EMD及其在生物医学信号处理中的应用研究.pdfVIP

物医学工程学杂志 2005 IBi omed Eng ~22(5)：1058~1062。 EMD及其在生物医学信号处理中的应用研究* 李永勤 王 清 邓亲恺 1(南方医科大学 生物医学工程系 医学物理教研室，广州 510515) 2(南方医科大学分校 数理计算机教研室，广州 510315) 摘要 介绍了一种适用于生物医学信号处理与分析的方法——经验模态分解(EMD)，结合Hilbert变换对心 电(ECG)信号及心跳问期(RRI)信号进行了分析，并重点与小波变换方法进行了比较。 关键词 经验模态分解 Hilbert变换 生物医学信号处理 应用研究 Research on EMD and its Application in Biomedical Signal Processing Li Yongqin。 Wang Qing Deng Qinkai。 1(Medical Physics Lab．，Department of Biomedical Engineering，Southern Medical University，Guangzhou 510515，China) 2(Department ofComputer，Branch Campus oftheSouthern Medical University．Guangzhou 510315，China) Abstract In this paper a new technique，Empirical Mode Decomposition(EMD)。for use in non—stationary and non—linear data processing，was introduced．Some simulated signal，real ECG and RRI signals combined with Hilbert Transform method were analyzed．The authors also put emphasis on the differences between EMD and Wavelet Transform． Key words Empirical mode decomposition Hilbert transform Biomedical signal processing Application research 包括：傅里叶变换(FT)、加窗(短时)傅里叶变换 1 概 述 (WFT)和小波变换(WT)等[2]。 在生命科学的研究中，包含着许多非常复杂的 因此，更为合理的分析方法就是把时频域尺度 时间序列的分析与处理过程。生物医学信号来源于 结合起来表示信号，即提取出信号的局部时间和频 生物体，由于生物体是一个庞大而复杂的系统，且生 率尺度特征。而理想的分解过程应该同时具备4个 物体的生理活动相互影响、相互渗透地交织在一起， 特征：即完备性、正交性、局部化及适应性[3]。 这就造成了生物医学信号的非平稳性质。而有关生 2 经验模态分解 物体适应能力的大量信息又恰恰蕴藏在信号的非平 稳性中L】]。因此，从噪声中提取有用信号，并对其进 经验模态分解 (Empirical mode decomposi— 行有效的分析是生物医学工程中面临的一个重大课 tion，EM13)是Huang在1998年提出的一种用于非 题。 线性和非平稳时间序列信号的处理方法[4]，它将复 对生物医学信号分析的目的，就是为了确定信 杂(包括平稳与非平稳，周期与非周期)数据