基于非负矩阵分解的盲源分离算法在心电信号消噪中的研究

《基于非负矩阵分解的盲源分离算法在心电信号消噪中的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、万方数据声明本人郑重声明：所呈交的学位论文，是本人在指导教师的指导下，独立进行研究所取得的成果。除文中已经注明引用的内容外，本论文不包含其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本声明的法律责任由本人承担。论文作者签名：筮筵日期：二。侈多g关于学位论文使用权的说明本人完全了解太原理工大学有关保管、使用学位论文的规定，其中包括：①学校有权保管、并向有关部门送交学位论文的原件与复印件；②学校可以采用影印、缩印或其它复制手段复制并保存学‘位论文；③学校可允许学位论文被查阅或借阅；④学校可

2、以学术交流为目的，复制赠送和交换学位论文；⑤学校可以公布学位论文的全部或部分内容(保密学位论文在解密后遵守此规定)。签名：盛。导师签名：．互丛盆叁IEI期：鱼J牛‘，∥万方数据太原理工大学硕士研究生学位论文基于非负矩阵分解的盲源分离算法在心电信号消噪中的研究摘要心电信号(Electrocardiogram，ECG)是人体的重要生理信号之一，其中包含着大量关于心脏的病变、病理状况的相关信息，也反映了心脏与心血管的结构及其生理和病理的特性。心电信号的分析诊断对心血管等系统疾病的诊断具有很重要的意义，其精确度和可靠度会直接地影响心脏疾病患者的临床医疗

3、诊断和愈后的效果评价。然而，传统的心电识别方法是医生临床听诊，很显然此过程具有一定的主观判断和不稳定性，准确性比较差。现阶段，从人体体表获取的心电信号，或多或少都会受到工频干扰、肌电干扰以及基线漂移等多种噪声的干扰。因此消除心电信号的噪声，对之后临床研究的特征波检测以及病理诊断等需求都具有重要的意义。非负矩阵分解(Non—negativeMatrixFactorization，NMF)，作为一种新兴的特征分离方法，由Lee和Seung等人在盲源分离的应用背景下于1999年提出，并发表在Nature杂志上，并且慢慢发展成为了信号处理和数据分析韵有

4、效方法。通过在矩阵分解过程中加入非负的矩阵元素，非负矩阵分解使得分解结果呈现出的完全不同，完成了降维的非线性目标。随着盲源信号处理研究的逐渐加深，非负矩阵分解已经逐步成为信号处理、生物医学和图像处理等多个研究领域中最受学者青睐的数据处理工具之一。本文将非负矩阵分解应用于对心电信号的消噪，具有收敛速度快、稀疏性、非负性、降维等特性。万方数据太原理工大学硕士研究生学位论文在对基本NMF算法的学习中，NMF加人了非负的约束。这样，通过分解得到的基信号数据以及用于重构的权重系数都是非负的。在这种模式下，只允许线性叠加运算，这就保证了“局部构成整体”模式

5、。因此，NMF被认为是提取局部特征的一种方法。但是，NMF算法得到的“部分”有时候并不是像我们预期的那样局部化，而且基本NMF方法在某些时候的识别率不是很高。出于对NMF原算法的深入学习，本人在研究局部信号数据时建立PNMF算法，其目的是通过引入稀疏性限制获得编码矢量(矩阵卸真正的局部分解对象，并使基本组件(矩阵叨局部稀疏化，加强基成分的局部化特征，使算法适用于局部特征非常重要的应用。，本文结合NMF算法特点及心电信号特征，首次提出了一种新的NMF算法一一PNI心对心电信号盲源分离。结合MIT／BIH国际标准数据库中ECG数据和模拟基线漂移、工

6、频干扰以及肌电干扰噪声合成含噪声心电信号，并应用新提出的PNMF算法进行盲源分离实验研究，对分离结果采用信噪比(SignaltoNoiseRatio．，SNR)评价参数进行量化评价，与3种不同的NMF算法进行了对比，同时将PNMF算法与FasflCA算法的的分离结果做比较，从分离精度的角度来看，本文的算法取得了最佳的效果。实验结果表明PNMF算法可有效分离心电源信号，为实际心电后期准确诊断提供了一定的参考依据。关键词：盲源分离；非负矩阵分解；心电信号；去噪万方数据太原理工大学硕士研究生学位论文ResearchONECGSIGNALDENOSIN

7、GBASED0NNON．NEGATIVEMATRⅨFACtTO剐眨ATl0N0FBLINDSOURCESSEPARATIONABSTRACTECGsignalisakindofimportantphysiologicalsignalsfromhumanbody，itcontainsalotofinformationonthestateoftheheartpathologyandECGsignalreflectstheheartandcardiovascularstructureanditsphysiologicalandpathological

8、information．TheanalysisofECGsignalisofgreatsignificancetothediagnosisofdise