新阈值小波变换的心音去噪

发布时间：2021-10-11 07:18

　　为有效去除心音信号中夹杂的噪音,提出一种基于离散小波变换（DWT）的心音自适应阈值去噪方法。选取db6小波对心音信号进行5层分解,保留有用的分解层系数进行阈值化处理和信号重构,并将其余层的系数设置为零。提出一种新的自适应阈值估计法和阈值函数,引入参数m反映信号中的噪声水平,根据其自适应估计阈值。在不同类型噪声的不同噪声强度下将软、硬阈值函数和新阈值函数对心音信号进行仿真对比。实验结果表明,所提方法去噪效果最好,验证了其有效性和可行性。 

【文章来源】：计算机工程与设计. 2020,41(09)北大核心

【文章页数】：6 页

【部分图文】：

小波系数分层明细

其中, Η ? 和 G ? 分别是低通滤波器和高通滤波器,称为合成滤波器。两个滤波器输出和产生用于下一级重构的近似系数。合成滤波器与分析滤波器有关,两个分析滤波器和两个合成滤波器形成正交镜像滤波器[12]。重构的信号即去噪后的信号 x( n ) 包含了第4和第5细节层的阈值系数的信号。小波去噪算法流程如图2所示。3 实验结果与分析

为了验证提出方法的可行性,使用不同的阈值方法对心音信号进行去噪。硬、软值函数都使用阈值minimaxi,新阈值函数使用文中估计的新阈值。3种方法都是在db6小波分解5层仅选取第4和第5细节层的基础上对心音信号进行去噪。3种阈值函数对加入了信噪比为 5 dB 的高斯白噪声的正常心音信号进行去噪,去噪效果如图3所示。图3(a)是采集到的正常心音信号,图3(b)是含噪心音信号,图3(c)是含噪心音信号经过硬阈值函数进行去噪处理后的效果,可以看到图中还保留比较多的噪声,去噪效果不是很好,图3(d)是含噪心音经过软阈值函数进行去噪处理后的效果,滤除了很多的噪声,但也损失了一部分原始心音信号,使得有些信号细节无法分辨,导致波形失真,图3(e)是含噪心音信号经过文中提出的新阈值函数进行去噪处理后的效果,图中噪声滤除比较干净且波形没有失真,保留了原始心音信号的细节特征,去噪效果最好。

【参考文献】：
期刊论文
[1]一种心音信号的源成分获取方法[J]. 成谢锋,李允怡,高珮熙,佘辰俊,张友迅.  南京邮电大学学报(自然科学版). 2018(01)
[2]基于随机误差项的小波阈值去噪算法研究[J]. 谭纪文,汪立新,朱战辉.  压电与声光. 2017(06)
[3]基于小波收缩的心音降噪最优化分析[J]. 余辉,姜博畅,刘雁飞,关红彦.  电子测量与仪器学报. 2017(03)
[4]基于经验模态分解（EMD）的小波熵阈值地震信号去噪[J]. 刘霞,黄阳,黄敬,段志伟.  吉林大学学报(地球科学版). 2016(01)
[5]5种小波在心音信号处理中的分析与比较[J]. 成谢锋,杨贺.  南京邮电大学学报(自然科学版). 2015(01)



本文编号：3430049