高级EMD方法：运动伪像下的PPG方差表征分析

"这篇研究论文提出了一种针对带有运动伪像的光体积描记术（PPG）信号的高级经验模式分解（EMD）方法，该方法利用极值的方差特征来降低运动伪像的影响。该技术尤其适用于穿戴设备中的PPG信号处理，因为这些设备在使用过程中很容易受到运动干扰。" 在PPG信号处理中，运动伪像（MA）的减少是一项关键任务。当PPG信号受到严重污染时，传统的频域方法难以重建信号。为此，该论文提出了一种基于EMD的创新时间-频率分析方法，它利用极值的方差特性来识别并剔除受污染的部分，从而降低计算成本。同时，这种方法能够在估计过程中找到波簇，有助于减少错误检测率。 EMD是一种自适应的数据分析方法，能够将非线性和非平稳信号分解为一系列内在模态函数（IMF）。通过结合极值的方差特征，该方法能更准确地识别出被运动伪像影响的信号段，并进行有效处理。 实验结果表明，该方法在重污染PPG信号的心率估计上表现出高精度。平均相对误差仅为1.03%，这证明了该方法的有效性。相较于传统方法，这种高级EMD方法在处理运动伪像方面具有显著优势，提高了PPG信号处理的准确性和可靠性，对于穿戴式健康监测设备的性能提升具有重要意义。 这篇论文为解决运动伪像对PPG信号分析的挑战提供了一个新颖且实用的解决方案，为未来相关领域的研究和应用奠定了基础。通过优化处理步骤，该方法有望进一步应用于实际环境中的PPG信号分析，提升穿戴式健康监测设备的用户体验和数据质量。