一种用于心电信号分析的小波去噪方法技术

本发明专利技术提出一种用于心电信号分析的小波去噪方法，包括：对含噪信号进行小波变换处理，获取多级不同尺度的高频小波系数；基于所述高频小波系数的尺度变化以及噪声的实际分布，设定小波阈值；基于所述小波阈值提出阈值函数；通过所述高频小波系数和阈值函数获取估计小波系数；对所述估计小波系数进行小波逆变换，并重构为去噪信号。本发明专利技术从实际信号的噪声特点入手，基于新的阈值函数和阈值选取方式的引入，兼顾了不同类型信号的奇异性和Lipschitz指数不同的情况，相比于软硬阈值函数来说，具有更好的连续性和更小的系数偏差，因此提高了对心电信号的噪声去除效果，从而提高了对心电信号特征波形在临床诊断诊中的准确性。信号特征波形在临床诊断诊中的准确性。信号特征波形在临床诊断诊中的准确性。

【技术实现步骤摘要】
一种用于心电信号分析的小波去噪方法


[0001]本专利技术涉及去噪
，尤其涉及一种用于心电信号分析的小波去噪方法。

技术介绍

[0002]心脏是人体血液循环系统的动力源泉，由心脏引起的相关疾病已经成为危害人类健康的最主要因素。在心脏疾病的诊断中，心电信号(Electrocardiograph，ECG)的采集和处理对于后续的心脏诊断起着关键作用。心电信号是指非平稳的微弱生物电信号，具有非平稳特性且污染噪声分布范围大等特点，在采集过程中极易受到外界噪声和人体表面噪声的干扰，使得采集到的信号特征波形识别困难，从而影响诊断结果。所以，需要对采集到的心电信号进行去噪处理，保证临床诊断的心电信号的特征波形清晰。
[0003]目前用于心电信号去噪的方法有很多，包括傅里叶变换法、数字滤波器法、自适应滤波技术和小波变换法等。傅里叶变换对所处理的信号要求较高，当信号不满足绝对可积的条件时，傅里叶变换将无能为力，同时，傅里叶变换的时频窗口是固定的，这样不利于对信号不同频率成分进行分析。数字滤波器方法的优点是算法复杂度较小、运算速度较快，但其缺点也是很明显，由于噪声成分在心电信号中所占的频带较宽，并且数字滤波器的截止频率都是固定的，对噪声没有适应性，所以该方法不能得到较好的去噪效果。自适应滤波方法对于心电信号的噪声有较大的抑制作用，而且频率具有自适应性，但其需要添加必要的参考信号，导致算法复杂度较高。以上方法大多数是基于频域或者时域进行信号的处理与分析，不能对信号局部特征进行细化单独处理，所以去噪效果不是很理想。小波变换是一种信号的时间－尺度(时间－频率)分析方法，具有多分辨分析的特点；同时，其是一种窗口面积不变，其形状可以改变的时频局部化分析方法，特别适合处理非平稳信号。因此基于小波变换的去噪方式是对心电信号最理想的去噪方法。
[0004]目前常用的小波去噪算法包括模极大值去噪法、相关性去噪法和阈值去噪法，其中小波阈值去噪法因为灵敏度高、抗干扰力强和去噪效果好而应用广泛，但是常用的小波阈值去噪也存在自适应能力差、重构信号可能失真等问题。

技术实现思路

[0005]本专利技术提供了本专利技术提出了通过总体特征相似性计算比对目标零部件与工艺知识库中的典型零部件特征实例化工艺路线，并根据PMI信息与工序模板的关系映射和工艺推理实例化工序内容的工艺设计方法。
[0006]具体而言本专利技术提供了一种用于心电信号分析的小波去噪方法，其特征在于，所述小波去噪方法包括以下步骤：
[0007]步骤S1，对含噪信号进行小波变换处理，获取多级不同尺度的高频小波系数；
[0008]步骤S2，基于所述高频小波系数的尺度变化以及噪声的实际分布，设定小波阈值；
[0009]步骤S3，基于所述小波阈值提出阈值函数；
[0010]步骤S4，通过所述高频小波系数和阈值函数获取估计小波系数；
[0011]步骤S5，对所述估计小波系数进行小波逆变换，重构为去噪信号。
[0012]更进一步地，在步骤S1中，所述含噪信号进行等间隔抽样，得到所述含噪信号的对应的样点序列为x(1),x(2),
…
,x(M)；然后再对所述样点序列进行N级离散小波变换处理，得到N级不同尺度的所述高频小波系数d
j,k
,d
j-1,k
,
…
,d
j-N+1,k
；
[0013]其中，j为尺度阶数，k为位置系数。
[0014]更进一步地，在步骤S2中，所述小波阈值为：
[0015][0016]其中，σ＝Median(|W
1,k
|)/0.6745，为估计噪声的标准方差，Median(|W
1,k
|)指的是第一次小波变换后所述高频小波系数绝对值的中值，0.6745为噪声标准方差的调整系数；N
j
为不同变换尺度下的信号长度。
[0017]更进一步地，在步骤S3中，所述阈值函数为：
[0018][0019]其中，为阈值估计器，α为所述阈值函数y(x)调整因子，x为高频小波系数，λ为选定的阈值。
[0020]更进一步地，在步骤S4中，所述高频小波系数d
j,k
,d
j-1,k
,
…
,d
j-N+1,k
带入所述阈值函数y(x)中，获取所述估计小波系数
[0021]本专利技术的有益效果为：
[0022]本专利技术从实际信号的噪声特点入手，基于新的阈值函数和阈值选取方式的引入，对用于心电信号分析的去噪算法进行了创新，新的去噪算法不仅契合了随着尺度增加小波系数的幅值逐渐减少的特点，兼顾了不同类型信号的奇异性和Lipschitz指数不同的情况，而且新的阈值函数相比于软硬阈值函数来说，具有更好的连续性和更小的系数偏差，保证了重构信号的不失真，因此提高了对心电信号的噪声去除效果，从而提高了对心电信号特征波形在临床诊断诊中的准确性。
[0023]本专利技术能够对待处理的信号进行去噪，提高对心电信号中噪声信号的去除率，有利于对心电信号中的特征波形进行更准确的辨识，最大程度的降低噪声的影响，有助于临床诊断中对心脏健康状况进行监测、诊断和治疗。
附图说明
[0024]图1是本专利技术实施例提供的一种用于心电信号分析的小波去噪方法的流程示意图。
具体实施方式
[0025]下面通过实施例，并结合附图1，对本专利技术的技术方案作进一步具体的说明。
[0026]如附图1所示，本专利技术是一种用于心电信号分析的小波去噪方法，包括以下步骤：
[0027]步骤S1，对含噪信号进行小波变换处理，获取多级不同尺度的高频小波系数；
[0028]步骤S2，基于高频小波系数的尺度变化以及噪声的实际分布，设定小波阈值；
[0029]步骤S3，基于小波阈值提出阈值函数；
[0030]步骤S4，通过高频小波系数和阈值函数获取估计小波系数；
[0031]步骤S5，对估计小波系数进行小波逆变换，重构为去噪信号。
[0032]具体的，在步骤S1中，小波信号是一类衰减较快的波动信号，其能量有限，且相对集中在局部区域。由小波函数ψ(t)经过展缩和平移构成小波函数族ψ
j,k
(t)，由尺度函数经过展缩和平移构成尺度函数族利用小波函数族和尺度函数族，信号的小波展开式可表示为：
[0033][0034]其中，低频小波系数c
j0,k
反映了信号y(t)的低频分量分布情况，高频小波系数d
j,k
反映了信号f(t)的高频分量分布情况。它们都是信号f(t)经过离散小波变换得到的小波变换系数。
[0035]含噪信号的数字模型为s(t)＝f(t)+n(t)，其中s(t)为含噪信号，f(t)为原始信号，n(t)为噪声信号。首先对s(t)进行等间隔抽样，得到信号的对应的样点序列为x(1),x(2),
…
,x(M)；然后再对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于心电信号分析的小波去噪方法，其特征在于，所述小波去噪方法包括以下步骤：步骤S1，对含噪信号进行小波变换处理，获取多级不同尺度的高频小波系数；步骤S2，基于所述高频小波系数的尺度变化以及噪声的实际分布，设定小波阈值；步骤S3，基于所述小波阈值提出阈值函数；步骤S4，通过所述高频小波系数和阈值函数获取估计小波系数；步骤S5，对所述估计小波系数进行小波逆变换，重构为去噪信号。2.根据权利要求1所述小波去噪方法，其特征在于，在步骤S1中，所述含噪信号进行等间隔抽样，得到所述含噪信号的对应的样点序列为x(1)，x(2)，...，x(M)；然后再对所述样点序列进行N级离散小波变换处理，得到N级不同尺度的所述高频小波系数d
j，k
，d
j-1，k
，...，d
j-N+1，k
；其中，j为尺度阶数，k为位置系数。3.根据权利要求...

【专利技术属性】
技术研发人员：宋宇鲲，杜诗强，韩帅鹏，汪杨，倪伟，张多利，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：