python 经验模态分解_心电信号去噪4--经验模态分解法(EMD)

注：这里是以小型手持心电图机为研究对象的(单导联)

上一篇中我们说到数学形态法可以很好的去除基线漂移和其他类型的噪音。这里我们介绍由，N. E. Huang 等人提出了经验模态分解(Empirical Mode Decomposition, EMD)方法。

EMD原理

这是一种可以将任何复杂信号分解为有限个固有模态函数(Instrinic Mode Function, IMF)的自适应、高效率的分解方法。经验模态分解适用于处理非线性和非平稳信号，例如心电信号，它有助于我们从很多方面理解信号的物理意义。

EMD对信号分解的原理是：把信号x(t)分解成一组内蕴模态函数(IMF)和一个最后的剩余值的和：

得到IMFs 的迭代过程需要满足两个条件：

(1)整个数据段内的零点数和极点数相等或至多相差1；

(2)信号由局部极大值确定的包络线和由局部极小值确定的包络线均值为零，即信号关于时间轴对称[57]。心电信号由EMD算法分解为一个高频部分(第一个IMF)和低频部分(剩余值)，低频部分又将分解为高频部分(第二个IMF)和低频部分(剩余值)，重复执行此过程，直到剩余量变成单一稳定的信号。

对心电信号x(t)进行EMD分解的具体步骤为：

(1)找到信号x(t)的局部极大值和极小值点，用三次样条插值计算出上、下包络线xu(t)和xl(t)；

(2)计算上下包络线的平均值m1(t)=(xu(t)+xl(t))/2，并计算x(t)和m1(t)的差值：d1(t)=x(t)-m1(t)；

(3)将d1(t)作为一个新的信号，重复第1步和第2步直到得到的