基于独立成份分析的肌电信号消噪方法研究

本文提出了一种基于独立成份分析(ICA)的改进方法,去除肌电信号中的心电噪声。该方法基于独立成份分析算法,在肌电成份中分解出心电独立成份:对分解出的心电独立成份进行低通滤波处理,进一步降低了其中肌电成份;而将其反向投影回原始信号空间,并从原始信号中除去,以便在最大程度上消除肌电信号中的心电干扰成份。真实16通道单极性肌电信号的处理和分析表明,该方法取得了较好的效果。     

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。      

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.     

基于小波变换和盲信号分离的多通道肌电信号处理方法

 为了消除多通道表面肌电信号(SEMG)采集时形成的混叠现象,提出一种新的SEMG处理方法.该方法将小波变换和独立分量分析(ICA)结合,利用小波变换的去噪作用,滤除混合在原始SEMG中的部分噪声后作为ICA的输入信号,采用Infomax算法对输入信号实施盲分离,并引入相关系数验证ICA分量与源信号的一致性.实验结果表明,该方法用于多通道SEMG的盲分离是很有效的.     

脑电信号中眼电伪迹自动去除方法的研究

 针对实际采集的脑电信号受眼电干扰较大,提出一种基于离散小波变换(DWT)与独立分量分析(ICA)的自动去除眼电伪迹的方法(DWICA).对采集的多导脑电和眼电信号进行离散小波变换,获取多尺度小波系数,将串接小波系数作为ICA的输入;利用基于负熵判据的FastICA算法实现独立成分的快速获取,引入夹角余弦准则自动识别眼迹成分,并经过ICA逆变换将剔除眼迹后的独立成分投影返回到原脑电信号各个电极;通过DWT逆变换重构信号,即可得到去除眼迹的各导脑电信号.实验结果表明,DWICA方法极大地提高了脑电信号的信噪比,抗噪能力强且实时性好,为脑电信号的在线预处理提供了新思路.     

一种ECG信号肌电干扰去除方法的研究

实测心电(ECG)信号通常被多种因素干扰,尤其是肌电干扰的去除存在较大困难。本文提出一种结合经验模态分解法(EMD)与主成分分析(PCA)的消噪算法来去除ECG信号的肌电干扰。解决了通常采用小波算法和EMD等方法会导致ECG信号产生振荡和丢失有用信息的难题。本研究利用PCA对含噪信号经EMD分解后的内蕴模态函数(IMF)进行去噪处理,通过对MIT-BIH心电数据进行仿真,以及定性分析了信噪比(SNR)和均方误差(MSE)。结果表明,ECG信号中的肌电干扰被有效去除,所提方法的消噪效果整体上优于小波去噪算法和EMD消噪算法,是一种有效的消噪方法。     

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。     

基于小波变换的空域相关法在肌电信号中的应用

为了消除混杂在肌电信号中的噪声,并保留信号的细节,提出了基于小波变换空域相关法的肌电信号消噪方法.文章首先对小波变换和空域相关滤波的基本理论进行了简要的概述,其次就空域相关滤波用于肌电信号的消噪过程进行了详细的分析.通过肌电信号的小波分解,用空域相关法分离信号与噪声,并给出了一种针对肌电信号各层噪声能量阈值的估计算法.实验结果表明,空域相关滤波较好的保留了肌电信号的边缘特征,为肌电信号的特征提取创造了良好的条件.     

基于独立向量分析的脑电信号中肌电伪迹的去除方法

脑电数据经常被各种电生理信号伪迹所污染。在常见伪迹中,肌电伪迹特别难以去除。文献中最常用的方法包括诸如独立分量分析(Independent Component Analysis, ICA)和典型相关分析(Canonical Correlation Analysis, CCA)等盲源分离技术。该文首次提出一种基于独立向量分析(Independent Vector Analysis, IVA)的新方法,用以去除脑电中的肌电伪迹。IVA同时使用高阶统计量和二阶统计量,因此该方法能够充分利用肌电伪迹的非高斯性和弱相关性,兼具ICA方法和CCA方法的优势。实验表明,使用IVA方法可以在保留脑电成份的同时极大抑制肌电伪迹,效果显著优于ICA法和CCA法。     

基于Hermite插值的小波模极大值重构滤波的肌电信号消噪方法

为了消除混杂在肌电信号中的噪声,该文提出了基于Hermite插值的小波模极大值重构滤波的肌电信号消噪方法。该方法先对肌电信号进行小波分解;其次,根据小波系数的奇异性,利用信号与噪声模极大值在小波尺度上的不同变化特性,分离出信号与噪声;再次,用Hermite插值法重构小波系数;最后从重构的小波系数恢复成去噪后的信号。实验结果表明,Hermite插值的小波模极大值重构能有效地去除噪声,提高信噪比,且保留了肌电信号的细节信息,为肌电信号的特征提取和模式识别创造了良好的条件。