[发明专利]基于RFDA小波阈值的心电信号去噪算法

说明书

本发明公开了一种基于RFDA小波阈值的心电信号去噪算法，属于心电信号预处理技术领域。本发明为了解决传统的小波阈值去噪算法在处理心电信号时存在正交镜像滤波器没有理想截止特性的缺点，会导致心电信号分解得到的高频细节分量产生频域混叠现象，即混入我们不需要的其它频率成分，影响最终去噪效果的问题。本发明通过傅里叶正、逆变换在频率领域内去除高频细节分量中多余的频率成分。由于Stein无偏风险估计算法可以评估出阈值的风险大小，这样去除掉多余的频率成分的高频细节分量再经Stein无偏风险估计算法可以获得与传统算法相比更真实的阈值，进而利用硬阈值去噪函数处理得到更好去噪效果的心电信号。

技术领域

本发明涉及心电信号识别领域，特别是涉及基于深度堆栈网络的心电信号识别方法。

背景技术

ECG信号是心脏活动过程中心脏的肌肉和神经电活动的综合属于直接信号(又称为主动信号)，它的信源是心脏。因此体表的心电信号与心脏功能有着密切的联系，心电信号能够直接反应心脏功能是否正常。心电图能提供心脏活动的信息，对各种心律失常的分析诊断具有极为重要的意义。心电信息是患者重要的临床资料，临床诊断需要医生具备高度的信息综合处理能力。心电信号滤波是心电自动分析的基础，它的效果关系到波形检测和分类结果的准确性。通常采集到的心电信号都比较微弱，一般为mV级,极易受到环境的干扰，比如病人的移动、肌电干扰、工频干扰等。为了提高波形检测和分类的准确率，可以去除心电信号中的干扰信号,保留有用的信号。

发明内容

为了解决上述问题，本发明提供了一种基于RFDA小波阈值的心电信号去噪算法，包括如下步骤：

步骤S1、选择合适的小波基函数，对心电信号进行指定层数的小波分解，得到对应层的的高频细节分量和和低频近似分量；

步骤S2、去除高频细节分量的频域混叠现象；

步骤S3、对高频细节分量进行的阀值估计；

步骤S4、通过硬阈值函数和所获阈值对心电进行去噪；

步骤S5、对处理后的高频细节分量和低频近似分量重构心电信号。

2、根据权利要求1所述基于RFDA小波阈值的心电信号去噪算法，其特征在于：所述步骤S2所述小波分解方法包括：

步骤S1a、使心电信号和小波高频滤波器和低频滤波器分别进行卷积；

步骤S1b、对卷积后的结果进行隔二采样，得到高频细节分量和和低频近似分量；

步骤S1c、对低频近似分量重复上述步骤，得到下一层频细节分量和和低频近似分量；

3、根据权利要求1所述基于RFDA小波阈值的心电信号去噪算法，其特征在于：所述步骤S2所述去除频域混叠现象方法包括：

步骤S2a、对各层高频细节分量进行傅里叶变换成频域；

步骤S2b、对频域中多余的频率成分置零；

步骤S2c、经处理后的频率进行傅里叶逆变换。

4、根据权利要求1所述基于RFDA小波阈值的心电信号去噪算法，其特征在于：所述阈值估计方法包括：

步骤S3a、把高频细节分量s(i)的每一个元素取绝对值，再由小到大排序，然后将各个元素取平方，从而得到新的信号序列：

f(k)＝(sor(|s|))，(k＝0，1..，N-1)；

步骤S3b、若取阈值为f(k)的第k个元素的平方根，即

则该阈值产生的风险为：