[发明专利]基于变分模态分解的心电信号基线漂移校正方法

说明书

技术领域

本发明涉及生物医学信号噪声处理技术领域，具体的说，是一种基于变分模态分解的心电信号基线漂移校正方法。

背景技术

心电信号是心脏电生理活动在人体体表的表现，提供心脏功能等生理状况的有重要价值的临床医学信息，是临床心脏病智能诊断的基础。

心电图是心脏活动的数据记录，对临床医学的心脏健康诊断有非常重要的作用，然而在人体心电信号数据采集过程中，由于受到设备及人体自身的因素影响，无法避免的受到各种噪声的干扰，其中包括基线漂移、肌电干扰和工频干扰等。其中，基线漂移主要由人体的呼吸运动及采集电极滑动等因素造成，属于缓慢变化的超低频干扰信号。基线漂移干扰会抬高心电图的ST波段，造成心电轨迹的严重失真，从而影响了正常的医学诊断。对心电信号数据进行预处理，消除基线漂移的干扰，在临床医学的心脏健康状况诊断中意义重大。

目前，应用于心电信号消除基线漂移干扰的方法主要有传统的基于傅里叶变换的滤波法，基于小波理论的小波阈值法和基于Hilbert-Huang变换的EMD分解法等，这些方法都可以达到一定的滤波效果，但是也有一些缺陷。傅里叶变换不能反映信号的时频特性，对心电信号这种非线性非平稳的微弱信号的处理能力有限。小波变换的阈值选取是一种比较麻烦的过程，且阈值的选取对信号的影响很大操作复杂，不够简便。EMD和Hilbert变换不但克服了小波变换中阈值选取的困难，还具有良好的分辨率，但是应用经验模态分解方法来去除基线漂移时常受到模态混叠的干扰，且分解重组的心电信号失真比较严重，使得分解结果失去了意义。

发明内容

针对现有技术的不足，本发明的目的是提供一种心电信号去噪方法，该方法能够有效地去除心电信号基线漂移干扰同时保留了心电信号的完整性。

为达到上述目的，本发明表述一种基于变分模态分解的心电信号基线漂移校正方法，具体步骤如下。

步骤（1）：对原始心电信号进行变分模态分解，选取最优分解层数K。对原始心电信号依次进行K=6、7、8、9、10、11、12的变分模态分解，计算每次分解后得到第一层模态分量的平均瞬时频率，将最低值对应的分解层即为最优分解层。X为心电信号，经过K层变分模态分解得到K个模态分量；每个模态分量的频率中心表示为：，在迭代求解过程中不断更新模态分量及其频率中心，更新步骤如下：

（a）初始化、、和n为0；

（b）根据下面两式更新u_k和ω_k，α为惩罚因子（取值2000），λ为拉格朗日乘法算子。

（c）更新λ ，其中τ为噪声因子，τ=0；

（d）如果，则停止迭代，否则换回执行步骤（b），ε表示判断约束条件，ε=0.01。

步骤（2）：将心电信号进行变分模态分解，得到K个模态分量。

步骤（3）：确定基线漂移干扰对应的模态分量。对每一层模态分量进行频域分析，得到每一层模态分量的峰值频率；峰值频率小于1Hz的模态分量被视为基线漂移信号。

步骤（4）：去除小于阈值频率的模态分量，将剩余模态分量重构得到去除基线漂移后的心电信号。

附图说明

图1为本发明基于变分模态分解的心电信号基线漂移校正方法的流程框图。

图2为本发明实施实例中含有基线漂移心电信号时域波形图。

图3为本发明实施实例中对心电信号进行变分模态分解后得到的模态分量图。

图4为本发明实施实例中含有基线漂移心电信号经过变分模态分解之后得到的10个模态分量图。

图5为本发明实施实例中对心电信号进行变分模态分解后的模态分量频谱图。

图6为本发明实施实例中基线漂移信号和原始心电信号时域波形对比图。

图7为本发明实例中基线漂移校正后的心电信号时域波形图。

具体实施方法

下面结合附图和实例对本发明做进一步说明。

用于实施的硬件环境是普通计算机，软件环境是：Matlab R10和Windows 10。我们用MATLAB软件实现了本发明提出的方法。被分析信号来自美国麻省理工学院与Beth Israel医院联合建立的MIT-BIH心电数据库中含有基线漂移信号的203号心电信号。

参照图1，图1是本发明方法基于变分模态分解的心电信号基线漂移校正方法的流程框图，具体实施还需要包括以下步骤。