采用集合经验模态分解和改进阈值函数的心电自适应去噪方法

发布时间：2021-04-17 16:30

　　针对心电信号中存在基线漂移、工频和肌电干扰等噪声对后续的分析和诊断带来干扰的问题,提出了集合经验模态分解（EEMD）改进阈值函数的心电自适应去噪方法。运用EEMD将含噪心电信号分解得到一组由高频到低频分布的固有模态函数（IMF）。采用过零率自适应判断各IMF的噪声类别:若IMF包含高频噪声,采用结合软硬阈值优缺点所提出的改进阈值函数以去除IMF分量中的高频噪声;若IMF包含低频的基线漂移,则采用中值滤波器抑制基线漂移。最后将处理后的IMF分量叠加,即可重构去噪后的心电信号。实验结果表明,与已有的小波阈值法去噪后的信噪比（SNR）和均方根误差（RSME）对比,所提方法对心电信号去噪效果更加显著,而且能完整地保留波形特征。 

【文章来源】：西安交通大学学报. 2020,54(01)北大核心EICSCD

【文章页数】：7 页

【部分图文】：

不同方法去噪后的均方根误差

心电信号各子波QRS波群和P、T波的频带分别为3～45 Hz和0.5～10 Hz,而基线漂移、肌电干扰和工频干扰的频带分别为0.05～2 Hz、5～200 Hz和60 Hz[2],工频干扰和肌电干扰相对心电信号是高频噪声,基线漂移是低频噪声。由于基线漂移、工频干扰、肌电干扰和以及添加的白噪声为近似正弦波,幅值在零点附近振荡,所以IMF分量中噪声频率越高,过零点越多。IMF是由高频到低频分布,过零率逐渐减小。高频和低频噪声的频率差异较大,含高频噪声的IMF的过零点数远多于含低频噪声IMF的过零点数,因此过零率会发生突变。

取一段2 000采样点的心电信号,集合经验模态分解得到9个IMF以及余项,如图1所示。计算得到f1至f9的过零率g分别为0.587 0、0.289 5、0.169 0、0.036 5、0.023 5、0.015 0、0.006 0和0.002 0。计算各阶IMF与相邻高阶IMF过零率的比值,即g(fi)/g(fi+1),结果如图2所示。g(f1)/g(f2)、g(f2)/g(f3)、g(f4)/g(f5)、g(f5)/g(f6)的值均接近2,而g(f3)/g(f4)的值约为5,说明f3和f4之间的过零率发生突变,导致g(f3)/g(f4)比值急剧增大,取得局部极大值。由于IMF分量的频率是由高频到低频分布,高频噪声分布在前几阶IMF分量中,且由图1可知,f3分量包含高频噪声,而f4不包含高频噪声,导致f4的过零点急剧减少。因此当g(fi)/g(fi+1)第一次取得极大值时,则认为f1至fi这i个IMF分量包含高频噪声,fi+1至余项包含低频噪声。2.2 阈值法去除高频噪声

【参考文献】：
期刊论文
[1]基于深度学习和模糊C均值的心电信号分类方法[J]. 吴志勇,丁香乾,许晓伟,鞠传香.  自动化学报. 2018(10)
[2]一种自适应形态滤波算法及其在轴承故障诊断中的应用[J]. 张西宁,唐春华,周融通,雷威.  西安交通大学学报. 2018(12)
[3]改进的经验模态分解法去除脉搏波基线漂移[J]. 苏志刚,吕江波,郝敬堂,张亚娟.  计算机测量与控制. 2018(07)
[4]基于EMD与相关系数原理的故障声发射信号降噪研究[J]. 刘东瀛,邓艾东,刘振元,李晶,张瑞,黄宏伟.  振动与冲击. 2017(19)
[5]心电信号小波去噪的改进算法研究[J]. 郑敏敏,高小榕,谢海鹤.  中国生物医学工程学报. 2017(01)
[6]改进的自适应噪声总体集合经验模态分解在光谱信号去噪中的应用[J]. 李晓莉,李成伟.  光学精密工程. 2016(07)
[7]基于集合经验分解与改进阈值函数的小波变换心电信号去噪方法研究[J]. 叶琳琳,杨丹,王旭.  生物医学工程学杂志. 2014(03)
[8]消除心电信号基线漂移简单方法及仿真[J]. 朱杰檀,柒惠.  医疗卫生装备. 2012(08)
[9]小波去噪质量评价方法的对比研究[J]. 陶珂,朱建军.  大地测量与地球动力学. 2012(02)



本文编号：3143772