低频振荡激励下呼吸阻抗测量的变分模态分解降噪方法研究*

车波，贲鸿伟，朱霖霖，刘磊，邓林红 △

(1.常州大学生物医学工程与健康科学研究院,常州 213164;2.常州大学信息科学与工程学院,常州 213164)

1 引 言

小气道功能检查在气道阻塞性疾病中具有重要的评估意义[1-3]。在现有的肺功能检查方法中，强迫振荡技术(forced oscillation technique, FOT)是一种无创、快速和配合要求少的检查方法[4-5]。FOT自1956年由DouBois等首次引入肺功能检查以来，目前已经广泛应用于肺功能辅助诊断[6-7]。研究表明，低频的振荡激励信号能更多地反映小气道组织的流变学特性及阻塞情况[8-10]。不过，由于该低频段接近人体呼吸频段 (0.1～1.1 Hz)，易发生频带的混叠干扰，并且该非线性干扰很难用现有FOT技术来分离和消除[11-12]。因此，有必要在低频激励的FOT检测中，引入一种能有效处理非线性、非平稳信号的分解和降噪方法。

目前非平稳信号的自适应分解方法， 主要包括经验模态分解(empirical mode decomposition，EMD)及改进方法[13-14]、变分模态分解(variational mode decomposition，VMD)[15-16]等。其中，EMD及改进方法的数学理论基础薄弱且计算量较大。相比之下，VMD既有严格的数学理论支撑，其构建的变分优化模型相对简洁。最近，Maji等[17]对比EMD和VMD在心电噪声中的分离效果，表明VMD能更有效地去除高频噪声。Nazari等[18]则利用VMD成功地从心电图中提取到呼吸率信号。但目前对低频激励条件下呼吸阻抗信号非线性分解和降噪的研究还较少，仅见Copot等[19]采用EMD方法减小呼吸阻抗偏移的报道，也并未比较不同的分析方法。

鉴于此，本研究引入VMD方法用于低频激励下的呼吸压力和流量信号的降噪，并对比分析VMD与EMD在阻抗信号分解和降噪中的优势，进而探讨VMD降噪的参数优化和低频振荡激励等问题。……