基于EMD-ICA的心冲击信号降噪研究

在本文中，研究者姜星、耿读艳、付志刚和张园园提出了一个基于经验模态分解（EMD）和独立成分分析（ICA）的心冲击（BCG）信号降噪方法。心冲击信号是捕捉心脏机械运动的生理信号，而这种信号在无束缚的条件下能够实现采集与测量。然而，由于BCG信号通常非常微弱，很容易受到噪声的干扰，这使得在测量过程中它很容易被噪声所淹没。为了准确识别BCG信号，就需要有效的降噪技术来清除干扰。 EMD是Huang等人在1998年提出的一种信号分析方法，用于处理非线性和非平稳信号，将复杂的信号分解成一系列的固有模态分量（IMF），每个IMF分量代表了信号中的一个内在振荡模式。IMF按照频率的高低排列，使得信号处理能够按照频率域来进行。EMD的一个关键点是分解过程不依赖于预先设定的基函数，因此，该方法具有自适应性，可以更好地适应信号本身的特性。 独立成分分析（ICA）是一种信号处理技术，用于从多个信号源中分离出统计独立的源信号。ICA在盲源分离（BSS）问题中尤为重要，盲源分离的目标是在不知道源信号和混合矩阵的情况下，仅通过混合信号来恢复源信号。在本文中，研究者使用ICA算法，通过构建虚拟噪声通道，对原始BCG信号进行盲源分离，从而实现降噪。 降噪处理后，为了验证降噪效果，研究者采用了快速傅里叶变换（FFT）计算功率谱密度（DSP），通过信号降噪前后的信号特征对比来评估降噪效果。通过与EMD降噪和小波降噪方法进行比较，计算了各个方法降噪后信号与原信号之间的相关系数。研究结果表明，本文所提出的方法不仅具有明显的降噪效果，并且能够有效地还原BCG信号特征，从而证实了该方法的有效性。 关键词部分提到了“心冲击信号”、“经验模态分解”、“独立成分分析”、“模态相关”和“降噪”，这些关键词概括了文章的主要研究内容和方法。中图分类号为TP274，这表明该研究属于自动控制与过程控制类别。总体而言，这项研究不仅发展了一种创新的心冲击信号降噪方法，还为相关领域的研究提供了一种新的研究思路和手段。