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

最新推荐文章于 2024-06-20 10:07:14 发布

Matlab武动乾坤

最新推荐文章于 2024-06-20 10:07:14 发布

阅读量1k

点赞数 23

分类专栏： Matlab信号处理（进阶版）文章标签： matlab

本文链接：https://blog.csdn.net/KeepingMatlab/article/details/135304840

版权

Matlab信号处理（进阶版）专栏收录该内容

529 篇文章 47 订阅

订阅专栏

✅博主简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，Matlab项目合作可私信。
🍎个人主页：海神之光
🏆代码获取方式：
海神之光Matlab王者学习之路—代码获取方式
⛳️座右铭：行百里者，半于九十。

⛄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构误差的问题。

CEEMDAN模态分解算法的步骤如下所示:
在这里插入图片描述

3 心电信号去噪实验
3.1 算法实现框图
本文从MIT-BIH数据库中选取100组信号进行分析,信号的采样率为360 Hz,心电信号的去噪实验在Matlab 2018a环境下进行,去噪过程如图2所示。
在这里插入图片描述
图2 CEEMDAN分解框图
对含噪信号进行CEEMDAN分解,如图2所示,对IMF分量进行筛选,利用相关系数法,认为相关性低于0.5的高频IMF分量含有噪声,然后用改进的小波阈值,采用sym8小波基对含有噪声的IMF分量进行5层小波分解。基线漂移信号被分到最后几个低频IMF分量中。由于基线漂移频率低于1.5 Hz,通过设定阈值为1.5,认为低于该阈值的低频IMF分量是基线漂移信号,将其剔除,然后将去噪后的IMF分量与保留的剩余分量重构,即可有效抑制随机噪声。

⛄二、部分源代码

% -------------------------------------------------------------------------

%--------------------------------------------------------------------------

load (‘ecg.mat’);

Nstd = 0.2;
NR = 500;
MaxIter = 5000;

[modes its]=ceemdan(ecg,0.2,500,5000);
t=1:length(ecg);

[a b]=size(modes);

figure;
subplot(a+1,1,1);
plot(t,ecg);% the ECG signal is in the first row of the subplot
ylabel(‘ECG’)
set(gca,‘xtick’,[])
axis tight;

for i=2:a
subplot(a+1,1,i);
plot(t,modes(i-1,:));
ylabel (['IMF ’ num2str(i-1)]);
set(gca,‘xtick’,[])
xlim([1 length(ecg)])
end;

subplot(a+1,1,a+1)
plot(t,modes(a,:))
ylabel(['IMF ’ num2str(a)])
xlim([1 length(ecg)])

figure;
boxplot(its);

⛄三、运行结果

在这里插入图片描述

⛄四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1]张培玲,李小真,崔帅华.基于改进小波阈值-CEEMDAN算法的ECG信号去噪研究. 计算机工程与科学. 2020,42(11)

3 备注
简介此部分摘自互联网，仅供参考，若侵权，联系删除

🍅 仿真咨询
1 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化

2 机器学习和深度学习方面
卷积神经网络（CNN）、LSTM、支持向量机（SVM）、最小二乘支持向量机（LSSVM）、极限学习机（ELM）、核极限学习机（KELM）、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

3 图像处理方面
图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

4 路径规划方面
旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化

5 无人机应用方面
无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配

6 无线传感器定位及布局方面
传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化

7 信号处理方面
信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化

8 电力系统方面
微电网优化、无功优化、配电网重构、储能配置

9 元胞自动机方面
交通流人群疏散病毒扩散晶体生长

10 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合