基于主成分分析的经验模态分解消噪方法

 针对非线性非平稳信号的去噪问题,提出一种基于主成分分析(PCA)的经验模态分解(EMD)消噪方法.该方法根据EMD的分解特性,利用PCA对噪声信号经EMD分解后的内蕴模态函数(IMF)进行去噪处理:首先利用"3σ法则"对第一层IMF进行细节信息提取,并估计每层IMF中所含噪声的能量;然后对IMF进行PCA变换,根据IMF中所含噪声的能量选择合适数目的主成分分量进行重构,以去除IMF中的噪声.为验证本文方法的有效性,进行了数字仿真与实例应用实验.实验结果均表明,所提方法的消噪效果整体上优于Bayesian小波阈值消噪方法和基于模态单元的EMD阈值消噪方法,是一种有效的信号消噪新方法.     

基于形态学运算和自适应阈值的心电信号消噪

抑制信号中的噪声干扰,是心电(ECG)信号预处理中的关键步骤.针对传统形态学滤波损失有用信号的缺陷,本文提出了一种基于形态学运算和自适应阈值的ECG信号消噪算法.首先,对含噪ECG信号进行形态学滤波和形态学峰谷提取运算;然后,估算形态学峰谷信号中时变噪声的即时方差,并依据3σ准则对峰谷信号进行自适应阈值处理,保留其中的有用信号;最后,将阈值处理结果与形态学滤波结果相加,作为ECG信号消噪处理的最终结果.仿真试验与实际应用结果表明,该算法不仅可以有效去除时变噪声的干扰,而且较好地保持了ECG信号的特征形态,处理效果明显优于以往的形态学滤波算法,且比基于平稳小波变换的消噪算法更适用于非平稳ECG信号的消噪处理.     

心电信号检测中滤除肌电干扰的方法

心电信号检测是医生诊断治疗心血管疾病的重要辅助手段,但由于心电信号检测实际条件不理想,心电信号中常混有各种干扰信号,常见有肌电干扰、基线漂移和工频干扰。文中针对肌电干扰,采用数字滤波方法进行了去除噪声的滤波器设计。并通过对心电图信号滤波器的设计,不仅提高了ECG信号滤波器的去噪效果,且提高了工作效率。     

一种局部放电信号去噪的新方法

小波变换是在局部放电信号去噪过程中常用的方法,由于实际信号中噪声频带较宽,仅用小波变换去噪有可能带来波形畸变。文中将经验模态分解（Empircial Mode Decomposition,EMD）引入小波阈值去噪算法中,提出了一种基于EMD的小波阈值去噪算法,信号经EMD变换后被分解成若干个频率的本征模态函数（Intrinsic Mode Function,IMF）,再对各个频率的IMF分量进行小波阈值去噪。相比于普通的小波阈值去噪算法,该方法能取得更好的去噪效果。对仿真信号和实测信号的处理结果验证了该方法的有效性。     

基于小波分析的心电信号去噪算法研究

心电信号在临床诊断上有非常重要的作用,但由于容易受到噪声干扰,采集的心电信号中通常包含很强噪声,为了有效去除噪声干扰,该文提出了一种基于自适应阈值的小波模极大值算法来进行信号去噪.关键点是在每个分解尺度上自适应的选取合适的阈值,用来对小波变换系数的模极大值点进行筛选,以去除噪声极值点.该文采用MIT/BIH数据库中的数据对算法进行仿真验证,结果表明该算法有更好的去噪效果,同时心电信号能被很好的保留.     

应用小波变换去除膈肌肌电图信号中的心电干扰

膈肌肌电图信号是微弱的人体生物电信号,该信号往往受到被测对象自身心电图信号的严重干扰.本文应用小波变换的分析方法,提出了一种心电定位和小波阈值相结合的去心电新算法.该方法在对信号各层小波系数分析的基础上,通过小波相关系数法确定心电干扰的位置和范围,并用绝对值均值的阈值算法对该范围内的小波系数进行阈值处理.实验结果表明,该方法能够有效去除膈肌肌电图信号中的心电干扰,并较好地保留了膈肌肌电图信号的信号特征,为膈肌肌电图信号用于呼吸疾病的分析诊断创造良好的条件.     

边缘学科分支最新动向

TN一051 2005011618小波分析应用于种自电图信号实时处理的研究/傅娟,宁新宝,李德华(南京大学)11南京大学学报(自然科学)一2 004,40(2)一245-250简要介绍了小波变换原理和M allat快速小波变换算法,重点介绍了如何运用小波分析对心电图(Electrocardiogram,ECG)信号消噪,并解决了它所涉及到的问题:小波函数的选取、噪声频段的分析、闭值处理和解决了在ECG信号采样中实时小波滤波所遇到的问题一一数据滤波前的分段和滤波后的衔接.通过实验的证明,提出的方法能够很好地滤除ECG信号中的基线漂移、工频干扰、肌电干扰和其它高频干扰,并且在…     

基于CEEMDAN和小波阈值的ECG去噪算法研究

提出一种基于自适应噪声完备集合经验模态分解(CEEMDAN)与小波阈值的ECG信号去噪新算法。首先对含噪ECG信号进行CEEMDAN分解,得到从高频到低频排序的各个IMF分量,利用自相关法对各IMF分量进行分析,找出以随机噪声为主的高频IMF分量并进行小波阈值去噪;然后统计包括余量在内所有IMF分量的过零率,过零率小于1.5的IMF分量即为基线漂移信号,直接剔除;最后将经过小波阈值去噪的IMF分量与剔除基线漂移之后的其他IMF分量一起进行合并重构,实现ECG信号的去噪和基线校正。用所提算法对MIT-BIH心电数据库中的ECG信号进行去噪处理,结果表明ECG信号中的随机噪声得到很好的抑制,同时获得了良好的基线漂移校正效果。     

基于双树复小波变换和形态学的脉搏信号去噪

常见的医学信号（如脉搏信号）包含大量的噪声,具有强烈的非线性和非平稳性。针对传统的小波变换去噪方法的缺陷,提出了一种基于双树复小波变换和形态学的去噪算法,具有结构简单、计算复杂度低等优点,有效地克服了离散小波变换的平移敏感性和频率混淆。实验表明,该算法可以有效地去除脉搏信号中工频干扰及肌电干扰等高频噪声,其信噪比及均方差等定量指标均明显优于传统的阈值去噪算法,能得到较干净的脉搏信号波形。     

基于EMD与SSA的语音增强算法研究

针对低信噪比下语音性能不佳及经验模态分解(EMD)在语音增强中的有效应用,文中提出了一种基于奇异谱分析(SSA)与EMD的语音增强算法。将含噪语音信号做EMD分解,对噪声IMF分量及信号IMF分别采用小波变换和SSA去噪处理。在输入信噪比为-10d B到10d B的高斯白噪声环境下进行仿真实验。结果表明文中提出的是一种有效的语音增强算法。     

一种改进的基于EMD分解的超宽带信号消噪算法

针对低信噪比超宽带信号的消噪问题,提出一种改进的基于经验模式分解(EMD)的消噪算法.该算法首先对含噪信号进行EMD分解,得到多个固有模态函数(IMF)分量,然后选取高阶IMF重构原信号,达到消噪的目的.针对对UWB信号的IMF重构过程中阶数阈值难以确定的问题,通过数值仿真的方法,得到信号分量和噪声分量在不同阶IMF上的能量分布特性;在对所得特性进行分析的基础上,设计了一种数据自适应的阶数阈值选取算法,解决了EMD消噪中的阶数阈值选取问题.仿真结果表明,EMD消噪算法能够在较低信噪比下提供平均10 dB的信噪比增益,可以有效地对超宽带信号进行消噪.     

基于小波变换与形态学运算的ECG自适应滤波算法

针对ECG信号常用滤波算法存在的缺陷,提出了基于小波变换与形态学运算的自适应滤波新算法。该算法利用形态学滤波器去除基线漂移信号,用小波滤波器去除高频干扰信号,并将这两部分所得到的心电噪声分量作为自适应滤波器的参考输入信号,利用自适应滤波器调整对含噪ECG信号进行滤波处理。最后,经实验验证了本文算法的有效性。     

基于Mallat算法的小波分解重构的心电信号处理

为了实现对微弱低信噪比的心电信号的有效提取,采用了Mallat算法的小波分解重构法去除心电信号的噪声。首先确定小波分解重构的小波基;其次确定分解的层数;然后直接提取有用信号所在的频带（有用信号占优的频带）进行重构;最后,Matlab仿真MIT-BIT标准数据库中的心电信号表明小波分解重构法可以有效的去除心电信号中的多种干扰;同时比起传统滤波器法来说,小波分解与重构去噪法应用起来更方便。     

CEEMDAN和小波包降噪算法在光纤光栅复用传感网络中的应用

针对被采样的超弱光纤光栅反射光谱中含有干扰噪声的问题,提出一种应用于大容量超弱传感网络的混合组网去噪算法.该算法将具有自适应噪声的完整集成经验模态分解(CEEMDAN)与小波包降噪算法相结合,通过小波包阈值去噪对测量信号进行处理后,将初步处理过的信号进行CEEMDAN;再将分解得到的本征模态函数(IMF)分量和残余分量...     

小波尺度谱阈值算法在膈肌肌电降噪的应用

为了去除膈肌肌电信号中的心电干扰,提出了一种小波尺度谱阈值的处理方法。首先,对信号进行五尺度的小波分解,并且把小波系数转化为小波尺度谱;其次,针对心电信号在尺度谱上高于周围两边信号的特点,提出尺度谱阈值对心电信号进行滤除;最后,小波尺度谱映射回小波系数,重构小波系数得到降噪后的膈肌肌电信号。对临床采集的膈肌肌电信号进行实验分析,并与小波阈值方法进行对比,结果表明本文方法降低了心电干扰并且保留膈肌肌电信号的特征。      

小波包多阈值法在地震信号去噪中的应用研究

地震信号中通常含有各种干扰噪声,严重影响了地震资料的信噪比和分辨率,小波包变换是地震资料去噪的有效方法之一。针对传统小波包阈值去噪不明显和存在失真的问题,提出一种基于多阈值函数的小波包地震信号去噪方法。对地震波信号进行小波包分解,并对小波包分解系数按照频率大小的顺序进行排列,根据分解的系数处于不同频带选取不同的阈值准则进行去噪处理,对得到的系数进行重构,可有效地去除地震信号中的噪声。对仿真地震信号以及实际地震信号进行小波包多阈值去噪处理,实验结果表明,该方法较好地去除了干扰噪声保留了有用信号,去噪效果明显且失真小,有效地提高了地震资料的分辨率。     

基于Hilbert-Huang变换的ECG消噪

 提出一种基于Hilbert-Huang变换的ECG消噪方法,该方法对含噪ECG进行经验模态分解,对分解后的IMF进行Hilbert频谱分析,然后根据ECG信号噪声特点对三种主要噪声分别消噪.工频干扰和高频噪声主要存在于ECG的低阶IMF中,而基线漂移主要存在于ECG的高阶IMF中,对低阶IMF采用基于自适应阈值的形态学滤波方法进行消噪,对高阶IMF采用平滑滤波法进行基线漂移估计.仿真实验和实际应用结果表明该方法优于小波消噪法,不仅对三种主要噪声具有较好的抑制作用,还能很好的保留ECG波形特征.     

一种基于CEEMDAN-改进小波阈值的OTDR信号去噪算法

为了解决光时域反射仪(optical time domain reflectometer,OTDR)中背向散射信号受 噪声干扰严重问题,本文提出了一种 基于自适应噪声完备集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN) 和改进小波阈值的OTDR信号去噪算法,利用CEEMDAN分解算法具有的抗模态 混叠现象和降低重构误差等优点,将信号分解为若干IMF分量,根据相关系数的分析方法, 找到噪声占主导的本征模态函数(intrinsic mode function,IMF)分量和信号占主导的IMF 分量的临界点,去除噪声占主导的IMF分量, 并将改进的小波阈值去噪方法对信号占主导的IMF分量进行去噪,最后重构信号。结果表明 , 本文提出的方法与传统的硬阈值方法、CEEMDAN-硬阈值方法和改进的小波阈值方法相比, 能 更好地抑制噪声,并达到更好的去噪效果,突显OTDR事件特征,更易于事件的检测。     

基于EMD和小波去噪处理的信号瞬时参数提取

本文提出用小波去噪后再运用经验模式分解(EMD)和希尔伯特变换方法提取信号瞬时特征。该方法克服了直接运用EMD分解方法由大量噪声带来的不必要的干扰,减少了EMD存在的边界效应和分解层数,提高参数提取的准确性和时效性,使算法在信号瞬时特征提取中更具有应用和研究前景。     

基于小波变换的心电信号滤波算法

针对心电信号中含有的工频干扰、运动伪迹、肌电噪声和基线漂移四种噪声,提出一种以R波为优先准则,结合小波模极大值的逐拍滤波算法。该算法使用小波分解来消除心电信号中的基线漂移．采用小波模极大值法消除工频干扰和肌电噪声．利用小波分解各尺度间的相关性来消除运动伪迹。仿真实验结果表明,该算法平均信噪比达到22．3dB,说明其在有效改善信噪比的同时,能显著提高信号的分辨率。