变分模态分解在去除心电图信号基线漂移中的应用

心电图(ECG)信号可反映心脏电生理功能活动状态并能为临床心脏病准确诊断提供有重要价值的信息。检测到人体的心电图信号,通常伴随着很多干扰,其中基线漂移干扰很大程度影响了对心电图信号的准确判断。根据变分模态分解(VMD)理论,提出了一种去除心电图信号基线漂移的方法。选择合适的分解层数,利用变分模态分解将心电图信号分解为一组模态分量,去除含有基线漂移成分的模态分量,重构剩余模态分量得到去除基线漂移后的心电图信号。通过ECG信号仿真和实际数据处理实验,与经验模态分解算法比较信噪比提高了4 d B,且能够保持心电图信号的形态特征,有效去除了基线漂移干扰。

基于IMF和预测滤波的轴承故障诊断方法

针对滚动轴承早期故障信息难以提取的问题,提出了基于固有模态函数(IMF)和线性预测滤波的诊断技术。首先,通过经验模态分解(EMD)把振动信号分解成一系列的固有模态函数。根据包络频谱相关信息提出了一种固有模态函数重构方法,将故障信息敏感的固有模态函数重构为一个新的信号。然后通过线性预测滤波加强重构后信号的冲击故障信息,最后利用信号的功率谱有效的展现了轴承的故障频率特性。通过实测滚动轴承信号对该方法进行了验证,结果表明该方法能准确的检测滚动轴承故障。

基于变分模态分解的心电信号QRS波检测

为了解决含噪心电信号QRS波的提取问题,本研究提出了一种基于变分模态分解(variation mode decomposition,VMD)的心电信号QRS波群检测和定位的方法。首先确定合适的分解层数,利用变分模态分解将心电信号分解为一系列模态分量。对每层模态分量进行分析,选取含有QRS波的模态分量层。通过小波变换的奇异值检测原理,确定心电信号的奇异值,定位心电信号R波的峰值位置,再检测QRS波的波形宽度。实验证明了该方法对含噪的QRS波检测准确度在96%以上,能够准确的检测和定位心电信号QRS波。