基于EMD的心电信号预处理算法及其噪声抑制研究

本篇硕士论文深入探讨了心电信号预处理算法的研究，针对心电信号在临床应用中的重要性，特别是在心脏疾病诊断中的关键作用，着重解决信号采集过程中常见的噪声问题，如工频干扰、基线漂移和肌电干扰等。作者马婵以杭州电子科技大学信号与信息处理专业为背景，师从赵治栋教授，于2009年完成了这项研究。 论文的核心内容聚焦于基于经验模式分解（Empirical Mode Decomposition，EMD）的心电信号预处理技术。EMD是一种时域数据分析方法，能有效地分离非平稳信号为一系列具有内在物理意义的简单模式（Intrinsic Mode Functions, IMF），从而便于后续噪声抑制。 首先，作者设计了一种基于EMD和自适应滤波的工频干扰抑制算法。通过EMD提取信号的IMF，识别并分离出含有工频干扰的部分，然后采用自适应滤波器，如可变步长LMS算法，有效地抑制了50Hz的工频噪声。实验结果证实了该算法的有效性。 其次，针对基线漂移问题，作者提出了另一种基于EMD和自适应滤波的策略。通过对高阶低频IMF进行滑动平均滤波，同时结合自适应滤波器，能够有效地平滑并消除基线干扰。对比传统方法如滑动平均、卡尔曼滤波和带通滤波，该方法在基线漂移抑制方面表现优越。 此外，论文还探讨了基于EMD和阈值收缩的综合噪声抑制算法。通过阈值函数对IMF进行自适应处理，结合一种广义阈值函数和分解尺度的自适应阈值选择策略，实现了对多种特性噪声的综合抑制。对临床心电信号的处理结果显示，这种消噪方案显著提高了信号的质量。 这篇论文为心电信号的预处理提供了一种新颖且实用的方法，对于提高心电检测的准确性，提升心脏疾病诊断的可靠性具有重要意义。通过实证分析和模拟信号处理，作者证明了基于EMD的预处理算法在实际应用中的可行性，为心电信号分析领域的进一步发展做出了贡献。