【数字信号去噪】EMD、EEMD和CEEMDAN算法ECG信号去噪【含Matlab源码 2172期】

⛄一、小波变换简介

1 引言
心电图ECG(Electro Cardio Graphy)信号在医学上应用比较广泛,通过它可以判断人们的健康状况,可应用于心血管疾病、心脏病、心律失常等各种检查。心电信号通常由P、QRS、T波形构成,每个完整波形的各个特征子波形都有特殊的电生理意义。ECG信号是微弱的电信号,在实际生活中,ECG信号的采集过程容易受环境、仪器等其他外部因素的影响,这些因素会影响心电信号P波和Q波等低频部分的采集。所以,降低ECG信号中的噪声显得尤其重要。

为了解决上述问题,本文提出了一种基于改进小波阈值—CEEMDAN(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise)的算法对ECG信号去噪。对ECG信号先经过CEEMDAN分解,利用相关系数法,找出以噪声为主的高频噪声本征模态函数IMF(Intrinsic Mode Function)分量,再进行小波改进阈值去噪。对于低频IMF分量,通过设定固定阈值,将低于该阈值的IMF分量确定为基线漂移信号,将其剔除,最后重构IMF分量。仿真结果表明: 该算法相比EMD小波去噪和整体平均经验模态分解EEMD(Ensemble Empirical Mode Decomposition)小波去噪算法效果更佳,取得了良好的去噪效果。

2 CEEMDAN模态分解
EMD算法是处理非平稳、非线性数据的一种常用算法,它可以将信号分解成一系列保留局部特征的数据序列。但是,EMD分解过程中存在模态混叠问题,影响实验结果。在EMD基础上提出了EEMD 算法,该算法通过在原始信号中加入正态分布的白噪声,从而缓解了模态混叠问题。虽然EEMD算法可有效地缓解模态混叠问题,但重构后添加的白噪声的影响依旧存在,分解后的重构误差难以完全消除,影响数据分解的准确性。CEEMDAN是在EMD和EEMD基础上提出的一种具有自适应白噪声的完备集成经验模态分解算法,即该算法通过在分解的每个阶段添加自适应的白噪声,可有效解决EMD分解所产生的模态混叠问题,同时又克服了EEMD在加入白噪声后分解产生重