基于非負(fù)矩陣分解的盲源分離算法在心電信號(hào)消噪中的研究.pdf

1、心電信號(hào)（Electrocardiogram，ECG）是人體的重要生理信號(hào)之一，其中包含著大量關(guān)于心臟的病變、病理狀況的相關(guān)信息，也反映了心臟與心血管的結(jié)構(gòu)及其生理和病理的特性。心電信號(hào)的分析診斷對(duì)心血管等系統(tǒng)疾病的診斷具有很重要的意義，其精確度和可靠度會(huì)直接地影響心臟疾病患者的臨床醫(yī)療診斷和愈后的效果評(píng)價(jià)。然而，傳統(tǒng)的心電識(shí)別方法是醫(yī)生臨床聽診，很顯然此過程具有一定的主觀判斷和不穩(wěn)定性，準(zhǔn)確性比較差。現(xiàn)階段，從人體體表獲取的心電信號(hào)，

2、或多或少都會(huì)受到工頻干擾、肌電干擾以及基線漂移等多種噪聲的干擾。因此消除心電信號(hào)的噪聲，對(duì)之后臨床研究的特征波檢測(cè)以及病理診斷等需求都具有重要的意義。
　　非負(fù)矩陣分解(Non-negative Matrix Factorization，NMF)，作為一種新興的特征分離方法，由Lee和Seung等人在盲源分離的應(yīng)用背景下于1999年提出，并發(fā)表在Nature雜志上，并且慢慢發(fā)展成為了信號(hào)處理和數(shù)據(jù)分析韻有效方法。通過在矩陣分解過程

3、中加入非負(fù)的矩陣元素，非負(fù)矩陣分解使得分解結(jié)果呈現(xiàn)出的完全不同，完成了降維的非線性目標(biāo)。隨著盲源信號(hào)處理研究的逐漸加深，非負(fù)矩陣分解已經(jīng)逐步成為信號(hào)處理、生物醫(yī)學(xué)和圖像處理等多個(gè)研究領(lǐng)域中最受學(xué)者青睞的數(shù)據(jù)處理工具之一。本文將非負(fù)矩陣分解應(yīng)用于對(duì)心電信號(hào)的消噪，具有收斂速度快、稀疏性、非負(fù)性、降維等特性。
　　在對(duì)基本NMF算法的學(xué)習(xí)中，NMF加人了非負(fù)的約束。這樣，通過分解得到的基信號(hào)數(shù)據(jù)以及用于重構(gòu)的權(quán)重系數(shù)都是非負(fù)的。在這種

4、模式下，只允許線性疊加運(yùn)算，這就保證了“局部構(gòu)成整體”模式。因此，NMF被認(rèn)為是提取局部特征的一種方法。但是，NMF算法得到的“部分”有時(shí)候并不是像我們預(yù)期的那樣局部化，而且基本NMF方法在某些時(shí)候的識(shí)別率不是很高。
　　出于對(duì)NMF原算法的深入學(xué)習(xí)，本人在研究局部信號(hào)數(shù)據(jù)時(shí)建立PNMF算法，其目的是通過引入稀疏性限制獲得編碼矢量（矩陣H)真正的局部分解對(duì)象，并使基本組件（矩陣W)局部稀疏化，加強(qiáng)基成分的局部化特征，使算法適用于局

5、部特征非常重要的應(yīng)用。
　　本文結(jié)合NMF算法特點(diǎn)及心電信號(hào)特征，首次提出了一種新的NMF算法——PNMF對(duì)心電信號(hào)盲源分離。結(jié)合MIT/BIH國(guó)際標(biāo)準(zhǔn)數(shù)據(jù)庫(kù)中ECG數(shù)據(jù)和模擬基線漂移、工頻干擾以及肌電干擾噪聲合成含噪聲心電信號(hào)，并應(yīng)用新提出的PNMF算法進(jìn)行盲源分離實(shí)驗(yàn)研究，對(duì)分離結(jié)果采用信噪比(Signal to Noise Ratio，SNR)評(píng)價(jià)參數(shù)進(jìn)行量化評(píng)價(jià)，與3種不同的NMF算法進(jìn)行了對(duì)比，同時(shí)將PNMF算法與Fas