心率信号处理与希尔伯特-黄变换在非平稳信号分析中的应用

本文主要介绍了如何通过数据分析技术提取心跳信号，并使用希尔伯特-黄变换(HHT)对非线性非平稳信号进行分析。在处理过程中，首先利用带通滤波器去除呼吸信号和高频噪声，然后应用EMD(经验模态分解)将信号分解为本征模态函数，最后通过HHT获取信号的瞬时频率。 一、数据分析 在对原始信号进行分析时，通常会去除首尾可能受到干扰的部分，保留中间稳定状态的数据。图1显示了原始信号的波形，而图2则展示了选定的一路信号(data4)的详细波形。通过设置合适的带宽，可以将信号分解为呼吸信号(r(n))、心跳信号(h(n))和其他噪声信号。 二、心跳信号处理 心脏正常心率范围为60到100次/分钟，对应的频率在0.9至1.7Hz之间。为了提取心跳信号，采用巴特沃斯滤波器，设定为2阶，带通频率设定在0.7Hz至2Hz，以滤除呼吸频率（约0.17Hz）及高频噪声。经过滤波后的信号如图3所示，更便于后续处理。 三、希尔伯特-黄变换(HHT) HHT是一种适用于非线性非平稳信号分析的方法，它可以同时提供时间域和频率域的高精度信息。相比于傅里叶变换，HHT不受Heisenberg测不准原理限制，因此能更好地处理突变信号。 1. 经验模态分解(EMD) EMD将复杂信号自适应地分解为多个本征模态函数(IMF)，每个IMF满足特定条件：极值点和零点数量差不超过一个，且局部上、下包络的均值为零。信号可以表示为IMF的线性组合。 2. 希尔伯特变换 HHT通过希尔伯特变换确定信号的瞬时频率，对于实信号x(t)，其复解析信号由实部和虚部组成。通过计算幅角对时间的导数，可以获得信号的瞬时频率，从而提供频率随时间变化的详细信息。 总结： 本文详细阐述了如何从原始信号中分离心跳信号，采用的是基于带通滤波器的数据预处理和希尔伯特-黄变换的信号分析方法。这种方法特别适合处理非线性、非平稳的生理信号，如心率监测，能精确捕捉到信号的时间-频率特性，为临床诊断和健康监测提供了有力工具。