心电去噪方法研究.ppt

仿真结果：图（2）小波系数图（3）波形对比经验模态分解(Empiricalmodedecomposition，EMD)是Huang在1998年提出的一种用于非线性和非平稳时间序列信号的处理方法，它将复杂(包括平稳与非平稳，周期与非周期)数据分解成为适宜于Hilbert变换的本征模函数(Intrinsicmodefunction，IMF)，IMF有2个特点：一是在整个信号长度上极大值点数与极小值点数和过零点数相等或相差为1；二是在任意一点，由包络线定义的极大值与极小值的均值为零。EMD的实质是对一个时间序列信号进行平稳化处理，其结果是将信号中不同尺度的波动或趋势逐级分解开来，产生一系列具有不同特征尺度的数据序列，每一个序列称为IMF分量。经验模态分解的基本原理：经验模态分析去噪经验模态分析去噪EMD分解的具体步骤：（1）确定数据集的局部极大值集和极小值集。（2）然后分别根据和作三次样条插值确定原始数据集的上下包络线。（3）根据上下包络，求出原始数据的局部均值，原始信号与局部极值的差值记为：经验模态分析去噪（4）以代替，重复以上三步，直到连续两次筛选结果的标准差：小于指定的标准（一般为0.2至0.3之间）时，即可认为符合IFM分量的要求，为一IFM分量，则记作：（5）重复以上四步，直到或比预定值小；或剩余项??变成单调函数时，原始信号的EMD分解结束。最后得到经验模态分析去噪经验模态去噪步骤：首先，利用EMD对原始信号进行分解，得到不同尺度的IMF分量和剩余信号。然后，对各尺度上的IMF分量进行类似于小波去噪的阈值处理。最后，信号重构。即：阈值处理后的各尺度上的IMF分量以及剩余信号进行线型相加。对心电信号3阶分解，筛选IMF分量的标准差设为0.3。利用启发式阈值(Heursure阈值)确定各IMF分量的阈值，且利用软阈值量化。阈值后的各IMF分量与剩余信号进行重构。EMD分解的IMF分量和剩余信号如图（5）所示，去噪后信号与原始信号的比较如图（6）去噪方案的选择：经验模态分析去噪仿真结果：图（5）IMF分量和剩余信号图（6）波型对比心电去噪方法研究主要内容引言传统去噪小波分析去噪经验模态分析去噪比较总结心电信号（ECG）是典型的强噪声的非平稳的弱信号。在心电信号分析系统中，影响心电自动分析结果可靠性的因素很多，其中一个重要原因就是心电信号中存在各种干扰，如随机噪声、基线漂移、肌电干扰以及50Hz或60Hz的工频干扰。由于这些干扰与心电信号混叠杂，引起心电信号畸变，使整个心电信号波形模糊不清，对心电各波段的识别造成影响，从而影响自动诊断结果。因此,选择合适的消噪方法对心电的检查有着重要的意义。1下面分别介绍传统去噪、小波分析去噪以及经验模态分析（EMD）去噪方法的基本理论，同时分别对取至MIT-BIH数据库的100.dat数据进行仿真实验，并且进行去噪效果比较。2引言传统的去噪主要是基于傅立叶变换的时频转换，将不同频谱的信号与噪声区分开，然后设计数字滤波器将噪声滤除。根据数字滤波器冲激响应的时域特征，可将数字滤波器分为无限长冲激响应滤波器(IIRDF)和有限长冲激响应滤波器(FIRDF)。FIRDF有其独特的优点：系统总是稳定的、易于实现线性相位、允许设计多通带(或多阻带)滤波器。因此，FIRDF在数字信号处理中得到广泛的应用。但与IIRDF相比，在满足同样的阻带衰减的情况下需要较高的阶数。我们我们主要介绍FIR滤波器的设计。传统去噪的基本原理目前FIR滤波器的设计方法主要有三种，分别是窗函数法、常用的频率取样法和切比雪夫等波纹逼近优化设计法。有限冲击响应(FIR)数字滤波器的转移函数为:FIR滤波器设计的任务：是选择有限长度的，使传输函数满足一定的幅度特性和线性相位要求。传统去