[发明专利]基于EEMD的小波熵阈值的心电信号去噪方法

说明书

本发明提供了一种基于EEMD的小波熵阈值的心电信号去噪方法，包括：步骤A，选取添加的噪声次数M和添加的白噪声序列赋值系数k，对包含噪声的心电信号进行EEMD分解，得到一系列频率从高到低的固有模态函数IMF分量；步骤B，对每一个IMF分量进行小波分解，计算小波熵阈值，对每个IMF分量进行小波熵阈值去噪；步骤C，将小波熵阈值去噪后的IMF分量进行重构，得到去除噪声后的心电信号。本发明可以有效区分原始信号和噪声，在去除噪声的同时能较好的保留有用信号。

技术领域

本发明涉及生物医学信号噪声处理技术领域，具体涉及一种基于EEMD的小波熵阈值的心电信号去噪方法。

背景技术

心电信号(ECG)是心脏电活动在体表的综合表现，是心血管疾病诊断的重要依据。心电信号是强噪声的非平稳小信号，在测量时不可避免地存在一些强干扰。如何有效排除各种噪声，准确提取出有用的心电信号波形，是临床心脏病智能诊断的重要基础。一个正常的心电图波形由P波、QRS波群和T波等组成，心电信号噪声主要有50Hz/60Hz及其谐波组成的工频干扰、5～2kHz的肌电干扰以及频率小于0.5Hz的基线漂移等。传统方法主要有形态学滤波法、自适应去噪方法、模板法等，近年来，EEMD分解法、基于小波理论的小波阈值法、小波熵阈值去噪法以及相关方法的结合等被广泛关注。EEMD分解法是在EMD的基础上进行改进，对信号自适应的从高频到低频分解为固有模态函数。通过加入白噪声改善信号的极值点分布，从而改善EMD的模式混叠现象；根据噪声一般分布的频段，直接舍弃某些高频分量和低频分量，在去掉噪声的同时也会去掉一部分原始信号。小波变换是一种信号的时间-频率分析方法，具有多分辨率的特征，去除心电噪声效果显著。但是小波基函数的选取选择依赖经验和尝试，并且在计算噪声方差时，通常将最高频的小波系数看作噪声，求取其作为噪声方差，具有一定误差。

发明内容

本发明的目的是结合EEMD算法与小波阈值算法的优势，并在改进小波熵阈值的基础上，提出了一种基于EEMD的小波熵阈值的心电信号去噪方法。该方法能够自适应的选取小波熵阈值，在保护有效信号的同时，有效去除三种噪声。

本发明基于EEMD的小波熵阈值的心电去噪方法包括：步骤A，选取添加的噪声次数M和添加的白噪声序列赋值系数k，对包含噪声的心电信号进行EEMD分解，得到一系列频率从高到低的固有模态函数IMF分量；步骤B，对每个IMF分量进行小波分解，计算小波熵阈值，对该IMF分量进行小波熵阈值去噪；步骤C，将小波熵阈值去噪后的IMF分量进行重构，得到去除噪声后的心电信号。

优选地，本发明基于EEMD的小波熵阈值的心电信号去噪方法中，步骤B中对每个IMF分量进行小波分解，计算小波熵阈值包括：

子步骤B1，对IMF分量中前六个IMF分量进行小波分解，小波函数选取Bior3.7小波，对剩余的IMF分量采用sym8小波进行小波分解，小波分解层数为8层；

子步骤B2，对每个IMF分解后的相邻尺度的低频近似系数置零，对高频小波系数进行相似性计算，确定有效信号的位置并将有效信号置零；

子步骤B3，设j为分解尺度，W_j，k为j尺度下第k个小波系数；设尺度j的小波能量为E_j，第j层小波系数的信号能量在总能量中存在的概率为p_j；确定有效信号的位置，对置零后的小波系数分成4个区域，计算小波熵S；

子步骤B4，选择小波熵最大的区域的小波系数估计噪声系数σ。

优选地，本发明基于EEMD的小波熵阈值的心电信号去噪方法中，子步骤B3中，依照下式计算小波熵S：

其中，N为采样长度