道建筑. 2019(05)
[5]基于EEMD与空域相关降噪的滚动轴承故障诊断方法[J]. 田晶,王英杰,王志,艾延廷,孙丹.  仪器仪表学报. 2018(07)
[6]改进EEMD算法在心电信号去噪中的应用[J]. 潘广贞,王凤,孙艳青.  数据采集与处理. 2018(04)
[7]基于谱减法的语音信号降噪改进算法[J]. 金薛冬,李东新.  国外电子测量技术. 2018(05)
[8]超声图像斑点噪声抑制的实时处理系统[J]. 陈清凤,王春辉,周晓宇,郑政.  电子测量技术. 2018(06)
[9]基于改进CEEMD的超声检测信号自适应降噪[J]. 孙灵芳,徐曼菲,朴亨,李霞.  振动与冲击. 2017(20)
[10]小波变换在火箭遥测数据误码剔除中的应用[J]. 柳振民,彭宗尧,郭力闻.  兵器装备工程学报. 2017(05)



本文编号：2938626