[发明专利]一种用于心电信号分析的小波去噪方法

说明书

本发明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。

技术领域

本发明涉及去噪技术领域，尤其涉及一种用于心电信号分析的小波去噪方法。

背景技术

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。

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。

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。

发明内容

本发明提供了本发明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。

具体而言本发明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：

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。

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p(1),p(2),…,p(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。