平移不变小波在心音信号去噪中的应用

计算机工程与应用 ›› 2014, Vol. 50 ›› Issue (24): 209-212.

平移不变小波在心音信号去噪中的应用

郭兴明，何彦青，卢德林，袁志会

重庆大学生物工程学院，重庆 400044

出版日期:2014-12-15 发布日期:2014-12-12

Application of translation invariant wavelet in heart sound signal de-noising

GUO Xingming, HE Yanqing, LU Delin, YUAN Zhihui

College of Bioengineering, Chongqing University, Chongqing 400044, China

Online:2014-12-15 Published:2014-12-12

摘要/Abstract

摘要： 小波阈值去噪方法可以消除心音信号中的噪声，但其缺乏平移不变性，可能在信号的奇异点附近产生人为的振荡现象，即Pesudo-Gibbs现象，影响去噪效果。采用平移不变（Translation Invariance，TI）小波阈值去噪的方法对心音信号进行去噪，通过对信号序列平移来改变奇异点在整段信号的位置，以降低或消除振荡。对信号采用平移不变小波去噪之前，先通过消除趋势项来降低信号采集过程中引入的干扰。实验结果表明，该方法消除了人为振荡现象，在保留心音信号主要特征的前提下，信号的信噪比（Signal-to-Noise Ratio，SNR）和根均方误差（Root Mean Square Error，RMSE）均得到明显改善。

关键词: 心音信号, 小波阈值去噪, 平移不变性

Abstract: The wavelet threshold de-noising method can eliminate the noise existing in heart sound signals, but the lack of translation invariance, may produce artificial oscillation phenomenon near the singularity of the signal, namely Pesudo-Gibbs phenomenon influencing the de-noising result. Therefore, the wavelet threshold de-noising method based on translation invariance（Translation Invariance, TI） is adopted to process the heart sound signals, which changes the position of singular points through translating the signal sequence, to reduce or eliminate the oscillation. Before processing heart sounds with this way, firstly it needs to eliminate the interference introduced during the acquisition process by reducing trend terms. The experimental results show that this method eliminates artificial oscillation phenomenon, and that the Signal-to-Noise Ratio（SNR） and Root Mean Square Error（RMSE） are obviously improved under the precondition of keeping the main characters of the heart sound signals.

Key words: heart sound signals, wavelet threshold de-noising, translation invariance

郭兴明，何彦青，卢德林，袁志会. 平移不变小波在心音信号去噪中的应用[J]. 计算机工程与应用, 2014, 50(24): 209-212.

GUO Xingming, HE Yanqing, LU Delin, YUAN Zhihui. Application of translation invariant wavelet in heart sound signal de-noising[J]. Computer Engineering and Applications, 2014, 50(24): 209-212.

[1]	杜煜章，潘家华，宗容，粟炜，王威廉. 基于硬件加速的轻量级网络心音分类器[J]. 计算机工程与应用, 2021, 57(23): 263-269.
[2]	孟娟，洪利，程丽娜，吴燕雄. 自适应去噪的地震数据采集系统设计[J]. 计算机工程与应用, 2017, 53(16): 258-262.
[3]	邓玉波，苏娟. 基于纹理方向能量特征的虹膜识别算法[J]. 计算机工程与应用, 2017, 53(15): 196-199.
[4]	杨正瓴1，2，张玺1，张军1，2，杨钊1，刘亚迪1. 采用反正切变换降低小波去噪对野值的敏感性[J]. 计算机工程与应用, 2017, 53(10): 241-245.
[5]	孔国杰，王凯，沈明堂，张芳，吴科. 一种结合小波阈值滤波的自适应整体变分方法[J]. 计算机工程与应用, 2016, 52(8): 240-242.
[6]	谷鹏1，2，朱俊华1，2，丁飞1，2. 一种含噪压缩感知的语音消噪方法[J]. 计算机工程与应用, 2015, 51(15): 216-220.
[7]	李婷1，2，邱天爽1，唐洪1. 基于循环平稳特性的心音信号噪声评价指标[J]. 计算机工程与应用, 2012, 48(24): 10-14.
[8]	张国超1，2，李平1. 相位差结合小波包的无人直升机故障诊断[J]. 计算机工程与应用, 2012, 48(18): 212-216.
[9]	曹晓英1，2，张智军1，向建军1. 基于提升小波改进阈值的雷达信号去噪方法[J]. 计算机工程与应用, 2012, 48(14): 143-147.
[10]	王佐成，刘晓冬，薛丽霞. 双曲线函数在灰度图像小波阈值去噪中的应用[J]. 计算机工程与应用, 2010, 46(35): 177-179.
[11]	龚劬，安艳萍，罗淑芬. 一种基于图像区域分割的小波去噪方法[J]. 计算机工程与应用, 2010, 46(34): 191-194.
[12]	刘灿，刘哲，徐华楠. 循环平移和非下采样在轮廓波去噪中的应用[J]. 计算机工程与应用, 2009, 45(33): 144-146.
[13]	岳爱菊,汪西莉. 基于非下采样Contourlet变换的图像边缘检测[J]. 计算机工程与应用, 2009, 45(14): 161-163.
[14]	陈桂宏,夏国荣. 钢丝绳信号消噪方法的仿真研究[J]. 计算机工程与应用, 2009, 45(13): 217-219.
[15]	李俊峰,李其申,赵喜玲,江泽涛. 基于多方向àtrous小波变换的多传感器图像融合[J]. 计算机工程与应用, 2008, 44(30): 193-195.