基于Informax的優(yōu)化ICA心電信號(hào)去噪研究.pdf

1、盲源分離，是在源信號(hào)未知，混合系統(tǒng)也未知的情況下，從一些觀測(cè)信號(hào)中把觀測(cè)不到的源信號(hào)恢復(fù)出來，在科學(xué)研究、工程應(yīng)用甚至現(xiàn)實(shí)生活中，可以把觀測(cè)到的很多信號(hào)當(dāng)成是未知源信號(hào)的混合。獨(dú)立分量分析(Independent Component Analysis，ICA)就是在盲源分離這種應(yīng)用背景下應(yīng)運(yùn)而生，并逐步發(fā)展成為信號(hào)處理及數(shù)據(jù)分析的得力方法。應(yīng)用ICA方法解決盲源分離問題，僅需滿足源信號(hào)統(tǒng)計(jì)獨(dú)立等一些易滿足的先驗(yàn)條件，就能從混合信號(hào)中恢復(fù)

2、原本不能夠觀測(cè)到的各源信號(hào)成分，因此被廣泛應(yīng)用于生物醫(yī)學(xué)信號(hào)處理、語音信號(hào)的識(shí)別與分離、圖像處理與識(shí)別、地理空間信息處理等諸多領(lǐng)域。
　　 心電信號(hào)是最早用于臨床醫(yī)學(xué)研究以及疾病檢測(cè)的生物電信號(hào)之一，它是了解心臟活動(dòng)的重要途徑，也是心臟及心血管疾病預(yù)防與診斷的重要依據(jù)。通常從體表獲得的心電信號(hào)，都不可避免地受到工頻干擾、基線漂移以及EMG尾跡等噪聲的干擾。去除心電信號(hào)的噪聲，對(duì)后續(xù)的特征波檢測(cè)與識(shí)別、病理診斷、數(shù)據(jù)壓縮等都具有非

3、常重要的意義，因此備受國(guó)內(nèi)外學(xué)者關(guān)注。心電信號(hào)去噪問題可以看成是一個(gè)盲源分離問題，其產(chǎn)生機(jī)理、噪聲環(huán)境及體表信號(hào)采集過程基本滿足ICA的假設(shè)條件與數(shù)學(xué)模型，所以可以通過ICA建模來處理。通常典型的ICA算法模型都假設(shè)獨(dú)立源信號(hào)具有相同或類似分布。如傳統(tǒng)ICA算法在分離過程中僅用到信號(hào)二階與四階的統(tǒng)計(jì)量，即說明算法在處理問題時(shí)是隱含假設(shè)源數(shù)據(jù)滿足高對(duì)稱分布。但這種假設(shè)與分析數(shù)據(jù)的實(shí)際情況并不總是相一致，一旦該隱含假設(shè)不成立，傳統(tǒng)ICA算法

4、將不能有效分離源信號(hào)。針對(duì)傳統(tǒng)ICA法不能有效解決非對(duì)稱分布源信號(hào)的缺陷，本文基于源信號(hào)密度估計(jì)方法，來優(yōu)化傳統(tǒng)ICA的分離結(jié)果。
　　 本文詳細(xì)闡述了ICA的基本模型與算法組成，并在傳統(tǒng)Informax算法基礎(chǔ)上進(jìn)行了優(yōu)化，提出了基于Informax的優(yōu)化ICA去噪方案，并建模仿真，精準(zhǔn)地濾除了影響心電信號(hào)提取的三大噪聲，獲得了理想的效果。
　　 最后，本文將基于Informax的優(yōu)化ICA心電去噪方法與常用的Info