基于负熵最大化FastICA的心电信号提取研究.pdfVIP

第29卷 第 12期 河 南 科 学 V0l_29 No．12 2011年 l2月 HENAN SCIENCE Dec．2011 文章编号：1004—3918(2011)12—1509—04 基于负熵最大化FastlCA的心电信号提取研究 - 李富强， 郑宝周， 贾树恒 (河南农业大学 理学院，郑州 450002) 摘 要：针对心电信号常被工频干扰污染问题，为了从观测信号中有效分离出心电信号，采用了基于负熵最大化的 FastlCA方法．仿真中，观测信号由心电信号和工频干扰通过混合矩阵线性叠加而成，无明显心电信号特征．经具 体方法基于负熵最大化FastlCA方法处理后，分离出的心电信号很好地逼近了理想心电信号，具有明显的心电信号 特征 ，心电信号提取效果良好． 关键词：独立分量分析；快速 ICA；负熵；心电信号；工频干扰 中图分类号：TN911．72 文献标识码：A 独立分量分析 (independentcomponentanalysis，ICA)是 2O世纪90年代后期发展起来的新盲源分离方 法 ．ICA假设 由传感器获得的观测信号是 由具有统计独立性的信号源的线性组合而成，在信号源和混合方 式未知的前提下，采用某种优化准则将各个独立分量估计出来 ．自1994年 Comon对 ICA进行理论研究后Ⅲ， 各国学者分别提出了信息极大化、极大似然、互信息极小化、联合近似对角化、快速 ICA(fastICA，FICA)等算 法2[-31，广泛应用于语音处理、图像处理、生物信号处理等领域 ．心电信号检测中往往有较强的工频干扰，心 电信号频率范围为0．05100Hz，设计传统滤波器比较困难．心电信号和工频干扰是两个统计独立的信号源， 文章采用基于负熵最大化的FICA对观测信号进行分离，以提取出有用心电信号． 1 独立分量分析 独立分量分析的简单原理框图如图1： 其中，s： 。，．s：，…，s 是由Ⅳ个独立信号 源组成的矢量 ．通过传感器获得 个观测信号 图1 独立分量分析原理框图 Fig．1 Principledia~am ofICA 表示为 Ex1，X2，…， T=AS， (1) 其中，A为MxN维混合矩阵，即 个观测信号是由Ⅳ个独立信号源线性组合得到的．独立分量分析的任务 是：在信号源S和混合矩阵A均未知的前提下，根据已知观测信号 利用统计知识求取一个解混矩阵w， 使得输出Y(y：w= 是信号源S的最佳逼近．由于没有混合矩阵A的先验知识，要想仅根据观测数据 恢 复信号源 ．s，假设如下： 1)信号源 中最多只允许有一个高斯信号． 2)信号源间相互统计独立 ． 3) ≥Ⅳ，即观测信号个数大于等于信号源个数 ． 4)混合矩阵A是满秩的，信号源之间是线性组合的． 2 基于负熵最大化的FastlCA算法 1997年芬兰学者AapoHyvarinen等人首先提出基于四阶累计量的固定点算法，1999年又提出了基于 负熵的ICA固定点算法 (fixed—pointalgorithm)[~．由于该算法的收敛速度比批处理和 自适应处理都快，因此 被称为快速 ICA算法．由于负熵作为高斯性度量的效果优于累计量，且采用牛顿迭代法，收敛有保证；另外， 迭代过程中无需引入调节步长等人为设置参数，因而更简单方便，所以文章采用基于负熵最大化的FastlCA 算法 ． 收稿 日期：2011-07—07 作者简介：李富强 (1982一)，男，河南汝南人，讲师，硕士，主要研究方向为数字信号处理． 一 l5lO一 河 南 科 学 第29卷 第12期 为了去除观测数据问的相关性，提高算法收敛速度，需要首先对观测信号进行预处理，包括去均值和 白 化处理．去均值也称为中心化，即