自适应小波尺度谱阈值在膈肌信号降噪应用.docVIP

自适应小波尺度谱阈值在膈肌信号降噪应用 　　摘要：膈肌肌电信号是人体微弱的生物电信号，此信号常受到心电信号的严重干扰。为了提高阈值在膈肌肌电信号降噪的准确度，提出了一种小波尺度谱阈值自适应的降噪算法。该算法先对膈肌肌电信号进行小波变换，再把小波系数转化为小波尺度谱，然后确定心电干扰位置，并且根据心电邻域小波能量自动调整阈值从而去除心电干扰。通过对膈肌肌电信号进行实验分析，并且与小波阈值方法进行对比，结果表明该方法降低了心电干扰并且保留了膈肌肌电信号的特征。 　　关键词：小波尺度谱；阈值自适应；心电干扰；膈肌肌电信号 　　中图分类号：R318.04 　　文献标志码：A 　　0引言 　　膈肌肌电信号（diaphragmatic electromyographic， EMGdi）是人体在呼吸过程中产生的一种非平稳生物电信号，它包含了许多呼吸过程中的生理特征，在医学领域膈肌肌电信号通常用于研究呼吸道病理特性[1]。 　　从食道电极采集到的EMGdi信号幅值在0.02mV～5mV，且受到各种噪声的干扰，如电极移动伪差、工频干扰以及其他生物电信号等。在众多干扰信号中，心电信号（electrocardiography， ECG）是最大的干扰源，其频谱主要分布在0～55Hz，而EMGdi的频谱分布在25～250Hz，另外ECG的幅值比EMGdi的幅值高出很多。EMGdi信号的频谱分析在膈肌疲劳检测中起到重要作用[2]，两种信号之间的频谱混叠对后续的医学研究分析产生极大的困扰。 　　如何在ECG强干扰情况下提取出EMGdi信号成为实验研究的关键。Slim等[3]提出结合小波软滤波与自适应滤波结合的方式去除肌电中的心电干扰信号，原始肌电信号通过小波软滤波之后得到心电信号，以心电信号作为自适应滤波器的参考信号，该方法避免了通过采集心电信号作为参考输入，但是根据小波软滤波得到的心电信号含有肌电信号的成分。Aithocine等[4]采用结构强度同步事件消除法对EMGdi信号进行降噪，该方法不需要引入参考信号，通过结构强度确定QRS的范围并且构造QRS信号作为同步消除的参考信号。从文献[4]的仿真图中可以看到，使用上述的方法并不能完全去除心电干扰。经典的方法有频率分析法[5]，该方法使用高通滤波器对肌电信号进行降噪，???种处理过程比较简单容易操作，但是在信噪频谱混叠的情况下，这种方法不能很好地分离信号与噪声。 　　小波变换在生物非平稳信号处理中是一种有效可行的方法[6-7]，它的时频特性分析能反映ECG信号与EMGdi信号的微小短促的变化。文献[6]提出的阈值系数是通过实验经验得到的，降噪后的EMGdi信号随选取阈值变化。因此，本文提出了一种小波尺度谱的阈值自适应降噪方法，该方法根据ECG干扰信号周围的EMGdi小波能量来自适应调整阈值系数，另外信号经过尺度谱变换后，ECG的系数比EMGdi系数更加凸显，更加方便确定ECG干扰的区间并且对干扰系数进行阈值处理。 　　3实验结果及分析 　　为了验证小波尺度谱阈值自适应算法的有效性，分别用小波阈值算法[6]与本文算法对模拟的和临床采集的EMGdi信号进行降噪处理。本文实验所采用的心电检测比例常数k为2.2，另外再取误差系数err为0.01，而消除ECG干扰的阈值可以依据误差系数err自适应调整，不再依靠实验经验取值。 　　3.1模拟EMGdi信号的降噪结果 　　为了让模拟的信号能逼近临床采集EMGdi信号，本文使用文献[11]的纯净EMGdi模拟信号与模拟ECG干扰信号来测试算法效果。 　　对模拟的ECG干扰信号与纯净的EMGdi信号进行相加，得到受干扰的EMGdi信号，如图1（a）所示。应用小波阈值的方法与本文算法去除EMGdi的干扰信号，在图1（b）中，箭头所指的区域呈现凹陷状态，而这两个区域是受ECG剧烈干扰的位置，这说明小波阈值的方法在去除ECG干扰的过程中，也把真实EMGdi信号去除了。图2为功率谱对比，从图2（a）可以看出，降噪前的信号能量集中在0～50Hz区间范围内，而且在此区间范围的幅值比纯净的EMGdi的功率谱幅值高出很多。从图2（b）与图2（c）对比可以看出，本文算法降噪后的功率谱与纯净的EMGdi信号的功率谱更加贴近，也更加符合纯净EMGdi信号功率谱的分布规律。 　　4结语 　　本文将小波尺度谱的分析方法运用于EMGdi信号的降噪过程中，提出了根据能量匹配的方式来实现阈值自适应。阈值的大小会极大地影响EMGdi信号的降噪效果，小波阈值方法是从实验经验来设定阈值大小。为了避免人为经验的干扰，本文用二分法来获取每一个ECG干扰的小波尺度谱阈值。尽管ECG干扰信号与EMGdi信号的幅值差异随着尺度的减小而缩小，但是通过二分法仍然可以找到一个最优的阈值来滤除