心电信号去噪最佳分解尺度确定方法、系统、设备及介质技术方案

本发明专利技术公开一种心电信号去噪最佳分解尺度确定方法、系统、设备及介质，涉及小波阈值去噪领域，方法包括获取心电信号并对小波阈值去噪算法进行初始化，得到初始化后的小波阈值去噪算法；利用所述初始化后的小波阈值去噪算法对心电信号进行去噪，计算重构信号不同分解尺度的均方根误差和平滑度；分别利用信息熵权法和变异系数法确定指标的权重；根据所述指标的权重对所述均方根误差和所述平滑度进行组合赋值，得到复合评价指标值；根据所述复合评价指标值确定心电信号小波阈值去噪算法的最佳分解尺度。本发明专利技术能实现心电信号小波分解过程中最佳分解尺度的选取，减少小波分解过程中最佳分解尺度选取存在的可靠性及准确性低的问题。题。题。

【技术实现步骤摘要】
心电信号去噪最佳分解尺度确定方法、系统、设备及介质


[0001]本专利技术涉及小波阈值去噪领域，特别是涉及一种心电信号去噪最佳分解尺度确定方法、系统、设备及介质。

技术介绍

[0002]心电图(Electrocardiogram,ECG)是一种临床上常用的诊断工具，它可以记录心脏的电活动，具有高效性、无创性、低成本等优势，常被广泛应用于心律失常的检测和分类、心肌缺血、心肌梗死等心血管疾病的诊断。通过心电图可以实现所有心血管疾病的检测，同时为诊断心脏健康状况提供可靠的指导依据。在临床应用中，准确提取心电信号特征参数是利用心电图进行心血管疾病有效诊断和治疗的关键。心电信号的质量优劣直接关乎到心电图的精准判读，进而影响医护人员对病情的准确高效诊断。然而，心电信号本质上非常敏感和微弱，在采集、转换和处理时极易遭受体内或外界多种噪声的影响。这些干扰严重破坏了后续心电波形特征点的提取和识别，以及心电信号中的有价值信息，导致医护人员对心电图的准确判读产生误差，对患者病情的分析诊断非常不利。因此，如何精准且高效去除心电信号中的噪声干扰，对于提高心电图在诊断心血管疾病中的准确性和可靠性具有重要意义。
[0003]目前，国内外众多研究人员为了最大程度降低和抑制心电信号中的噪声影响而展开了一系列的深入研究和实验，并提出了大量噪声去除方法。常见的噪声去除方法主要有：经验模态分解(EmpiricalMode Decomposition,EMD)、自适应滤波、深度学习、小波变换(Wavelet Transform,WT)等现代滤波方法。
[0004]上述方法虽能有效抑制心电信号中夹杂的噪声干扰，但在心电信号去噪方面各有优缺点。如：经验模态分解在分解心电信号时会出现模态混叠、端点效应，从而影响去噪效果。基于深度学习的去噪方法需要训练阶段，而自适应滤波方法需要提供额外的参考信号，这不利于实时应用。改进的EMD去噪算法多存在分解完目标信号后IMF分量计算量非常大等问题。相比之下，小波变换具有良好的在时域和频域同时表征局部特征的能力，同时具有多分辨率分析和固定形状可变的窗口。而小波阈值去噪算法是基于小波变换理论在信号去噪方面最常用的方法之一，该算法去噪原理简单、计算量较小，广泛应用于心电信号等非平稳信号的去噪处理。
[0005]近年来，许多学者将小波阈值去噪算法应用于心电信号去噪，并成功地降低了心电信号中常见噪声的污染，提升了去噪效果。然而，心电信号去噪效果的优劣取决于对小波阈值去噪参数的合理选择。其中，分解尺度的选取对心电信号小波阈值去噪效果具有显著的影响。随着分解尺度的增大，心电信号中的噪声和信号所具有的不同特征更加明显，有助于它们之间的分离，但如果分解尺度过大，重构后的信号失真程度也会随之增加，从而影响去噪效果。因此，在应用中如何有效平衡二者之间的矛盾，选择最佳的分解尺度以提升去噪效果，是心电信号小波去噪面临的关键挑战之一。
[0006]针对心电信号小波去噪中分解尺度选取问题，许多学者依据经验、直接给定参数
或根据最终单一传统评价指标的评价结果来确定最佳的分解尺度。Wang等人依据经验选取6分解尺度作为最佳参数，通过动态调整各层小波系数来实现心电信号小波去噪。Dai等人依据单一评价指标的评价结果确定分解尺度为3时的心电信号降噪效果取得最佳。
[0007]基于信号在真值未知情况下，采用经验或传统单一评价指标选取最佳分解尺度存在准确率不高、难以识别等问题，因此很多学者相继探寻新的方法来指导小波分解，从而确定小波去噪过程中的最佳分解等尺度选取。李宗春等人通过归一化去噪信号的均方根误差变化量、信噪比、相关系数及平滑度指标，并相加得到一个总体评价指标，该指标最大值对应的分解尺度即为最佳分解尺度。朱建军等人将去噪信号的均方根误差及平滑度分别归一化处理，并通过变异系数法将二者组合，进而指导小波去噪相关参数的选取。王旭等人通过熵权法将归一化后的均方根误差及平滑度变化量进行加权组合，并利用新的复合评价指标的收敛特性进行最佳分解尺度的判定。谢政宇等人使用改进熵权法对均方根误差及平滑度变化率进行加权构建一种新的复合评价指标，该指标最小值点对应的分解尺度即为步态加速度信号去噪的最佳分解尺度。
[0008]上述方法虽然实现了心电信号小波阈值去噪中最佳分解尺度的选取，使得最终的去噪效果取得了相当大的提升，但是针对小波去噪过程中最佳分解尺度的选取，基于经验、直接给定参数以及依据传统单一评价指标评价结果的选取方法存在一定的局限性。
[0009]不同的信号有着不同的最佳去噪参数，不能仅仅依靠经验选择去噪参数。
[0010]现实应用中，对小波去噪效果的评价一般只涉及到原始心电信号与去噪后的心电信号之间的信噪比(SignaltoNoiseRatio,SNR)、均方根误差(Root MeanSquareError,RMSE)甚至只涉及到RMSE。实际中的信号真值一般都是未知的，传统的单一评价指标往往不能准确判断小波去噪效果，存在很大的局限性，当期望信号未知时，不可避免地会产生估计误差。
[0011]在信号真值未知情况下，基于改进的评价指标用于最佳分解尺度的选取方法取得了较好效果，但仍存在一些问题有待解决，如评价指标相对单一，信息利用不足，导致最终判定结果的准确性差。
[0012]上述方法在简易程度、准确率上存在不同程度缺陷。
[0013]构建新的评价方法用于最佳分解尺度的选取时未考虑传统评价指标的相关性，对传统评价指标直接赋予相同的权值以构建复合评价指标不合适。
[0014]因此，心电信号小波阈值去噪的分解尺度等参数的最佳选取成为近年来相关领域的研究热点之一。
[0015]现有的基于经验、直接给定参数等方法选取最佳分解尺度时缺乏可靠的理论指导，无法保证小波去噪效果取得最优。同时信号在真值未知的情况下传统的单一评价指标存在无法进行最佳分解尺度选取的局限性。其他缺点为：现有的方法存在评价指标相对单一，信息利用不足以及在简易程度、准确率上存在不同程度缺陷，导致最终判定结果的准确性差。

技术实现思路

[0016]本专利技术的目的是提供一种心电信号去噪最佳分解尺度确定方法、系统、设备及介质，可实现心电信号小波分解过程中最佳分解尺度的选取，减少小波分解过程中最佳分解
尺度选取存在的可靠性及准确性低的问题。
[0017]为实现上述目的，本专利技术提供了如下方案：
[0018]一种心电信号去噪最佳分解尺度确定方法，包括：
[0019]获取心电信号并对小波阈值去噪算法进行初始化，得到初始化后的小波阈值去噪算法；所述初始化包括选取小波基函数、阈值函数和阈值估计方法并设定多个分解尺度；
[0020]利用所述初始化后的小波阈值去噪算法对心电信号进行去噪，计算重构信号不同分解尺度的均方根误差和平滑度；
[0021]分别利用信息熵权法和变异系数法确定指标的权重；所述指标包括均方根误差和平滑度；所述权重包括所述均方根误差信息熵权重、平滑度信息熵权重、均方根误差变异系数权重和平滑度变异系本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种心电信号去噪最佳分解尺度确定方法，其特征在于，包括：获取心电信号并对小波阈值去噪算法进行初始化，得到初始化后的小波阈值去噪算法；所述初始化包括选取小波基函数、阈值函数和阈值估计方法并设定多个分解尺度；利用所述初始化后的小波阈值去噪算法对心电信号进行去噪，计算重构信号不同分解尺度的均方根误差和平滑度；分别利用信息熵权法和变异系数法确定指标的权重；所述指标包括均方根误差和平滑度；所述权重包括所述均方根误差信息熵权重、平滑度信息熵权重、均方根误差变异系数权重和平滑度变异系数权重；根据所述指标的权重对所述均方根误差和所述平滑度进行组合赋值，得到复合评价指标值；根据所述复合评价指标值确定心电信号小波阈值去噪算法的最佳分解尺度。2.根据权利要求1所述的心电信号去噪最佳分解尺度确定方法，其特征在于，利用所述初始化后的小波阈值去噪算法对心电信号进行去噪，计算重构信号不同分解尺度的均方根误差和平滑度，具体包括：根据所述初始化后的小波阈值去噪算法对心电信号进行小波变换，得到不同分解尺度下的细节系数和近似系数；对所述不同分解尺度下的细节系数进行量化处理，得到量化后的细节系数；根据所述量化后的细节系数和不同分解尺度下的近似系数进行小波反变换，得到重构信号；根据所述重构信号计算重构信号不同分解尺度的均方根误差和平滑度。3.根据权利要求2所述的心电信号去噪最佳分解尺度确定方法，其特征在于，在根据所述重构信号计算重构信号不同分解尺度的均方根误差和平滑度之后，还包括：对所述不同分解尺度的均方根误差和平滑度进行归一化处理。4.根据权利要求1所述的心电信号去噪最佳分解尺度确定方法，其特征在于，分别利用信息熵权法和变异系数法确定指标的权重，具体包括：分别利用信息熵权法确定所述均方根误差信息熵权重和平滑度信息熵权重；分别利用变异系数法确定所述均方根误差变异系数权重和所述平滑度变异系数权重。5.根据权利要求1所述的心电信号去噪最佳分解尺度确定方法，其特征在于，根据所述指标的权重对所述均方根误差和所述平滑度进行组合赋值，得到复合评价指标值，具体包括：将所述均方根误差信息熵权重和所述均方根误差变异系数权重进行融合，得到均方根误差权值；将所述平滑度信息熵权重和所述平滑度变异系数权重进行融合，得到平滑度权值；根...

【专利技术属性】
技术研发人员：徐鹏，易军，万龙，姚引娣，董晓帅，王佳乘，周琪，段小栋，成启龙，赵亚芳，申娜，李科，朱士程，
申请(专利权)人：西安邮电大学，
类型：发明
国别省市：