[發明專利]一種基于K-SVD與OMP算法結合的心電信號去噪方法

有效

• 申請號: 201811476879.1
• 申請日: 2018-12-05
• 公開（公告）號: CN109635699B
• 公開（公告）日: 2023-08-29
• 發明（設計）人: 湯偉;王權;劉嫣;王玲利
• 申請（專利權）人: 陜西科技大學
• 主分類號: G06F18/214
• 分類號: G06F18/214;G06F18/10
• 代理公司: 西安西達專利代理有限責任公司 61202
• 代理人: 劉華

1.一種基于K-SVD與OMP算法結合的心電信號去噪方法，其特征在于，首先通過MIT-BIH心率失常數據庫訓練得到超完備字典儲存心電信號時，用超完備字典對原始檢測心電信號Y做稀疏分解得到分解系數存儲分解系數中非零值及其位置；還原心電信號時，用解分解系數和訓練所得超完備字典高質量地恢復出心電信號，包括以下步驟：

1)利用近似奇異值分解的稀疏K-SVD算法及訓練樣本集y對初始字典D進行訓練，得到超完備字典所述的訓練樣本集y來源于MIT-BIH心率失常數據庫；

1.1)初始化字典D；

1.2)利用OMP算法對訓練樣本集y進行分解，計算分解后的殘差；

1.3)判斷殘差是否小于閾值，若不小于，則重復步驟1.2)；

1.4)選擇訓練樣本集y中的第k列向量α_k，產生誤差矩陣E_k，對E_k進行SVD分解，更新字典D中的第k列的原子d_k；

1.5)判斷字典是否更新完畢，若未更新完畢，則更新k值后重復步驟1.4)；

1.6)生成訓練后的超完備字典字典訓練完畢；利用K-SVD算法對字典D進行更新的學習過程，即為下式所表達的優化問題：

其中，y為訓練樣本集，D為字典，系數矩陣為訓練信號稀疏表示的稀疏向量集合，T₀表示稀疏系數非零個數的最大值；

2)利用基于殘差比迭代方式的OMP算法對原始檢測心電信號Y進行稀疏表示，得出稀疏編碼系數所述的原始檢測心電信號Y為心臟電活動在人體體表的表現；

2.1)初始化參數設置；輸入原始檢測心電信號Y；

2.2)迭代過程，利用OMP算法更新稀疏編碼系數直至迭代次數大于參數設置的最大迭代次數；

2.2.1)進行內積，尋找最佳原子索引i_m，

2.2.2)利用施密特正交化法更新原子索引集合t_m，t_m＝t_m-1∪i_m；

2.2.3)利用施密特正交化法更新子字典T_m，

2.2.4)更新系數估計其中

2.2.5)更新殘差

2.2.6)判斷終止條件，若mK，算法結束；

步驟2.2.1)至步驟2.2.6)中，殘差r₀＝y，分解系數索引集合t₀＝[]，子字典T₀＝[]，迭代因子m＝1，最大迭代次數iterNum＝k；

2.3)輸出分解系數

3)利用訓練好的超完備字典與稀疏編碼系數來重構去噪后的信號超完備字典稀疏編碼系數與去噪后的信號的關系是：

2.根據權利要求1所述的一種基于K-SVD與OMP算法結合的心電信號去噪方法，其特征在于，訓練樣本集y選自Gabor原子庫；Gabor函數的表達式如下所示：

其中，g(t)為高斯窗函數，γ是由s,u,v,w四種參數決定的時頻參數，s為尺度因子，決定了函數能量分布率；v為頻率調制因子，決定了函數主頻；u為平移因子，決定了函數波形的位置；w為相位因子，決定了函數的相位；通過次函數便可以生產Gabor字典。

3.根據權利要求1所述的一種基于K-SVD與OMP算法結合的心電信號去噪方法，其特征在于，步驟1.2)引入參數進行SVD分解，將殘差問題轉化為：

x_k是α_k所對應系數矩陣X的第k行向量，E_k為去掉α_k的訓練樣本集y的殘差，α_k是訓練樣本集3y中第k列向量；分別為E_k去掉零輸入后的結果；σ_k為N×|ω_k|矩陣，d_k為字典D中的第k列的向量。

4.根據權利要求3所述的一種基于K-SVD與OMP算法結合的心電信號去噪方法，其特征在于，所述步驟1.4)更新字典D中的原子d_k的原理為：對E_k進行SVD分解，得到E_k＝UΔV^T，其中U的第一列是d_k優化的結果，更新d_k。