[论文解读] Denoising ECG by Adaptive Filter with Empirical Mode Decomposition

Bingze Dai, Wenlei Bai|arXiv (Cornell University)|Aug 18, 2021

ECG Monitoring and Analysis参考文献 29被引用 5

一句话总结

本文提出了一种新颖的 ECG 信号去噪框架，结合经验模态分解（EMD）与自适应滤波，有效去除多种噪声类型——基线漂移、工频干扰、电极运动伪影和肌电伪影。所提出的并行 EMD-自适应滤波结构在 MIT-BIH 心律失常数据库上实现了最高的信噪比（SNR）提升，证明了其在复杂多噪声场景下的优越性能。

ABSTRACT

Electrocardiogram (ECG) signal is an important physiological signal which contains cardiac information and is the basis to diagnosis cardiac related diseases. In this paper, several innovative and efficient methods based on adaptive filter and empirical mode decomposition (EMD) to denoise ECG signal contaminated by various kinds of noise, including baseline wander (BW), power line interference (PLI), electrode motion artifact (EM) and muscle artifact (MA), are proposed. We first present a novel method based on EMD and adaptive filter for the removal of BW and PLI in ECG signal. We then extend the method to the complex scenario where four most common noises, PLI, BW, EM and MA are present. The proposed Parallel EMD adaptive filter structure yields the best SNR improvement on the MIT-BIH arrhythmia database, corrupted by the four types of noises.

研究动机与目标

• 解决由于基线漂移、工频干扰、电极运动和肌电伪影等多重重叠噪声源导致的 ECG 信号退化问题。
• 开发一种高效、自适应的信号处理框架，以提升 ECG 质量，实现准确的心脏病诊断。
• 在受复杂噪声环境污染的真实 ECG 录制中提升信噪比（SNR）。
• 在真实噪声条件下，于标准 ECG 数据库（MIT-BIH 心律失常数据库）上验证所提出方法的有效性。

提出的方法

• 该方法采用经验模态分解（EMD）将含噪 ECG 信号分解为本征模态函数（IMFs），将噪声分量与主要心脏信号分离。
• 对含有噪声的 IMFs 应用自适应滤波，利用 EMD 过程中提取的参考信号跟踪并抑制非平稳噪声分量。
• 设计并行结构，通过为特定 IMFs 分配目标滤波，实现对基线漂移、工频干扰、电极运动和肌电伪影等多种噪声类型的同步处理。
• 自适应滤波采用最小均方（LMS）算法，基于估计噪声分量与实际噪声分量之间的误差，迭代调整滤波器系数。
• 通过将去噪后的 IMFs 重新组合形成重构信号，保留原始 ECG 的形态特征，同时去除伪影。
• 在 MIT-BIH 心律失常数据库上对方法进行评估，通过人为合成四种噪声类型以模拟真实临床条件。

实验结果

研究问题

• RQ1 EMD 是否能有效分离 ECG 信号分量与多种重叠噪声类型，如基线漂移、工频干扰、电极运动和肌电伪影？
• RQ2 在多噪声环境中，EMD 与自适应滤波的结合相较于传统去噪方法，能否显著提升 SNR？
• RQ3 EMD-自适应滤波结构的最优配置是什么，以实现对多样化 ECG 噪声源的同时抑制？
• RQ4 所提出的并行滤波架构在 SNR 和信号保真度方面是否优于串行或单滤波方法？

主要发现

• 所提出的并行 EMD-自适应滤波结构在 MIT-BIH 心律失常数据库上所有测试方法中实现了最高的信噪比（SNR）提升。
• 该方法能同时有效抑制四种主要 ECG 噪声类型——基线漂移、工频干扰、电极运动伪影和肌电伪影。
• EMD 有效将噪声分量分离至独立的 IMFs，实现对目标噪声的精准自适应滤波，同时最小化对原始 ECG 形态的失真。
• 自适应滤波组件显著降低了残余噪声，尤其在非平稳和瞬态噪声条件下表现突出。
• 该方法保持了对原始 ECG 信号的高度保真度，完整保留了 QRS 复合波和 ST 段等临床相关特征。
• 该框架在复杂真实噪声环境中表现出强健性和适应性，优于传统滤波技术。