改进WOA-VMD算法的心电信号去噪.pdf
《改进WOA-VMD算法的心电信号去噪.pdf》由会员分享,可在线阅读,更多相关《改进WOA-VMD算法的心电信号去噪.pdf(8页珍藏版)》请在咨信网上搜索。
1、前 言心电信号能在一定程度上反应心脏各部位的生理状态,包含丰富的诊断信息,已广泛应用于心律失常、心肌梗死和各种心血管疾病的临床诊断1。心电信号波形的形态特征是医生判断患者身体状况的关键标准,但是该信号的幅值一般为10 V5 mV,是一种非平稳非线性的微弱生理信号,容易受到心脏其改进WOA-VMD算法的心电信号去噪郁伟1,李正权1,2,邢松31.江南大学物联网工程学院,江苏 无锡 214122;2.江苏理工学院常州市 5G+工业互联网融合应用重点实验室,江苏 常州213001;3.加利福尼亚州立大学信息系统系,洛杉矶 90032【摘要】传统方法进行心电图(ECG)信号分解是基于QRS特征波经验性
2、识别固有模式函数变量(IMF),但ECG信号和噪声信号之间存在频带混叠,导致去噪效果较差,针对此问题提出一种改进鲸鱼算法(IWOA)优化变分模态分解(VMD)算法参数,并和改进小波阈值相结合的方法。利用VMD基于完全非递归分解的特性,在鲸鱼算法中引入感知扰动机制,并用等螺距阿基米德螺旋曲线代替经典的对数螺旋曲线,对VMD中的模态个数K和惩罚参数进行寻优;然后对ECG信号进行VMD分解,得到一系列IMF分量,通过相关系数判定噪声分量,对其进行改进小波阈值去噪;最后将各分量重构,得到去噪后的信号。将本文方法与单独使用小波阈值算法或VMD算法进行去噪对比实验,结果表明,本文方法可以有效去除ECG信号
3、中的各种干扰,更好地保留ECG信号波形特征,具有潜在的临床指导意义。【关键词】心电信号去噪;鲸鱼算法;变分模态分解;小波阈值;相关系数【中图分类号】R318【文献标志码】A【文章编号】1005-202X(2023)09-1143-08ECG signal denoising using improved WOA-VMD algorithmYU Wei1,LI Zhengquan1,2,XING Song31.School of Internet of Things Engineering,Jiangnan University,Wuxi 214122,China;2.Changzhou Key
4、 Laboratory of 5G+Industrial Internet Fusion Application,Jiangsu University of Technology,Changzhou 213001,China;3.Information SystemsDepartment,California State University,Los Angeles CA 90032,USAAbstract:The traditional method for decomposing electrocardiogram(ECG)signals is based on empirically i
5、dentifyingintrinsic mode functions(IMF)using QRS feature waves.However,there is a frequency band aliasing between ECG andnoise signals,which significantly affects the denoising performance.To solve this problem,an improved whale optimizationalgorithm(WOA)is proposed to optimize the parameters of the
6、 variational mode decomposition(VMD)algorithm,andcombined it with an improved wavelet threshold method.For VMD is based on the completely non-recursive decomposition,a perception disturbance mechanism is introduced into WOA,and an equal pitch Archimedean spiral instead of the classiclogarithmic spir
7、al is used to optimize the number of modalities K and the penalty parameter in VMD.Then,the ECG signalis decomposed using VMD to obtain a series of IMF components.The noise components are determined by correlationcoefficient and removed using the improved wavelet threshold method.Finally,the various
8、 components are reconstructed toobtain the denoised signal.The comparison with wavelet threshold algorithm and VMD algorithm shows that the proposedmethod(WOA-VMD algorithm)can effectively remove various interferences in the ECG signal and better retain thewaveform characteristics of the ECG signal,
9、which is of potential significance in clinic.Keywords:electrocardiogram signal denoising;whale optimization algorithm;variational modal decomposition;waveletthreshold;correlation coefficient【收稿日期】2023-04-09【基金项目】常 州 市 5G+工 业 互 联 网 融 合 应 用 重 点 实 验 室 项 目(CM20223015);111引智计划基金(B23008)【作者简介】郁伟,硕士,研究方向:生
10、物医学信号处理,E-mail:【通信作者】李正权,教授,研究方向:信号处理,E-mail:DOI:10.3969/j.issn.1005-202X.2023.09.014第40卷第9期2023年 9月中国医学物理学杂志Chinese Journal of Medical PhysicsVol.40 No.9September 2023医学信号处理与医学仪器-1143他部位的各种干扰2,以及各种噪声污染,所以心电信号会夹杂着基线漂移、工频和肌电干扰等3,严重影响 P、QRS、T 特征波检测和 RR 间期识别的正确性4,对后续分析带来影响,最终导致心脏疾病的误诊,所以去噪工作非常重要5。针对这一问
11、题,国内外研究人员进行了大量的相关研究6,提出几种去噪方法,包括传统的数字滤波器、小波阈值方法和经验模式分解(Empirical ModeDecomposition,EMD),但仍然存在一些不足。传统的数字滤波法在频域中处理心电图(Elec-trocardiogram,ECG)信号,但由于ECG信号和噪声信号之间存在频带混叠,会导致许多有用信号被滤波7;在小波阈值方法中,其局部时频分析能力较强,但难点在于阈值选择,其中阈值设置过低会产生噪声,而阈值设置过高会损坏ECG信号8,小波基的选择也会影响去噪效果9;EMD算法可以递归地将含噪信号分解为一系列固有模式函数(Intrinsic Mode F
12、unction,IMF)分量10,但噪声和无噪声IMF分量之间通常存在模式混叠以及虚假分量,使去噪效果变得有限11;2014年Dragomiretskiy等12提出了变分模态分解(Variational Mode Decomposition,VMD),基于完全非递归分解,可以将信号分解成一系列IMF分量,并确定每个模态分量的中心频率,因此可以有效地解决EMD算法中模态混叠的现象;但VMD分解得到的每个模态分量都含有信号和噪声,若随意去除任一分量都会影响重构后ECG信号的准确性。近年来,许多研究人员利用VMD对ECG信号中的低频噪声基线干扰进行去噪13,而高频噪声肌电干扰却放任不管,并且VMD分
13、解过程中模态个数K和惩罚参数的选择直接影响信号的分解效果14。鲸鱼优化算法(Whale Optimization Algorithm,WOA)是Mirjalili等152016年提出的,具有参数少、收敛快等优点,但在局部于搜索中会陷入局部最优,针对这一问题,文献 16 对WOA做出改进,引入感知扰动机制,然后选择等螺距阿基米德螺旋曲线代替经典的对数螺旋曲线。通过引入改进鲸鱼算法(IWOA)对VMD算法中模态个数K和惩罚参数进行寻优17,在VMD分解后,获得一系列IMF分量,根据相关系数判断主分量和噪声分量18,并通过改进小波阈值法对噪声分量进行去噪,最后将信号主导的模态分量与去噪后的分量进行重
14、构,得到去噪后的ECG信号。综上所述,本文采用IWOA优化VMD分解和改进小波阈值相结合的方法进行心电信号去噪。1 理论基础1.1 VMD算法VMD算法通常用于处理非线性信号,是一种基于完全非递归分解,将输入信号分解成一系列模态分量的算法,每个模态分量都有一定的中心频率和有限的带宽。VMD的整个过程就是不断迭代每个模态分量的中心频率和带宽,实现信号各频段的自适应分解12,其基本原理可以转换为变分问题的求解,构造的约束变分问题表示为:minuk,kk=1Kt()()t+jt*uk()te-jkt22,k=1Kuk()t=f(1)其中,uk为VMD分解后的第K个IMF分量;k为第K个 IMF 分
15、量 的 瞬 时 频 率;()t为 狄 拉 克 函 数;()()t+jt*uk()t是希尔伯特变换。为求式(1)变分问题的最优解,引入二次惩罚因子和拉格朗日乘子,构造的增广拉格朗日函数为:()uk,k,=k=1Kt()()t+jt*uk()te-jkt22+f()t-k=1Kuk()t22+()t,f()t,k=1Kuk()t(2)1.2 改进小波阈值去噪小波阈值去噪的关键在于阈值和阈值函数的选择,本文选取固定阈值法确定IMF的阈值19:xi=median()|fi0.64752lnN(3)其中,xi为第i个IMF函数的阈值,N为信号长度。传统阈值函数分为软阈值函数和硬阈值函数。硬阈值处理后的信
16、号能很好地保留原信号的局部特征,但IMF在阈值xi处是不连续的,会产生新的振荡;软阈值处理后在阈值点xi具有良好的连续性,但与原始信号总会有固定的偏差,去噪后的信号会产生失真20。本文采用文献 21 中的改进小波阈值函数,改进的阈值函数表达式如下:Di,k=sign()Di,kD2i,k-xie()|Di,k-xi2,|Di,kxi0,|Di,kxi(4)2 算法设计2.1 IWOAWOA灵感来源于座头鲸独特的捕猎方式,具有强大的全局搜索寻优能力15,但在局部搜索机制中有些许不足,会陷入局部最优。在WOA中引入感知中国医学物理学杂志第40卷-1144扰动机制,增强局部搜索,然后选择等螺距阿基米
17、德螺旋曲线代替经典的对数螺旋曲线,避免算法陷入局部最优。2.1.1 改进方式(1)引入干扰因子。为了增加WOA算法的局部搜索能力,在每次迭代后会产生一组更有利的搜索位置X*()t,但它不会直接进入下一次迭代,通过执行干扰因子,彻底搜索X*()t的附近位置,在下一次迭代将会产生一个新的最佳搜索代理。为了克服扰动方法的随机性和盲目性,在构造扰动因子时设置了扰动范围,以保证局部搜索的精度;再引入感知系数,使搜索代理在扰动范围内进行寻优16。通过搜索代理不断改变扰动的范围,然后用当前最优值替换之前的值,就能达到理想的结果,干扰因子数学模型为:=xd-xxd-xStepRand()(5)x=x+uRan
18、d()(6)干扰后,搜索代理的位置按式(6)更新。式中,u是定义扰动距离的系数,Rand()是介于(-1,1)的随机数,Step是发生干扰时搜索代理的移动步长,xd是时间d时的位置,x是最佳位置,表示点到点乘法,xd-xxd-x是适应度函数的性质。(2)改变搜索路径。引入阿基米德螺旋曲线,也称等速螺线,是一条由一个点匀速离开一个固定点的同时,以固定角速度围绕该固定点转动而产生的轨迹。对于原本的算法,螺线的螺距是逐渐改变的,会影响算法的性能,所以笔者选择等螺距阿基米德螺旋曲线,来调整函数的参数,使算法性能达到最佳。等螺距阿基米德螺旋曲线表明曲线的螺距是固定的,搜索路径数学模型如式(7)所示,二维
19、图像如图1所示。x=()a+bl cos2ly=()a+bl sin2l(7)通过改变搜索路径和引入扰动机制得到改进后的WOA,该算法在扰动的初始阶段要尽快找到一个较优的位置,在扰动后期搜索代理会彻底搜索目标附近的位置,搜索代理的步长被重新定义:Step=Stepmin+()Stepmax-StepminN-nN(8)从式(8)可以看出步长是不断变小的,迭代开始时是最大值,迭代结束时是最小值。为验证WOA中搜索路径的最优性,笔者选取了另外3条经典曲线(阿基米德螺旋曲线、玫瑰曲线、费马曲线)进行比较,并采用不同的测试函数进行实验,测试1、2、3的测试函数如公式(9)、(10)、(11)所示:f(
20、)x=i=1dx2i(9)f()x=i=1d|xi+i=1n|xi(10)f()x=i=1d-1()100()xi+1-xi2+()xi-12(11)从图2可以观察得到,在相同的迭代次数下,使用阿基米德螺旋曲线作为搜索路径的WOA,收敛程度和收敛速度均优于原始算法中的对数螺旋曲线和另外两条曲线。特别地,在图2c中,采用阿基米德螺旋曲线的WOA算法的收敛程度接近于0,远远优于对数螺旋曲线。图1 阿基米德螺旋曲线Figure 1 Archimedean spiral迭代次数收敛程度0100200300400500105收敛程度102101100b:测试2迭代次数0100200300400500a:
21、测试1图2 搜索路径对比图Figure 2 Search path comparison迭代次数0100200300400500c:测试3收敛程度10010-5010-100第9期郁伟,等.改进WOA-VMD算法的心电信号去噪-11452.1.2 具体步骤IWOA 主要包括 3 个阶段:围捕猎物、气泡网攻击、搜寻猎物。具体改进算法步骤如下所示。(1)围捕猎物。在初始阶段,WOA 算法假设当前最佳候选是目标猎物或最佳目标,定义最佳代理后,其他代理会向其更新位置,数学模型可以描述为:D=|CX*()t-X()t(12)X()t+1=X*()t-AD(13)A=2ar-a(14)C=2r(15)其中
22、,D是最佳搜索代理和普通代理之间的距离向量,t是迭代次数,A和C是系数向量,X*()t是已知的最佳向量,X()t是其他搜索代理位置,r是 0,1 中的随机向量。(2)气泡网攻击(开发阶段)。座头鲸捕食有两个机制:收缩包围机制和螺旋更新位置。在螺旋更新位置中,在它们之间创建一个阿基米德螺旋方程,如下所示:X()t+1=D(bl)cos()2l+X*()t(16)其中,D=|X*-X(t)|表示鲸鱼和猎物之间的距离,b定义为限制阿基米德螺旋线的常数,l是-1,1 之间的随机数。值得一提的是,座头鲸在猎物周围游动,逐渐收缩成圆形和螺旋形。为了促进模型的建立,假设有50%的可能性在收缩包围机制和螺旋更
23、新位置之间进行选择,以在优化过程中更新鲸鱼的位置。数学模型如下:X()t+1=X*()t AD+,p 0.5D(bl)cos()2l+X*()t,p 0.5(17)式中,p是 0,1 中的随机数。(3)搜寻猎物。在此阶段,为了使搜索范围更广,搜索代理随机散开,搜索代理的位置被随机选择的最佳候选代理替换,并加入干扰因子,数学描述模型为:D=|CXrand-X()t(18)X()t+1=Xrand-AD+(19)其中,Xrand是从当前种群中选择的随机位置向量(随机鲸鱼),在每次迭代中会执行干扰因子,彻底搜索代理附近的位置,在下一次迭代将会产生一个新的最佳搜索代理来更新位置。当|A|1时,随机选择
24、一个代理作为下一步参考,|A|1时,选择当前最佳搜索代理。本文采用平均包络熵作为适应度函数,用于衡量分解后时间序列的稀疏特性,熵越小时间序列分布越有规律,VMD分解后会包含更多有效信息,选取最小平均包络熵 22,即可得到最佳参数组合。再对比IWOA 与粒子群算法(Particle Swarm Optimization,PSO)、WOA 这 3 种算法对 VMD 算法参数寻优的效果。本文提出的算法在寻优速度和噪声含量方面均优于另外两种算法(图3)。具体而言,通过平均包络熵的值可知,经过IWOA分解后得到的IMF分量中,噪声含量较少。表明本文提出的采用等螺距阿基米德路径以及引入扰动机制的IWDA,
25、可以增强算法的寻优能力,避免陷入局部最优。2.2 采用IWOA优化的VMD算法和改进小波阈值的心电信号去噪在VMD分解前,需要设置合适的模态个数K和惩罚参数,若K值过大,会过分解导致一个分量包含在多个分量中,产生频谱混叠;若K值过小,会欠分解导致多个分量包含在一个分量中。也是一样,若过大,带宽限制会变窄造成频带信息丢失;反之会将冗余成分保留下来23。因此,本文用具有扰动机制和复杂路径的IWOA优化VMD算法,确定参数组合K和,选取平均包络熵为适应度函数,整体算法流程如图4所示。对心电信号进行去噪,流程如下:(1)输入含噪ECG信号,初始化WOA算法中的参数、种群规模、迭代次数、空间维度以及VM
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 改进 WOA VMD 算法 电信号
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。