一种基于ESMD方法的心电信号降噪方法

摘要

本发明公开了一种基于极点对称模态分解和非局部均值方法的心电信号滤波算法，该方法包括以下几个步骤：首先对心电信号进行极点对称模态分解，得到一序列本征模态函数IMF，然后对各IMF进行非局部均值滤波，再对各阶IMF与残差项进行叠加，最后对叠加信号进行非局部均值平滑处理，得到心电信号最终降噪结果。本发明由于采用了极点对称模态分解和非局部均值滤波方法的有机结合，有效改善了传统非局部均值算法在噪声污染程度较高时易产生的信号削弱问题，可在有效抑制心电信号噪声的同时很好地保护信号的尖峰等细节信息。

权利要求

1.一种基于ESMD方法的心电信号降噪方法，其特征在于，该方法包括以下步骤：(1)采用极点对称模态分解算法ESMD对含有噪声的原始心电信号进行分解，得到分解后的一系列本征模态函数IMF、一个残差项R及各阶IMF分量的瞬时频率；

(2)对各阶IMF进行信号门限控制，即对不同IMF分量预设门限值，随着阶次增加，所述门限值减半，依次类推直至最高阶IMF为止；

(3)对各阶IMF分量，若其低于设定的门限，则保留该分量，不对其进行滤波处理，否则对其进行非局部均值滤波，得到各分量对应的降噪信号；

(4)将各阶IMF分量降噪处理结果和残差项R叠加求和，得到心电信号的预处理结果；

(5)对心电信号的预处理结果采用非局部均值滤波方法进行平滑处理，从而最终完成心电信号的降噪处理。

2.如权利要求1所述的心电信号降噪方法，其特征在于：所述步骤(1)的具体步骤如下：将所述原始心电信号作为第一次的输入信号S0；

1)找到本次输入心电信号S的所有局部极值点E，用线段连接所有相邻的极值点，并标出它们的中点Mi(1≤i≤n-1)，在中点集合的左右两边各加一个边界点M0、Mn，分别对奇数中点和偶数中点构造插值曲线L，并计算这两条插值曲线的均值L*，使用S-L*代替S重复上述操作，直到L*的值小于某一个允许的误差值，或者筛选次数达到预设的最大数，将最后一个S-L*作为第m个本征模态函数IMFm，其中m从1到n依次取值；

2)用所述原始心电信号与已得到的各阶本征模态函数的相减得到的差值作为输入心电信号，重复上述步骤1)，逐步得到所有的本征模态函数，直到最后的差值拥有不超过一定数目的极点；

3)在一个有限的整数区间内，改变筛选次数K的预设值，然后重复上述两个步骤，并计算与K值对应的S0-R的方差σ2以及输入信号S0的标准偏差σ0；

4)对应找出方差比σ2/σ0最小值时所预设的筛选次数K，并将其作为最佳筛选值，重复上述三个步骤，最终得到与最佳筛选值对应的全部IMF及最后的残差R。

说明书

一种基于ESMD方法的心电信号降噪方法

技术领域

[0001] 本发明属于医学信号处理领域，更具体地，涉及一种心电信号降噪处理。

背景技术

[0002] 心电图是反映心脏兴奋的电活动过程。然而，心电信号作为一种微弱信号(一般为毫伏级)，极易被外界噪声所淹没，常见的噪声包括工频噪声，肌电噪声以及患者呼吸和运动引起的基线漂移干扰等，这些噪声对心电参数的测量、波形识别和病情诊断等具有十分不利的影响，研究有效的心电信号降噪方法对提高心脏疾病诊断的正确率具有重要意义。

[0003] 常见的心电信号降噪手段包括低通、高通和带通滤波、形态学滤波、维纳滤波、卡尔曼滤波、有限冲激响应滤波(Finite Impulse Response，FIR)滤波、无限冲激响应(Infinite Impulse Response，IIR)滤波、中值滤波及小波降噪方法等。上述方法不足在于：难以有效抑制噪声的不利影响或无法有效保护信号细节。

[0004] 非局部均值(Nonlocal means,NLM)滤波方法是近年来提出的一种主流的图像降噪方法，它利用图像的冗余性，通过图像块之间的欧式距离来度量其相似性，将该相似性作为权值，对一定搜索区域内所有像素进行加权平均，从而达到图像降噪的目的。由于NLM方法在图像降噪方面的优越性，2012年Tracey和Miller等(B.H.Tracey,E.L.Miller.Nonlocal means denoising of ECG signals.IEEE Trans.Biomedical Engineering,2012,59(9):2383-2386)首次将其用于一维心电信号降噪中，但该方法在心电图中噪声干扰较大时，难以有效保护心电信号中的重要细节信息。

[0005] 为保护心电信号细节，有效手段之一是先对心电信号进行分解再对分解后的分量进行降噪处理。信号分解方法很多，其中极点对称模态分解(Extrem-point Symmetric Mode Decomposition Method，ESMD)方法是近年来提出的一种新型的信号分解技术，其主要创新是自适应全局均线概念的提出和直接插值法的引入。该方法不仅可以直观地体现各模态的振幅与频率的时变性，还可明确地获知总能量变化，上述特点为心电信号分解提供了有效的新手段。

[0006] 本专利首次将ESMD和NLM结合，提出了ESMD-NLM滤波方法，该方法通过ESMD实现心电信号分解，对分解后的各分量利用NLM方法进行降噪处理，可有效克服现有心电信号降噪方法的不足，能在充分抑制心电信号中噪声的同时很好地保护细节信息。

发明内容

[0007] 针对现有技术中存在的问题，本申请提供的是一种心电信号降噪方法，其中通过ESMD进行研究和涉及，使其和非局部均值滤波方法有机结合，与现有方法相比，该方法有效改善了传统非局部均值算法在噪声污染程度较高时易产生的信号削弱问题，可在有效抑制心电信号噪声的同时很好地保护信号的尖峰等细节信息。

[0008] 为实现上述目的，按照本发明的一个方面，提供了一种基于ESMD方法的心电信号降噪方法，其特征在于，该方法包括以下步骤：

[0009] (1)采用极点对称模态分解算法ESMD对含有噪声的原始心电信号进行分解，得到分解后的一系列本征模态函数IMF、一个残差项R及各阶IMF分量的瞬时频率；

[0010] (2)对各阶IMF进行信号门限控制，即对不同IMF分量预设门限值，随着阶次增加，所述门限值减半，依次类推直至最高阶IMF为止；

[0011] (3)对各阶IMF分量，若其低于设定的门限，则保留该分量，不对其进行滤波处理，否则对其进行非局部均值滤波，得到各分量对应的降噪信号；

[0012] (4)将各阶IMF分量降噪处理结果和残差项R叠加求和，得到心电信号的预处理结果；

[0013] (5)对心电信号的预处理结果采用非局部均值滤波方法进行平滑处理，从而最终完成心电信号的降噪处理。

[0014] 优选地所述步骤(1)的具体步骤如下：

[0015] 将所述原始心电信号作为第一次的输入信号S0；

[0016] 1)找到本次输入心电信号S的所有局部极值点E，用线段连接所有相邻的极值点，并标出它们的中点Mi(1≤i≤n-1)，在中点集合的左右两边各加一个边界点M0、Mn，分别对奇数中点和偶数中点构造插值曲线L，并计算这两条插值曲线的均值L*，使用S-L*代替S重复*上述操作，直到L的值小于某一个允许的误差值，或者筛选次数达到预设的最大数，将最后一个S-L*作为第n个本征模态函数IMFn，其中n从1-n依次取值；

[0017] 2)用所述原始心电信号与已得到的各阶本征模态函数的差值作为输入心电信号，重复上述步骤1)，逐步得到所有的本征模态函数，直到最后的差值拥有不超过一定数目的极点；

[0018] 3)在一个有限的整数区间内，改变筛选次数K的预设值，然后重复上述两个步骤，并计算与K值对应的S0-R的方差σ2以及输入信号S0的标准偏差σ0。

[0019] 4)对应找出方差比σ2/σ0最小值时所预设的筛选次数K，并将其作为最佳筛选值，重复上述三个步骤，最终得到与最佳筛选值对应的全部IMF及最后的残差R。

[0020] 总体而言，按照本发明的上述技术构思与现有技术相比，主要具备以下的技术优点：

[0021] 1、有效改善了传统非局部均值算法在噪声污染程度较高时易产生的信号削弱问题；

[0022] 2、在有效抑制心电信号噪声的同时很好地保护信号的尖峰等细节信息。

附图说明

[0023] 图1是本发明提供的基于ESMD方法的心电图降噪方法流程；

[0024] 图2(a)是原始仿真心电信号；

[0025] 图2(b)是加入高斯噪声(δ2＝80)的心电信号；

[0026] 图2(c)NLM去噪效果；

[0027] 图2(d)ESMD-NLM去噪效果；

[0028] 图3(a)实际心电信号；

[0029] 图3(b)NLM去噪效果；

[0030] 图3(c)ESMD-NLM去噪效果。

具体实施方式

[0031] 为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

[0032] 如图1所示，本发明提供的基于ESMD方法的心电图降噪方法包括一下步骤：

[0033] (1)对含有噪声的原始心电信号进行分解，得到分解后的一系列

[0034] 本征模态函数IMF、一个残差项R及各阶IMF分量的瞬时频率，具体步骤如下：

[0035] 1)找到本次输入心电信号S的所有局部极值点E，用线段连接所有相邻的极值点，并标出它们的中点Mi(1≤i≤n-1)，在中点集合的左右两边各加一个边界点M0、Mn，分别对奇*数中点和偶数中点构造插值曲线L，并计算这两条插值曲线的均值L ，使用S-L*代替S重复上述操作，直到L*的值小于某一个允许的误差值，或者筛选次数达到预设的最大数，将最后一个S-L*作为第n个本征模态函数IMFn，其中n从1-n依次取值；

[0036] 2)用所述原始心电信号与已得到的各阶本征模态函数的差值作为输入心电信号，重复上述步骤1)，逐步得到所有的本征模态函数，直到最后的差值拥有不超过一定数目的极点；

[0037] 3)在一个有限的整数区间内，改变筛选次数K的预设值，然后重复上述两个步骤，并计算与K值对应的S0-R的方差σ2以及输入信号S0的标准偏差σ0。

[0038] 4)对应找出方差比σ2/σ0最小值时所预设的筛选次数K，并将其作为最佳筛选值，重复上述三个步骤，最终得到与最佳筛选值对应的全部IMF及最后的残差R。

[0039] (2)对各阶IMF进行信号门限控制，即对不同IMF分量，随着阶次增加，其门限值减半，具体为：一阶本征模态函数IMF1其门限值为2，IMF2为1，IMF3为0.5，IMF4为0.25，依次类推直至最高阶IMF为止，本专利中IMF最高阶为4；

[0040] (3)对各阶IMF分量，若其低于设定的门限，则保留该分量，不对其进行滤波处理，否则对其进行非局部均值滤波，得到各分量对应的降噪信号。这里，非局部均值滤波实现方法如下：对原始心电信号O中待滤波信号点i，对以其为中心的搜索窗Ω内所有的点加权平均，得到非局部均值降噪结果Mi,即

[0041] Mi＝Σj∈Ωωij.Oi  (1)

[0042] 式(1)中，搜索窗Ω的大小根据不同的IMF来确定，对IMF1-IMF4而言，Ω的大小分别选为100，50，10和10；ωij是权重函数，表示以i和j为中心的两个大小为5的相似窗O(Ni)和O(Nj)的相似程度,采用下式计算。

[0043]

[0044] 其中h为衰减系数，对IMF1-IMF4而言，本专利将h分别选为12，10，10和10，G是高斯核，*代表卷积运算，“||||2”为L2范数，Ci为归一化参数，采用下式计算。

[0045]

[0046] (4)将各阶IMF分量降噪处理结果和残差项叠加求和，得到心电信号的预处理结果。

[0047] (5)对心电信号的预处理结果采用非局部均值滤波方法进行平滑处理，从而得到最终去噪结果。这里采用的非局部均值滤波方法与步骤(3)相同，但相似窗为20，搜索窗为500，衰减系数为5。

[0048] 为了说明本专利提出的ESMD-NLM方法的有效性，我们采用模拟和实际心电图作为测试对象，将经典的NLM方法作为对比算法。在如图2(a)所示的模拟图像中，我们加入不同方差的高斯噪声，采用上述两种方法进行降噪处理。在ESMD-NLM方法中，对IMF1-IMF4进行NLM滤波时，其对应相似窗皆为5，搜索窗分别为100，50，10和10，衰减系数分别为15，10，10和10，而在对心电信号预滤波结果进行非局部均值降噪时，相似窗为20，搜索窗为500，衰减系数为5。在经典NLM方法中，相似窗为20，搜索窗为500，衰减系数为10。为客观评价各种方法的滤波性能，采用SNR作为评价指标，该指标定义如下：

[0049]

[0050] 其中n代表心电信号的长度，Is和Io分别代表了降噪后的心电信号及未污染的原始心电信号。

[0051] 表1分别列出了高斯噪声方差δ2为80到160时的降噪结果，图2给出了δ2＝80时两种方法的降噪结果。从表1可看出，在不同噪声方差下，本专利提出的ESMD-NLM方法其SNR皆明显高于经典NLM方法。图2的主观视觉对比则表明：ESMD-NLM方法较NLM更好地抑制信号中的噪声，同时能更好地保持信号的特征。

[0052] 表1经典滤波算法与本专利提出的算法对比

[0053]滤波方法 δ2＝80 δ2＝100 δ2＝120 δ2＝140 δ2＝160
NLM 33.8238 33.0125 31.1226 30.4683 28.4534
ESMD-NLM 36.6812 36.0482 35.3647 34.6741 33.7611

[0054] 为了说明本算法的实用性，我们从MIT-BIH数据库中选择图3所示的临床心电信号进行实验，将ESMD-NLM方法与NLM方法进行比较。从图3可看出，NLM方法虽然能较好地滤除噪声，但是对心电信号的一些波峰有削弱作用，如图3(b)中虚框所示的波峰信号被明显削弱，而ESMD-NLM方法则能很好地保护这些波峰信息，有利于心脏疾病的正确诊断。

[0055] 本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。