自适应滤波的EMD改善管壁血流多普勒信号分离精度的研究.pdfVIP

自适应滤波的EMD改善管壁血流多普勒信号分离精

度的研究

随着生物医学领域的发展，心血管疾病已成为影响人类健康的一大

主要疾病。鉴于医疗技术的不断进步，研究心血管疾病的方法也在不断

创新。其中，血流多普勒成像(Dopplerflowimaging)技术是诊断心血管

疾病常用的一种非侵入性方法。然而，由于管壁的运动和形变对信号的

采集和处理产生了一定的干扰，这种方法也存在许多问题。

自适应滤波和经验模态分解是两种有效的方法，可用于处理血流多

普勒信号。然而，这两种方法都存在局限性。自适应滤波通常需要对滤

波器的参数进行手动调整，不太方便和准确。而经验模态分解方法则需

要对信号进行大量的预处理，并且对信号的各个成分需要进行局部滤波，

工作量较大且复杂。因此，本文的研究致力于探究如何结合以上两种方

法，以提高管壁血流多普勒信号分离的精度。

本文针对血流多普勒信号的特点，提出了自适应经验模态分解方法

(AEMD)，该方法用于多普勒信号的自适应滤波和经验模态分解。该方法

首先利用自适应滤波对信号进行去噪处理，然后使用经验模态分解方法

对去噪信号进行分解。在经验模态分解方法中，使用的是局部自适应参

数，以便更好地适应信号的局部特征。最后，使用小波包分析方法对分

解后的信号进行进一步细分和处理，以获得更佳的信号精度。通过实验

验证，该方法在血流多普勒信号分离的精度方面取得了不错的结果。

此外，我们还进行了对比实验，以评估所提出方法的有效性。对比

方法包括：经验模态分解法(EMD)、小波包分析法(WPA)、自适应滤波法

(AF)和组合方法(AEMD)。实验结果表明，AEMD方法具有优异的性能，

提高了血流多普勒信号的分离精度，且处理效率高、复杂度低。

综上所述，AEMD方法是一种可行性较高的血流多普勒信号处理方

法。该方法结合自适应滤波和经验模态分解，在保证信号精度的同时，

减少了参数调整的困难和局部滤波的复杂度。此外，AEMD方法还能对信

号进行更细致的分解和处理，以更好地满足血流多普勒信号的特殊要求。

我们认为，在未来的研究中，AEMD方法将有更广泛的应用。