CN109359506B - 一种基于小波变换的心磁信号降噪方法 - Google Patents
一种基于小波变换的心磁信号降噪方法 Download PDFInfo
- Publication number
- CN109359506B CN109359506B CN201810970779.8A CN201810970779A CN109359506B CN 109359506 B CN109359506 B CN 109359506B CN 201810970779 A CN201810970779 A CN 201810970779A CN 109359506 B CN109359506 B CN 109359506B
- Authority
- CN
- China
- Prior art keywords
- wavelet
- signal
- noise
- coefficient
- threshold
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
- G06F2218/06—Denoising by applying a scale-space analysis, e.g. using wavelet analysis
Abstract
一种基于小波变换的心磁信号降噪方法,包括如下步骤:选择一个与含噪信号波形相似的小波函数,确定分解层数,进行小波变换得到低频系数和高频系数;对每层高频系数进行阈值处理,得到新的高频系数;利用第一层低频系数和新的高频系数进行小波重构,得到估计信号;选取与信号波形相似的其他小波函数,重复以上步骤;将降噪效果较好的信号数据相加求平均,作为干净的信号数据,对其添加不同大小的模拟噪声,分别用降噪效果较好的小波函数进行处理,求得相应的信噪比,比较得最优小波函数;选择最优小波函数,改变分解层数,对干净的信号添加不同大小的模拟噪声,求出信噪比,比较得最佳分解层数。由此得出最适合含噪心磁信号的小波阈值去噪参数。
Description
技术领域
本发明涉及一种基于小波变换的心磁信号降噪方法。
背景技术
心电图技术是目前最常见的相对成熟的诊断心脏疾病的技术,但随着生物磁学检测技术的不断发展,心磁图技术以非接触性、高灵敏度、准确等优点,成为一种新的诊断心血管疾病的方法。心磁信号很微弱,大约在10-10T左右,只有地磁场强度的百万分之一,很容易受外界环境的影响。目前心磁图仪测得的心磁信号包含基线漂移,工频干扰,白噪声等噪声,因此要正确诊断疾病则必须对采集到的心磁信号进行降噪处理,提高心磁信号信噪比。
受限于心磁图仪的发展,心磁信号相关去噪技术尚处空白。心电信号的降噪方法,目前比较常用且有效的是小波阈值去噪技术。心电信号和心磁信号都来源于心脏的电生理活动,因此对心磁信号降噪处理也可以采用小波阈值去噪方法。然而,心磁信号与心电信号存在一定的差异,具有自身的特点和噪声特性,适用于心电信号的小波阈值去噪技术并不直接适用于心磁信号,因此需要研究适用于心磁信号自身特点的小波阈值去噪技术。此外,在不存在广泛认可的干净的心磁信号作为参考信号的基础上,如何确定降噪效果的问题亟需解决。
发明内容
本发明要克服现有技术的上述缺点,提供一种基于小波变换的心磁信号降噪方法。
本发明要找到适合心磁信号的小波阈值去噪相关参数,即小波函数,分解层数,阈值函数,阈值,尽可能减少含噪心磁信号中除基线漂移以外的噪声,以达到提高心磁信号信噪比的目的。
本发明的一种基于小波变换的心磁信号降噪方法,包括如下步骤:
步骤1,选择一个与含噪信号波形相似的小波函数和分解层数,利用小波变换对长度为N的含噪信号进行多尺度二进小波分解,得到近似系数(低频系数)和一系列细节系数(高频系数)。
离散小波变换为:
Wf(j,k)=〈f(t),ψj,k(t)〉=a0 -j/2∫f(t)ψ*(a0 -jt-kb0)dt
取a0=2,b0=1可构造出正交小波基:ψj,k(t)=2-j/2ψ(2-jt-k)
对信号f(t)进行多分辨率分析,可表示为:
其中cj,k是尺度系数(近似系数),对应信号的低频部分,dj,k是小波系数(细节系数),对应信号的高频部分。
步骤2,对每一层高频系数进行阈值处理,得到新的高频系数。信号的小波系数大于噪声的小波系数,因此设定一个阈值,将大于阈值的系数视为有用信号,小于阈值的系数视为噪声系数,进行阈值处理。
常规的阈值函数有硬阈值函数和软阈值函数,由于硬阈值函数可以更好地保留信号的峰值特征,本专利采用硬阈值函数进行处理。硬阈值函数:
步骤3,利用小波分解的第j0层低频系数和新的高频系数进行小波重构,得到估计信号,即为降噪后的信号。
步骤4,分别选取与信号波形相似的不同小波函数,选定分解层数进行小波变换,重复上述步骤1至3,比较所得结果,选取若干个降噪效果较好的小波函数。
步骤5,将步骤4中得出的若干个降噪后的信号数据相加求平均,作为干净的信号数据,对其添加不同大小的模拟噪声,分别用步骤4得出的小波函数进行降噪处理,求得相应的信噪比,比较得最优的小波函数。
步骤6,选择步骤5得出的小波函数,改变分解层数,对干净的信号添加不同大小的模拟噪声,求出信噪比,比较得最佳分解层数。由此得出最适合含噪信号的小波阈值去噪参数。
本发明的有益效果为:
通过小波变换找到适合含噪心磁信号的小波函数和分解层数,对其进行降噪处理,提高心磁信号信噪比,为后续心磁信号的反演,医学上诊断心脏疾病提供较好的心磁信号。
附图说明
图1为小波阈值降噪的流程图。
图2为原始含噪心磁信号和分别用sym4,sym6,sym8,db4小波处理后的心磁信号。
图3为原始含噪心磁信号和分别用coif2,coif3,coif4,coif5小波处理后的心磁信号。
图4为由sym8,coif5,coif4,coif3降噪后的心磁信号数据相加求平均得到的心磁信号图。
图5为不同小波函数在相同尺度下对加不同大小的模拟噪声降噪后得到的信噪比。
图6为相同小波函数在不同尺度下对加不同大小的模拟噪声降噪后得到的信噪比。
具体实施方式
下面结合附图进一步说明本发明的技术方案。
本发明的一种基于小波变换的心磁信号降噪方法,包括如下步骤:
步骤1,选择与心磁信号波形相似的小波函数sym4,分解层数则根据采样频率200Hz选择6,利用小波变换对长度为1267的含噪心磁信号进行多尺度二进小波分解,得到近似系数(低频系数)和一系列细节系数(高频系数)。
步骤2,对每一层高频系数进行阈值处理,得到新的高频系数。信号的小波系数大于噪声的小波系数,将大于阈值的系数视为心磁信号,小于阈值的系数视为噪声系数,进行硬阈值处理。
步骤3,利用小波分解的第j0层低频系数和新的高频系数进行小波重构,得到估计的心磁信号,即为降噪后的心磁信号。
步骤4,选取同样与心磁信号波形相似的sym6,sym8,db4,coif2,coif3,coif4,coif5,分解层数固定为6,分别进行小波变换,重复上述步骤1至3,由图2和图3可得降噪效果较好的小波函数是sym8,coif5,coif4,coif3。
步骤5,将由sym8,coif5,coif4,coif3降噪后的心磁信号数据相加求平均,作为干净的心磁信号数据,见图4。对其添加不同大小的模拟噪声,分别用sym8,coif5,coif4,coif3进行降噪处理,求得相应的信噪比。由于添加的噪声是随机的,因此最后得到的信噪比是每个大小的噪声重复进行五次后的平均值,由图5比较得降噪效果较好的小波函数是coif3。
步骤6,选择步骤5得出的小波函数coif3,改变分解层数,分别取5,6,7,添加不同大小的模拟噪声,求出信噪比,由图6得最佳分解层数为5。由此可得出最适合含噪心磁信号的降噪的小波函数是coif3小波,分解层数为5层,阈值取降噪效果见图7。
本说明书实施例所述的内容仅仅是对发明构思的实现形式的列举,本发明的保护范围不应当被视为仅限于实施例所陈述的具体形式,本发明的保护范围也及于本领域技术人员根据本发明构思所能够想到的等同技术手段。
Claims (1)
1.一种基于小波变换的心磁信号降噪方法,包括如下步骤:
步骤1,选择一个与含噪信号波形相似的小波函数和分解层数,利用小波变换对长度为N的含噪信号进行多尺度二进小波分解,得到低频的近似系数和一系列高频的细节系数;
离散小波变换为:
Wf(j,k)=<f(t),ψj,k(t)>=a0 -j/2∫f(t)ψ*(a0 -jt-kb0)dt
取a0=2,b0=1可构造出正交小波基:ψj,k(t)=2-j/2ψ(2-jt-k),
对信号f(t)进行多分辨率分析,可表示为:
其中cj,k是尺度系数,对应信号的低频部分,dj,k是小波系数,对应信号的高频部分;
步骤2,对每一层高频系数进行阈值处理,得到新的高频系数;信号的小波系数大于噪声的小波系数,因此设定一个阈值,将大于阈值的系数视为有用信号,小于阈值的系数视为噪声系数,进行阈值处理;
常规的阈值函数有硬阈值函数和软阈值函数,由于硬阈值函数可以更好地保留信号的峰值特征,采用硬阈值函数进行处理;
步骤3,利用小波分解的第j0层低频系数和新的高频系数进行小波重构,得到估计信号,即为降噪后的信号;
步骤4,分别选取与信号波形相似的不同小波函数,选定分解层数进行小波变换,重复上述步骤1至3,比较所得结果,选取若干个降噪效果较好的小波函数;
步骤5,将步骤4中得出的若干个降噪后的信号数据相加求平均,作为干净的信号数据,对其添加不同大小的模拟噪声,分别用步骤4得出的小波函数进行降噪处理,求得相应的信噪比,比较得最优的小波函数;
步骤6,选择步骤5得出的小波函数,改变分解层数,对干净的信号添加不同大小的模拟噪声,求出信噪比,比较得最佳分解层数;由此得出最适合含噪信号的小波阈值去噪参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810970779.8A CN109359506B (zh) | 2018-08-24 | 2018-08-24 | 一种基于小波变换的心磁信号降噪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810970779.8A CN109359506B (zh) | 2018-08-24 | 2018-08-24 | 一种基于小波变换的心磁信号降噪方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109359506A CN109359506A (zh) | 2019-02-19 |
CN109359506B true CN109359506B (zh) | 2021-07-27 |
Family
ID=65350234
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810970779.8A Active CN109359506B (zh) | 2018-08-24 | 2018-08-24 | 一种基于小波变换的心磁信号降噪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109359506B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111248876B (zh) * | 2020-02-27 | 2021-10-29 | 四川长虹电器股份有限公司 | 基于压电薄膜传感信号的心率和呼吸率的计算方法 |
CN112084845B (zh) * | 2020-07-30 | 2023-05-02 | 中国人民解放军63892部队 | 基于多尺度小波系数自相关的低频1/f噪声消除方法 |
CN112450935B (zh) * | 2020-10-15 | 2022-10-11 | 浙江工业大学 | 一种基于无屏蔽原子磁力仪的心磁测量方法和系统 |
CN113255532A (zh) * | 2021-05-31 | 2021-08-13 | 东北大学 | 一种基于层间相关系数的小波双阈值去噪方法 |
CN113974576B (zh) * | 2021-12-23 | 2022-04-22 | 北京航空航天大学杭州创新研究院 | 一种基于心磁图的睡眠质量监测系统及监测方法 |
CN116304777B (zh) * | 2023-04-12 | 2023-11-03 | 中国科学院大学 | 基于静止时参考信号的自适应心电信号去噪方法及系统 |
CN117056675A (zh) * | 2023-08-16 | 2023-11-14 | 西南石油大学 | 一种基于小波变换和粒子滤波结合的漏磁信号降噪方法 |
CN117274117B (zh) * | 2023-11-23 | 2024-02-02 | 合肥工业大学 | 频域伪彩色增强的心磁信号特征图像生成方法及存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102832908A (zh) * | 2012-09-20 | 2012-12-19 | 西安科技大学 | 基于小波变换与变步长lms自适应滤波的信号降噪方法 |
-
2018
- 2018-08-24 CN CN201810970779.8A patent/CN109359506B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102832908A (zh) * | 2012-09-20 | 2012-12-19 | 西安科技大学 | 基于小波变换与变步长lms自适应滤波的信号降噪方法 |
CN102832908B (zh) * | 2012-09-20 | 2015-06-17 | 西安科技大学 | 基于小波变换与变步长lms自适应滤波的信号降噪方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109359506A (zh) | 2019-02-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109359506B (zh) | 一种基于小波变换的心磁信号降噪方法 | |
Smital et al. | Adaptive wavelet wiener filtering of ECG signals | |
CN108158573B (zh) | 基于自适应阈值小波变换的心电信号降噪方法 | |
Castillo et al. | Noise suppression in ECG signals through efficient one-step wavelet processing techniques | |
Das et al. | Analysis of ECG signal denoising method based on S-transform | |
CN111616697B (zh) | 一种基于新阈值函数小波变换的心电信号去噪算法 | |
CN108288058B (zh) | 一种改进的小波阈值膝关节摆动信号去噪算法 | |
CN112307959B (zh) | 一种用于心电信号分析的小波去噪方法 | |
CN111657936B (zh) | 基于小波变换和全变差正则化的信号去噪方法 | |
CN116626408B (zh) | 基于机器学习的电源纹波噪声检测方法 | |
CN113109289A (zh) | 最优小波去噪组合的选取方法及THz光谱去噪方法 | |
Wang et al. | Wavelet transform based ECG denoising using adaptive thresholding | |
CN111419279A (zh) | 一种超声多普勒胎心信号的自适应消噪算法 | |
Yadav et al. | Denoising and SNR improvement of ECG signals using wavelet based techniques | |
Lu et al. | Model-based ECG denoising using empirical mode decomposition | |
Ayat et al. | ECG denoising using modulus maxima of wavelet transform | |
Boucheham et al. | Piecewise linear correction of ECG baseline wander: a curve simplification approach | |
CN114176596A (zh) | 一种改进经验模态分解排列熵的心磁信号去噪方法 | |
CN111493821B (zh) | 一种基于modwt及中值滤波的ppg信号实时去噪方法 | |
Xhaja et al. | Wavelet transform applied in ECG signal processing | |
CN111938627A (zh) | 一种滤除心磁信号基线漂移的方法 | |
Joy et al. | Wavelet based EMG artifact removal from ECG signal | |
Sita et al. | Wavelet domain nonlinear filtering for evoked potential signal enhancement | |
Jaffery et al. | Performance Comparision of Wavelet Threshold Estimators for ECG Signal Denoising | |
Ouahabi | Image Denoising using Wavelets: Application in Medical Imaging |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |