一种ECG信号肌电干扰去除方法研究.docVIP

一种ECG信号肌电干扰去除方法的研究 　　摘 要：实测心电（ECG）信号通常被多种因素干扰，尤其是肌电干扰的去除存在较大困难。本文提出一种结合经验模态分解法（EMD）与主成分分析 （PCA） 的消噪算法来去除ECG信号的肌电干扰。解决了通常采用小波算法和EMD等方法会导致ECG信号产生振荡和丢失有用信息的难题。本研究利用PCA对含噪信号经EMD分解后的内蕴模态函数（IMF）进行去噪处理， 通过对MIT-BIH心电数据进行仿真，以及定性分析了信噪比（SNR）和均方误差（MSE）。结果表明，ECG信号中的肌电干扰被有效去除，所提方法的消噪效果整体上优于小波去噪算法和EMD 消噪算法，是一种有效的消噪方法。 　　关键词：心电信号； 主成分分析； 经验模态分解； 去噪； 肌电干扰 　　中图分类号：TP391 文献标识码：A 文章编号：2095-2163（2015）01- 　　Abstract： The Electrocardiogram （ECG） recording is often deteriorated by several factors， especially the myoelectricity interference removal is more difficult. In this paper， removing the electromygram from ECG signal based on empirical mode decomposition （EMD） and principal component analysis （PCA） de-nosing method has been proposed. The problem of shocking of ECG signal、lose some useful information by wavelet algorithm and EMD respectively has been solved. The method removed noise of intrinsic mode functions （IMFs） using PCA， after the noisy signal is decomposed by EMD. At last， the proposed method is evaluated over MIT-BIH ECG database in terms of visual inspection and qualitatively by signal noise ratio （SNR） and mean square error （MSE）. The results show that the myoelectricity interference are removed efficiently and the proposed method outperformed wavelet de-noising algorithm and EMD de-noising algorithm. So it is an effective de-noising method. 　　Key words： ECG； PCA； EMD； De-noising； Myoelectricity Interference 　　0 引 言 　　ECG 信号由一个P波，一个 QRS 波群， 一个 T 波和一个 U 波组成[1]，通常用来诊断心脏病类型的疾病。ECG 信号是一种非线性、非平稳的微弱信号，频率范围为0.05 ～100 Hz，幅值不超过4 mV，而90%的 ECG 信号的频谱能量多是集中在0.25～35 Hz 之间，因而常会淹没在许多噪声干扰信号中，不易得到清晰检测[2-3]。具体的干扰信号主要有50 Hz 及其谐波组成的工频干扰，另外也包括着频率在5～2 000Hz 的肌电干扰和频率低于 0.5 Hz 的基线漂移 （BW）。其中的肌电干扰是由人体肌肉颤动所致，涵盖频率范围很广，而且又与心电信号的频谱混在一起，故很难用一般性的常规方法将其与心电信号分开，同时相对于 ECG 来说，肌电干扰就是一种高频干扰，其频谱特性接近于瞬时发生的高斯??限白噪声[4]。 　　近年来，文献中提到的 ECG 信号肌电干扰等噪声的消除方法主要有传统的基于傅里叶变换的滤波器，基于小波理论的小波阈值法和EMD 分解法等，这些方法都可以达到一定的滤波效果[5-7]。将其综合比较后可知，EMD 分解法在生物电信号像ECG信号的去噪效果上有着更佳表现[1]。但是文献 [6] 中在利用 EMD 将信号唯一地分解为一组 IMFs后，再对每个 IMF进行阈值处理，此