基于小波分析的脉搏采集信号处理研究

发布时间：2021-07-31 20:36

　　针对在脉搏信号采集过程中采取常规的信号处理方法难以实现脉搏信号的去噪处理的问题,选用小波分析自适应阈值去噪的方法对采集的脉搏信号进行消噪处理。通过该方法可以快速准确地去除干扰,为后续波形特征点的提取作准备。 

【文章来源】：工业控制计算机. 2020,33(12)

【文章页数】：3 页

【部分图文】：

阈值去噪流程图

由于噪声干扰，难以从初始信号X中看出信号的走向。重构小波分解的低频系数过程中可以清晰地观察出采集到的信号的走向。因其通常是信号的低频成分对应着最大尺度小波变换的低频系数。此外还可以在低频中分解它，在进行低频成分的尺度分解时，随着分解层数的增加，所含的高频组成部分会同时减少，在尺度增加的同时，更多高频的信号被滤掉，可以更好地看出信号的发展趋势。如图2所示。分解层数越多，计算所耗时间越长，通过表中计算数据发现6层已经基本满足要求，同时能够很好地缩短了数据处理时间，因此选用bior3.5小波对脉搏信号进行6层分解。如图3所示。

分解层数越多，计算所耗时间越长，通过表中计算数据发现6层已经基本满足要求，同时能够很好地缩短了数据处理时间，因此选用bior3.5小波对脉搏信号进行6层分解。如图3所示。因为傅里叶变换在时间上无法进行分辨，所以难以检测到脉搏信号的间断点。图4为原始波形图及傅里叶变换，图5为bior3.5作为小波基对脉搏信号进行分解，在小波分解尺度2、4上的信号细节分量主要与肌电干扰有关，尺度1、3上主要与工频干扰有关，通过阈值化处理后进行小波重构，可以得到去除噪声后的光滑信号。

【参考文献】：
期刊论文
[1]基于波形特征和小波的脉搏波特征点识别研究[J]. 季忠,刘旭.  仪器仪表学报. 2016(02)
[2]基于Tetrolet变换的图像融合[J]. 延翔,秦翰林,刘上乾,杨廷梧,杨智杰,薛灵芝.  光电子.激光. 2013(08)
[3]心电信号的小波变换处理算法及仿真[J]. 倪原,王晓丽,陆文总.  西安工业大学学报. 2012(04)
[4]脉搏波:沟通中医和西医的桥梁[J]. 宋相和,王耘.  中西医结合学报. 2008(09)

硕士论文
[1]基于光电容积脉搏波的呼吸频率提取算法研究[D]. 孟祥彪.西安理工大学 2016
[2]武器自动机运动规律信号降噪方法的研究[D]. 林渊.中北大学 2009



本文编号：3314146