[发明专利]基于频率分解的心电信号降噪方法

说明书

本发明提供了一种基于频率分解的心电信号降噪方法。基于频率分解的心电信号降噪方法包括以下步骤：S1、原始心电数据的采集与预处理，获取原始心电信号；S2、对原始心电信号进行多元变分模态分解，获取高频心电信号分量和低频心电信号分量；S3、对高频心电信号分量进行DWT运算，获取高频降噪信号；S4、对低频心电信号分量进行NML运算，获取低频降噪信号；S5、对高频降噪信号和低频降噪信号进行信号重构，获取降噪处理后的心电信号。本发明基于频率分解的心电信号降噪方法，通过联合DWT和NLM两种方法来对心电数据进行高频和低频信号的有效去噪，更好的保留心电的完整特征，以便后续心电分析能够更好准确的进行判别和研究。

技术领域

本发明涉及一种基于频率分解的心电信号降噪方法，属于医疗设备技术领域。

背景技术

心电图(Electrocardiogram,ECG)信号在心律失常的分类中起着至关重要的作用。心电图形态包含有重要的临床信息，可作为分类各种心律失常的特征。然而，心电信号在采集和记录过程中经常受到各种噪声的污染。影响心电信号的显著噪声有电力线干扰、高斯白噪声、肌电信号噪声、基线漂移、运动伪影等。近年来，远程心电监护逐渐成为分析患者心脏状况的重要手段。在动态记录和无线传感过程中，加性高斯白噪声严重畸变心电形态。因此，对心电信号进行去噪是非常必要的。

目前最先进的心电去噪方法大多基于小波域滤波和经验模式分解(EmpiricalMode Decomposition,EMD)方法。在生物医学信号处理领域，盲源分离(Blind SourceSeparation,BSS)技术也被有效地用于从记录过程中添加的无用成分中分离出需要的信号。

变分模态分解(Variational Mode Decomposition,VMD)是近年来提出的一种有效的信号分解方法。VMD将输入信号以非递归方式分解为多个窄带变模函数的集合。在分解过程中，还计算了各模态的中心频率。模式复制过程在本质上具有噪声鲁棒性。分解后的变分模态函数(Variational Mode Functions,VMF)为输入信号中出现的不同频率区域提供了清晰的见解。因此，窄带VMF可以作为原始噪声心电信号的各种低、高频子带的表征。

然而，目前的心电信号去噪方法不能从心电信号的整个频率范围去噪，这些滤波技术在强噪声影响下不能同时降噪高低频噪声分量。例如，对低频离散小波变换(DiscreteWavelet Transform,DWT)近似系数进行阈值处理通常会导致重要的形态内容的丢失。进一步说，大分解级别用于访问非常低频率的组件。而对DWT域的高频噪声分量进行去噪是非常有效的。另外，由于存在较大的非局部相似点，NLM可以有效地从ECG的低频区域去除噪声。相反，由于高频QRS-complex区域的振幅突变，NLM存在rare-patch效应。因此，NLM在高频QRS-complex区域去噪时是无效的。

有鉴于此，确有必要提出一种心电信号降噪方法，以解决上述问题。

发明内容

本发明的目的在于提供一种基于频率分解的心电信号降噪方法，通过对原始心电信号按照高低频率进行分解，并联合DWT和NLM两种去噪方法分别对高频和低频信号分量进行去噪，可在对心电信号进行去噪的同时，更好的保留心电的完整特征，以便后续心电分析能够更好准确的进行判别和研究。

为实现上述发明目的，本发明提供了一种基于频率分解的心电信号降噪方法，其特征在于，包括以下步骤：S1、原始心电数据的采集与预处理，获取原始心电信号；S2、对所述原始心电信号进行多元变分模态分解，获取高频心电信号分量和低频心电信号分量；S3、对所述高频心电信号分量进行DWT运算，获取高频降噪信号；S4、对所述低频心电信号分量进行NML运算，获取低频降噪信号；S5、对所述高频降噪信号和所述低频降噪信号进行信号重构，获取降噪处理后的心电信号。

作为本发明的进一步改进，所述步骤S1具体包括：通过心电传感器采集受试者的原始心电数据，并对所述原始心电数据进行放大、拟合处理，获取原始心电信号。