【技术实现步骤摘要】
一种改进经验模态分解排列熵的心磁信号去噪方法
[0001]本专利技术涉及生物医学工程心磁信号去噪处理
,具体涉及一种基于改进CEEMDAN排列熵的心磁分解去噪方法。
技术介绍
[0002]心脏病与癌症、脑血管疾病齐名,是危害人体的主要疾病,目前,主要使用心电图(electrocardiogram,ECG)来检测分析心电活动。但是心电图无法以空间的形式掌握心脏活动。随着磁传感器件的发展,具有高灵敏度的超导量子干涉仪(superconductive quantum interference device,SQUID)磁传感器被应用于心脏磁场信号的检测。心磁图(magnetocardiogram,MCG)信号的测量是在三维空间进行的,相较于ECG可以反映心脏活动的空间信息,得到更多的数据信息,同时具有更高的分辨率,从而实现更精确的诊断。
[0003]心磁信号属于典型的非平稳性、非线性信号,采集过程中受到较强的背景噪声干扰。为了减弱噪声,超导量子干涉仪在磁屏蔽室进行数据采集,通过这种硬件方法可以屏蔽大部分噪声干扰。但是仍然会存在来自测量仪器和环境的宽频带白噪声干扰,因此可行的软件滤波方案来消除噪声的影响具有非常重要的现实意义。
[0004]小波变换是处理非平稳信号的常见方法,但是目前没有针对MCG特性的小波基函数,寻找合适的小波基函数较为复杂。经验模态分解(empirical mode decomposition,简称EMD)能够依据数据本身的时间尺度特征来进行模态分解,分解的过程保留了数据本身的特性。 ...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.一种改进经验模态分解排列熵的心磁信号去噪方法,其特征在于,包括如下步骤:(1)将心磁信号进行改进的CEEMDAN,得到系列从高频到低频的固有模态分量IMF;(2)计算各IMF排列熵,用排列熵定量检测保留含心磁信号特征的有效IMF分量;(3)根据排列熵,确定噪声的IMF分量与包含心磁信号特征的有效IMF分量;(4)对噪声IMF分量利用加窗函数作处理,去除噪声量,保留有效量。2.根据权利要求1所述的基于改进CEEMDAN排列熵的心磁分解去噪方法,其特征在于:步骤(1)中,所述将心磁信号进行改进的CEEMDAN,得到系列从高频到低频的IMF,具体包括如下步骤:(11)先将离散心磁信序列进行峰值归一化在x(n)中加入经验模态分解后的高斯白噪声,对应的信号表示为:x
(i)
(n)=x(n)+ε0E1(ω
(i)
(n))式中,x
o
(n)为原始离散心磁信号序列,n=1,2,
…
为采样量;x
max
为心磁信号的峰值;x(n)为峰值归一化后的离散心磁信号序列;w
(i)
(n)为加入的第i组高斯白噪声,i=1,
…
,I表示总共添加了I组高斯白噪声;E1(ω
(i)
(n))为经过EMD方法分解高斯白噪声w
(i)
(n)产生的第一个模态分量;ε0为加入噪声分量时所乘的系数,该系数代表的是加入噪声的信噪比与该噪声分量标准差之比;(12)计算每个阶段的残余分量:r
k
=<M(r
k
‑1+ε
k
‑1E
k
(ω
(i)
(n)))>;其中,r
k
为第k个残余分量,r
k
‑1为第k
‑
1个残余分量,<>为对该符号内的分量求平均,M()为求括号内分量的局部均值,ε
k
‑1为加入噪声分量时所乘的系数,E
k
(ω
(i)
(n))为经过EMD方法分解高斯白噪声w
(i)
(n)产生的第k个模态分量,w
(i)
(n)为加入的第i组高斯白噪声;(13)每个阶段的固有模态分量:IMF
k
=r
k
‑1‑
r
k
;其中,r
k
技术研发人员:陈波,沈道贤,孙辉,肖洒,庄远,江斌,朱众望,
申请(专利权)人:合肥工业大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。