经验模式分解(EMD)去除近红外光谱(NIRS)运动伪迹

"应用经验模式分解去除近红外光的运动伪迹 (2014年) - 西安交通大学学报" 本文主要探讨了如何利用经验模式分解（EMD）技术去除近红外光谱（NIRS）信号中的运动伪迹问题。近红外光谱技术在生物医学领域广泛应用，但其对运动非常敏感，运动伪迹会显著影响数据的准确性和后续分析。为解决这一问题，作者魏颖雯和闰相国提出了EMD-MAR方法。 EMD-MAR方法的步骤如下： 1. 首先，计算NIRS信号的移动标准偏差。移动标准偏差是统计分析中的一种方法，用于检测信号中的局部变化，它可以帮助识别运动伪迹可能存在的区域。 2. 其次，根据移动标准偏差的概率分布特性自动选择阈值。这个阈值用于确定运动伪迹的影响范围，确保选择的阈值既能有效识别伪迹，又不会过度剔除正常信号。 3. 接着，采用经验模式分解技术将NIRS信号分解为多个固有模式函数（IMFs）。EMD是一种自适应的数据分析方法，能够识别信号中的不同时间尺度成分，将复杂信号分解为简单、独立的部分。 4. 对于在确定的运动伪迹范围内具有异常表现的IMFs，直接置零，这样可以消除运动伪迹的影响。这种方法允许保留信号中的其他重要信息。 5. 最后，将处理后的IMFs重新加和，得到校正后的NIRS信号。通过这种方式，EMD-MAR方法能够有效地检测并消除基线漂移、瞬时脉冲以及短暂低频振荡等三种常见的运动伪迹。 实证研究和仿真结果表明，EMD-MAR方法在保留NIRS信号中的生理信息的同时，显著提高了运动伪迹的自动检测程度，为NIRS信号预处理提供了一种高效手段。该方法对于改善NIRS数据质量，尤其是在动态监测和运动条件下，具有重要的实际意义。 关键词：运动伪迹；近红外光谱；经验模式分解 该研究属于工程技术领域的论文，发表在《西安交通大学学报》2014年第48卷第2期，文章编号0253-987X(2014)02-0131-06，文献标志码为A，中图分类号为R318.51，这表明该研究具有较高的学术价值和技术实用性。