基于EMD去除心电信号基线漂移的探讨

陆世鹏

【摘 要】对处于运动状态时的运动员进行实时心电监测，可以让教练及时了解运动员的心脏情况，以便随时调整运动员训练的量和度。但运动心电的最大特点就是噪声污染非常严重，一旦去噪效果不好，后面的医学研究就没法进行。传统的心电去噪方法效果不佳，而本文设计的基于EMD去除心电信号基线漂移，对运动心电基线漂移的去除效果明显优于其他传统方法。

【关键词】EMD；MATLAB；基线漂移

文章编号：ISSN1006—656X（2013）12-0094-01

一、概述

心脏病是一种经常发生的慢性病，它有以下特点：发展比较缓慢、病情也非常的隐蔽、同时发病时危险性非常高，是一种能严重威胁到人类生命的疾病。因此，对处于运动状态时的运动员进行实时心电监测，可以让教练及时了解运动员的心脏情况，以便随时调整运动员训练的量和度，可以很大程度上减少和防止运动员受伤的几率。但运动心电的最大特点就是噪声污染非常严重，一旦去噪效果不好，后面的医学研究就没法进行。传统的心电去噪方法，特别是对心电信号基线漂移的去除效果不佳。基线漂移一般是由人在呼吸时会引起电极的移动而产生，运动状态中的运动员胸腔扩张变化大，胸腔内器官和组织会发生比正常状态下更大的变化，这会引起更严重的漂移。基线漂移其频率一般低于5Hz，但能量主要集中在0.7HZ以内。去除基线漂移的方法很多，但基于EMD的趋势线去除法是效果比较好方法之一。

二、EMD去噪原理

EMD方法是上世纪90年代末提出的一种信号处理新方法。与其他信号处理方法不同，EMD分解的基函数不是事先选定的而是取自于被分析信号本身，是一种自适应的的方法。自适应的基函数反映了信号的内在特征，它的结果具有高效，实际的物理意义。所以说EMD分解是一种直观的而且自适应的信号处理方法，既能用于分析平稳又适合于分析非平稳信号。

EMD分解的目的很明确：把非平稳信号分解为一系列表征信号特征时间尺度的固有模态函数（IMF），使得每个IMF分量为窄带平稳信号。

IMF分量必须满足以下条件：

1、整个信号数据段内，极值点的个数和零交叉点的个数必须相等或最多相差不能超过一个。

2、在任何时间点上，由局部极大值点形成的包络线和由局部极小值点形成的包络线的平均值为零。

EMD具体分解过程如下：

假设信号为x（t），令信号x（t）的上下包络线分别为u（t）和 ，令上下包络线的平均曲线为m（t）：

用x（t）减去m（t）后剩余部分：

一般情况下包络线样条会发生过冲和欠冲作用，这会产生新的极值并影响原来极值的位置与大小，因此，分解得到的并不能完全满足IMF条件。用代替x（t）并求出它的上下包络线和，重复以上过程：

直到所得的满足IMF条件。此时分解得到第一个IMF， 和信号剩余部分，即：

对信号的剩余部分继续进行EMD分解，直到所得到的剩余部分为单一信号或者其值小于设定值时分解才算完成。最终得到所有的IMF及残余量：

而原始x（t）是所有IMF及残余量之和：

三、基于EMD去除心电信号基线漂移方法

EMD的分解过程其实是相当于使用窄带滤波器对信号进行自适应滤波。而各个模态分量的频率随着分解阶数的增大而降低，而趋势项是频率最低的成分。这个趋势项就对应于心电信号中的基线漂移。因此用EMD去除心电信号中的基线漂移比较简单：

1、对运动心电信号进行EMD分解。

2、去除趋势项，即残余量，再还原信号即可。

本文使用麻省理工大学的MIT-BIH数据库中的心电数据作为仿真对象。截取MIT-BIH标准心电数据库中采样频率为360Hz的103号记录的一段噪声比较少的心电数据进行研究，取信号长度N=1024。为了评价去噪效果，本文在该段心电信号上叠加了频率为0.2+0.7+0.9Hz和0.3+0.5+0.8HZ两组正弦信号来模拟基线漂移。仿真结果如下所示：

（a）添加了基线漂移的心电信号

（b）去除基线漂移后心电信号

EMD基线漂移去除效果图

基线漂移去除评价表

从EMD基线漂移去除效果图及基线漂移去除评价表可以看到，EMD基线漂移去除法虽然方法简单，但图中心电信号中存在的基线漂移等到了较好的去除，很好的解决了传统方法较难去除基线漂移的问题。

参考文献：

[1]张旭. 生物医学电子学[M].电子工业出版社，2008.8：15-16；

[2]刘海龙.生物医学信号处理[M].北京：化学工业出版社，2006.

[3]陆英北，张增芳，蔡坤宝.基于小波变换的心电信号基线校正方法.北京生物医学工程.2000，19径：）235-239