[发明专利]一种基于新阈值函数小波变换的心电信号去噪算法

说明书

本发明属于计算机算法技术领域，具体地说，是一种基于新阈值函数小波变换的心电信号去噪算法，适用于去除三种常见的心电信号噪声，在原始心电信号上加入模拟噪声信号形成现实中被噪声污染的心电信号，之后，选取小波基对含噪信号进行分解处理，通过多层小波分解将心电信号中含有的基线漂移和工频干扰、肌电干扰分解到不同尺度，用平滑滤波法处理基线漂移生成的小波系数，用新的阈值函数处理由工频干扰和肌电干扰生成的小波系数，最后重构得到不含噪声的心电信号。本发明经验证能有效的克服软、硬阈值的缺点，得到完整且平滑的去噪波形。

技术领域

本发明属于计算机算法技术领域，具体地说，是一种基于新阈值函数小波变换的心电信号去噪算法，适用于去除三种常见的心电信号噪声。

技术背景

生物信号体现人体的生命信息，在临床医学上医生通常通过观测生物信号来判断病人的身体状况。临床上常见的生物信号主要有：心电、脑电、肌电、胃电、视网膜电等。其中更易检测且更具规律性的心电信号是临床最常用的检查之一，应用广泛，而心电图(ECG)是记录心电信号图形的技术。通过心电图我们可以记录人体正常心脏的电活动、帮助诊断心律失常、帮助诊断心肌缺血、心肌梗死及部位、诊断心脏扩大和肥厚、判断药物或电解质情况对心脏的影响和判断人工心脏起搏状况。在实际应用中，心电信号通常受到基线漂移、工频干扰和肌电干扰三种噪声的影响而变得失真、模糊。为了能够得到详细准确的心电信号，对它进行去噪处理十分必要。

信号处理方面，傅里叶分析法应用广泛，但傅里叶变换反映的是信号的总体平均信息，无法反映信号在时域上的突变时刻，不能有效的分析非平稳时变信号。传统的数字滤波法去噪主要是基于傅立叶变换的时频转换，将不同频谱的信号与噪声区分开，然后设计数字滤波器将噪声滤除。因此传统的数字滤波法对于信号与噪声混叠的心电信号消嗓效果不佳，对混叠在心电频域内的基线漂移、肌电干扰以及工频干扰显得无能为力。

中位值滤波法能有效克服偶然因素引起的波动或采样不稳定引起的误码等脉冲干扰，但由于其基本原理是是把心电信号中某一点的值，用该点一个邻域内各点值的中值点代替，从而消除孤立的噪声点，在应用于心电信号去噪的过程中容易去除心电信号的奇异点，对心电信号波形的ST段造成破坏。

平滑滤波算法简单，容易实现，其基本原理为：白噪声的统计平均值为零，而心电信号中含有的随机噪声多数可以近似的看成白噪声，因此可以用求平均值的方法消除这些噪声。该方法容易对心电信号的R波造成破坏。

小波变换阈值法近年来被广泛运用于心电信号去噪，它计算速度快，对于心电信号具有良好的去噪效果，常用的阈值函数为硬阈值函数和软阈值函数。但经硬阈值函数处理过的小波系数，在重构后信号会产生伪吉布斯现象,出现较大的均方差和振荡；经过软阈值函数处理的小波系数会将原信号的一些高频的信号滤除，导致重构后的信号有较大的均方误差(MSE)值和边缘模糊现象。

发明内容

本发明针对现有的心电信号去噪算法存在的弊端，提出了一种新的解决方法，即基于新阈值函数小波变换的心电信号去噪算法，构造一种介于硬阈值和软阈值之间的新阈值函数结合小波变换算法用于心电信号去噪。

该算法步骤如下：

步骤1：读取MIT-BIH心率失常数据库中的原始心电信号，加入模拟噪声，形成含噪心电信号。

步骤2：确定小波分解的尺度。去除基线漂移时进行8尺度分解；去除肌电干扰和工频干扰时进行3尺度分解。

步骤3：对不同的噪声选择不同的小波函数。利用sym4小波函数作为小波基去除基线漂移；利用coif4小波函数作为小波基，去除肌电干扰和工频干扰。

步骤4；选择合适的阈值。采用修正的指数取阈值法来选取阈值。

步骤5：构造新的阈值函数，尽可能保留有用信号，并避免伪吉布斯现象的产生。