TY -的A2 Sangaiah阿伦•k . AU -张Dengyong盟——王姗姗AU -李,冯AU -田,商王盟——,金盟——丁Xiangling盟,龚Rongrong PY - 2020 DA - 2020/12/22 TI -一个高效的心电图基于经验模态分解去噪方法,样本熵,和改进阈值函数SP - 8811962六世- 2020 AB -心电图(ECG)信号很容易受到各种类型的噪音而被记录,减少后续诊断的准确性。因此,有效的使检测到的心电信号去噪已成为一个重要的研究课题。在本文中,我们提出了一个有效的心电图去噪方法基于经验模式分解(EMD),样本熵,和改进阈值函数。这种方法可以更好的消除噪声的ECG信号和计算机自动医疗系统提供更好的诊断服务。拟议的工作包括三个阶段的分析:(1)使用EMD信号分解为有限的固有模式函数(货币),根据每个订单的样本熵IMF EMD之后,货币基金的顺序确定去噪;(2)采用新的阈值函数,消除干扰这些货币在货币基金的顺序确定去噪;(3)信号重构和平滑。该方法解决了直接丢弃一阶IMF的缺点传统EMD去噪,提出了一种新的阈值去噪函数来改善传统的软、硬阈值函数。我们进一步从MIT-BIH数据库使检测到的心电信号进行仿真实验,在这三种类型的噪声模拟:高斯白噪声,肌电图(EMG),和电力线路的干扰。实验结果表明,该方法是健壮的多种类型的噪声。 Moreover, we analyze the effectiveness of the proposed method under different input SNR with reference to improving SNR ( 信噪比 小鬼 )和均方误差( 均方误差 ),然后比较与先前的心电信号去噪算法本文去噪技术。结果表明,该方法具有更高 信噪比 小鬼 和较低的 均方误差 。定性和定量研究表明,该算法是一个很好的ECG信号去噪方法。SN - 1530 - 8669你2020/8811962 / 10.1155——https://doi.org/10.1155/2020/8811962——摩根富林明——无线通信和移动计算PB - Hindawi KW - ER