奇异谱分析结合小波包的心音信号去噪新方法

"基于奇异谱分析的心音信号小波包去噪算法研究 (2013年)，卢德林，郭兴明，重庆大学生物工程学院" 本文是2013年发表的一篇关于心音信号处理的工程技术论文，主要探讨了如何在强噪声环境下有效地去噪心音信号，同时保留其重要信息。文章提出了一种结合奇异谱分析(Singular Spectrum Analysis, SSA)和小波包(Wavelet Packet, WP)分析的创新去噪算法。 首先，针对传统心音去噪算法存在的问题，即在消除噪声时可能误删掉部分心音信号，导致有用信号的能量损失，文章引入了奇异谱分析。奇异谱分析利用主成分分析(Principal Component Analysis, PCA)的特性，通过多级奇异值分解(Multi-stage Singular Value Decomposition, MS-SVD)来提取心音信号的主要成分，即主分量(Principal Components, PC)。这种方法有助于识别和保留心音信号的关键特征。 接下来，论文采用小波包分析算法对提取出的心音信号主分量进行进一步的分解。小波包能够提供多分辨率分析，使得信号在不同频率层次上得以细化。通过对分解得到的低频系数进行自适应阈值处理，可以有效地去除心音信号中的低频噪声。自适应阈值处理可以根据信号的不同特性动态调整，从而提高去噪效果。 然后，利用小波包的多分辨率特性，论文着重提取心音信号中的高频成分。高频部分通常包含了心音信号的细节特征，如心脏瓣膜的开闭声音等。这一步骤确保了在去除噪声的同时，心音信号的精细结构得以保留。 实验结果证明，该算法在提高信噪比(SNR)、信噪比增益(SNRG)以及降低根均方误差(RMSE)等方面表现出色，尤其是在不同噪声水平下，其去噪性能优于传统的算法。这表明该算法既能有效去除噪声，又能保持心音信号的细节特征，对于心音信号的分析和诊断具有重要的实用价值。 关键词涉及：心音信号、奇异谱分析、小波包算法、去噪。该研究对于心音信号处理领域的噪声抑制技术发展具有一定的贡献，为后续的医学诊断和生物信号处理提供了新的思路和技术手段。