基于提升小波的脉波自适应去噪算法研究实现

论文摘要

脉搏作为人体活动中较为重要的信息来源,其压力、波形等特征变化可作为评价人体心血管系统生理病理状态的重要依据之一。应用科学合理的处理方法可以从脉搏波中提取、分析、计算出多项利于预防诊断的生理参数,如血液粘稠度、心律、呼吸频率以及血管弹力等,辅助临床诊断参考。然而,在实际的采集信号过程中,脉搏波信号又不可避免的受到多方面噪声所带来的影响。干扰噪声信号会导致原始信号发生畸变,影响诊断质量。因此如何从含噪信号中较好地恢复原始信号,实现信号与噪声分离,是本文主要的研究内容。小波分析由于其具有时域频域同时进行处理的特点,在工程领域获得了极广泛的应用。使用小波的方法对信号进行除噪的研究也开展了很长时间。新进提出的提升格式思想以其运行速度快、占用空间少等优点日益引起工程技术学者的关注。本文从传统小波变换的重要理论出发,引出提升格式构造小波的理论基础及实现方法,设计了两种基于提升方案的去噪算法,对多组脉搏波数据进行了除噪效果的检验。第一种是基于提升小波的方法,自适应地选择基函数进行信号的软阈值去噪。此方法建立在固定基函数的提升小波去噪方法的基础上,针对主波和重搏波波形形态的不同,对其分别进行处理,自适应的选取与其最匹配的小波基函数来进行除噪。基于小波的信号处理过程的提升方案一般由三个阶段组成：分解、预测和更新。原有的预测与更新算子的获得是与多相位矩阵分解紧密相关的,其过程如同一个个迭代的反馈电路,可以不断校正下一步的参数,即可以自适应的变化相关算子。基于此思想,将LMS方法应用在预测算子的选取上,提出了另一种提升方案的去噪算法,使其除噪过程更加智能化、普适化。实验结果表明,这两种方法均能较好的对含有噪声的脉搏波信号进行除噪。本文提出的除噪方法可以嵌入到医疗设备,尤其是监护仪中,对采集到的信号进行实时去噪处理,具有一定的实际应用价值。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 脉搏波的研究意义及现状
• 1.2 基于提升小波的去噪算法的研究意义及现状
• 1.3 本文研究内容
• 第2章 脉搏波的相关理论
• 2.1 脉搏波的产生与传播
• 2.2 脉搏波的波形特征
• 2.3 压力脉搏波与容积脉搏波
• 2.4 脉搏波波形特征的时域分析方法
• 2.4.1 特征点法
• 2.4.2 高斯函数法
• 2.4.3 脉图面积法
• 2.5 脉搏波波形特征的频域分析方法
• 2.6 脉搏波波形特征的时频联合分析方法
• 2.7 本章小结
• 第3章 小波变换理论及小波信号去噪
• 3.1 连续小波变换
• 3.2 离散小波变换
• 3.3 多分辨率分析
• 3.3.1 多分辨率分析的定义
• 3.3.2 Mallat算法
• 3.4 小波信号去噪
• 3.4.1 去噪问题的描述
• 3.4.2 小波变换模极大去噪
• 3.4.3 基于小波变换尺度间相关性的去噪
• 3.4.4 小波阈值去噪法
• 3.4.4.1 小波阈值收缩法
• 3.4.4.2 平移不变量小波阈值去噪法
• 3.4.5 几种小波去噪方法的比较
• 3.5 本章小结
• 第4章 小波变换的提升实现
• 4.1 小波分解与重构的多相位表示
• 4.2 Laurent多项式的Euclidean算法
• 4.3 多相位矩阵的因子分解
• 4.4 提升算法
• 4.4.1 提升算法的实现
• 4.4.2 提升算法举例
• 4.5 小波变换提升算法的实现技巧
• 4.5.1 任意长度信号小波变换的提升实现
• 4.5.2 利用少量辅助内存实现多尺度小波变换
• 4.5.3 边界处理
• 4.6 本章小结
• 第5章 自适应滤波原理
• 5.1 自适应信号处理
• 5.2 自适应算法介绍
• 5.3 维纳滤波器
• 5.4 均方误差曲面
• 5.5 牛顿算法
• 5.6 最陡下降算法
• 5.7 最小均方算法
• 5.8 本章小结
• 第6章 基于提升小波的脉波自适应去噪
• 6.1 脉搏波信号采集
• 6.1.1 MIMIC数据库介绍
• 6.1.2 实际仪器测量
• 6.2 噪声类型与运行环境
• 6.3 基于提升方案的小波阈值去噪
• 6.3.1 分解层数的确定
• 6.3.2 小波基函数的选择
• 6.3.3 固定小波基函数的提升方案去噪
• 6.3.4 自适应选择小波基的提升方案去噪
• 6.4 基于LMS的预测算子自适应选取的提升小波去噪
• 6.5 本章小结
• 第7章 总结与展望
• 7.1 总结
• 7.2 展望
• 参考文献
• 致谢
• 攻读学位期间发表的论著