中文引用格式： 張寶林，易鋼，湯鑫. 基于CoatiOA-VMD-WT的光電容積脈搏波去噪方法[J]. 電子技術(shù)應(yīng)用，2025，51(5)：55-61.
英文引用格式： Zhang Baolin，Yi Gang，Tang Xin. A de-noising method for photoplethysmographic signals based on CoatiOA-VMD-WT[J]. Application of Electronic Technique，2025，51(5)：55-61.
引言
光電容積脈搏波（photoplethysmography，PPG）描記法是一種無創(chuàng)連續(xù)測量血氧飽和度和心率的方法[1]， PPG信號是低幅低頻的微弱信號，采集過程中容易受到肢體運動和環(huán)境光等外界環(huán)境干擾，影響后續(xù)的信號特征的準(zhǔn)確提取[2]。正常人的脈象[3]在0~20 Hz頻率范圍內(nèi)，并且從脈搏功率譜能量分布來看，99%的能量集中在0.5~10 Hz，極其容易受到高頻信號影響產(chǎn)生毛刺變得模糊。為了更好地進行研究，需要對PPG進行去噪方便后續(xù)使用。
針對PPG信號降噪的問題，常用的方法有很多，比如經(jīng)驗?zāi)B(tài)分解[4]（EMD）、集合經(jīng)驗?zāi)B(tài)分解[5]（EEMD）、傅里葉變換、小波變換[6]（WT）、經(jīng)驗小波變換[7]（EWT）和變分模態(tài)分解[8]（VMD）。EMD降噪會存在模態(tài)疊加問題，需要主觀地對模態(tài)的數(shù)量進行判別，并且會丟失有效信號；EEMD則會因為仿真的白噪聲問題降低算法去噪能力[5]；WT與EWT則會因為選取的小波基好壞的問題，產(chǎn)生不同的效果[9]；而VMD是2014年Konstantin等人提出的一種時域信號分析方法，相比傳統(tǒng)方法來說，它分解速度快，抗干擾能力強，魯棒性好，并且可以解決EMD和EEMD模態(tài)疊加的問題。此外VMD適用性也廣，在各種信號的處理中都有不錯的效果。但是VMD方法有兩個關(guān)鍵因素，即模態(tài)分量的個數(shù)K值以及懲罰因子，如何去確定這兩個值是使用VMD方法的難點。
為了選取合適的K值和值，針對不同的研究信號，學(xué)者提出了灰狼優(yōu)化算法、鵜鶘優(yōu)化算法、白鯨優(yōu)化算法和粒子群優(yōu)化算法等，在這些算法里面，都是利用包絡(luò)熵、排列熵、能量熵等各種熵作為依據(jù)來確定K和的值。候春堯等人[10]采用了灰狼優(yōu)化算法，利用包絡(luò)熵和類信噪比復(fù)合判定指數(shù)獲取VMD的最優(yōu)值進行GWO-VMD的降噪；冉茂霞等人[11]采用了粒子群優(yōu)化算法優(yōu)化VMD參數(shù)，但是粒子群算法容易陷入局部最優(yōu)解；馬星河等人[12]運用了鵜鶘優(yōu)化算法采用最小包絡(luò)熵作為評判標(biāo)準(zhǔn)得出最優(yōu)K值和值進行了POA-VMD的去噪；陳元健等人[13]利用了白鯨優(yōu)化算法，也是利用包絡(luò)熵算出K和值進行了BWO-VMD的去噪。但是針對PPG信號乃至生理信號這類問題，使用這種復(fù)合方法的研究內(nèi)容比較少見。
基于此問題，本文提出利用長鼻浣熊優(yōu)化算法VMD-WT的去噪方法，基于此算法結(jié)合VMD-WT，經(jīng)過對比包絡(luò)熵、排列熵熵和信號熵的值，確定使用包絡(luò)熵來確定VMD的最佳參數(shù)[K,]進行尋優(yōu)，再利用余弦相似度方法對VMD分解的IMFs進行篩選，對含噪聲分量利用WT去噪再重構(gòu)，獲得降噪后的PPG信號。通過仿真數(shù)據(jù)實驗本文方法的可靠性和有效性。
本文詳細(xì)內(nèi)容請下載：
http://www.xxav2194.com/resource/share/2000006526
作者信息：
張寶林，易鋼，湯鑫
（湖南中醫(yī)藥大學(xué) 信息科學(xué)與工程學(xué)院，湖南 長沙 410208）
