基于小波变换的心电信号去噪技术的研究.docVIP

文章题目 基于小波变换的心电信号去噪研究 创 新 点 自 述 在分析传统心电信号去噪方法的基础上，实现了一种新的阈值估计算法并进行了仿真实验。 对于心电信号，在小波分解层数的确定采用一种自适应的判别分解层数的方法。 文章编号： 基于研究 实现，，；Denoising Research of ECG Signal Based on Wavelet Transform Liu Tianfu, Liu Zhongbao, Wang Lei, Liang Hong, Li Jin (Biomedical Institution, College of Automation, Harbin Engineering University, Harbin 150001, China) Abstract：By exploiting wavelet transform to analyze signals both in time and frequency domain, this paper analyzes the noise characteristics and noise frequency distribution of the ECG signal. At the same time, this paper analysis many unfavorable conditions of traditional denoising method in ECG signal denoising process. The most suitable wavelet base for ECG signal denoising comes from a large number of simulation experiments. On the basis of that, a method of thresholding estimation is used. Thus, this method realized the ECG signal wavelet decomposition and reconstruction. And the reconstructed signal is more close to the original signal. Keywords: wavelet transform, ECG signal, threshold estimation 0引言 随着计算机科学技术与生命科学技术的共同发展，快速、准确和高效的去除信号中的噪声从而获得有用的信号已经成为信号处理技术的发展趋势，人们对心电信号处理的研究也逐步深入。从信号的时域分析到频域分析，对信号进行线性处理、统计处理、神经网络、专家系统和小波变换，这些方法使得人们对心电信号的研究有了更新的进展。但随着时间的推移人们又不断提出改进的算法。目前信号的识别与分析处理成为计算机在生物医学领域里的重点研究课题[1]。 由于传统的信号处理算法对于生物信号特别是心电信号的处理很难满足分析的要求，本文利用小波变换实现了尺度与频率的相对应，把时域特性与频域特性放在一起观察。小波变换是一种时频分析方法，在低频部分具有较高的频率分辨率和较低的时间分辨率，在高频部分具有较高的时间分辨率和较低的频率分辨率，这样可以将信号的细节信息进行放大处理，适用于瞬时信号的分析。本文利用阈值估计改进算法通过MATLAB进行模拟仿真，仿真结果表明该方法达到了很好的去噪效果。 1 小波变换理论以及去噪原理 小波变换是将时间信号展开为小波函数族的线性叠加，小波变换的核函数是小波函数，它在时间和频率域内都是局部化的。所以，小波变换可对信号同时在时－频域内进行联合分析。在去噪方面，小波变换由于能同时在时－频域中对信号进行分析，具有多分辨分析的功能，所以在不同的分解层上有效的区分信号的突变部分和噪声，从而实现信号的消噪。在实际工程应用中，通常所分析的信号具有非线性、非平稳并且奇异点较多的特点。设观测信号： (1) 其中，为真实信号，为含噪信号，为噪声，为噪声标准偏差[2]。 利用小波对含噪的原始信号分解后，含噪部分主要集中在高频小波系数中，并且，包含有用信号的小波系数幅值较大，但数目少；而噪声对应的小波系数幅值小，数目较多。有用信号通常表现为相对比较平稳或是低频信号。而噪声信号通常表现为高频信号。基于上述特点，可以应用门限阈值法对小波系数进行处理。（即对较小的小波系数置为0，较大的保留或削弱），然后对信号重构即可达到消噪的目的。下图为小波分解示意图[3]： 图1 小波分解的结构示意图 对一个给定信号进行小波