优化VMD与NLM结合的信号去噪

尹佳璠，陈小奇，李世林，邵 磊，李 季，刘宏利+

(1.天津理工大学 电气电子工程学院 复杂系统控制理论及应用重点实验室，天津 300384；2.天津喜诺生物医药有限公司 仪器研发部，天津 300457)

0 引 言

人体心电信号是判断人类心脏疾病的重要依据。且心电信号具有不平稳、随机性、非线性等特点。在采集过程中又易被噪声干扰，例如周围环境和机器内部电场磁场导致的工频干扰，因此，需要抑制ECG信号中噪声干扰。

针对ECG信号微弱、不平稳的特性，经验模态分解(EMD)无疑是最合适且应用最广泛的，但是，经验模态分解在进行信号重构时会存在模态混叠的缺陷。后续也有研究人员通过添加白噪声的方法优化经验模态分解。文献[1]利用改进的小波阈值去噪方法与EEMD结合，并利用过零率选取合适的固有模态分量。文献[2]提出了一种变分模态分解的参数选择的方法，文献[3]运用CEEMDAN与小波阈值结合的去噪方法对ECG信号进行去噪处理。但这些方法的不足之处在于噪声分量和信号分量分离的不完全以及去噪效果不够理想等缺点。研究人员提出了一种全新的变分模态分解(variational mode decomposition，VMD)，解决了模态混叠的问题。但是，这种分解方法需要通过确定合适的参数才能达到较好的分解效果。传统的参数选取方法主要通过经验选取，参数选取非常不准确。

因此，本文设计了一种参数优化的变分模态分解算法，将原始信号分解，引入样本熵的概念计算分解后信号分量中含噪声的比例，将噪声分量与信号分量区分开，对噪声分量进行非局部均值去噪(non-local means，NLM)，得到的去噪后的信号分量与低阶分量重构，得到去噪后的ECG信号。……