4.4 去噪实验结果分析
根据上文讨论,总结出基于小波去噪的优化算法关键步骤,具体参见算法4.2。
算法4.2 小波去噪优化算法

本书选取从ECG ID数据库取样10 个记录作对比实验,每个记录取前10分钟的数据。分别采用基于EEMD的自适应遗传算法(Genetic EEMD),基于离散小波变换的自适应阀值去噪算法(Threshold DWT),及本书经过优化计算的小波去噪算法(Proposed DWT)进行滤波处理。研究从滤波时间消耗、去噪效果、信号损失等几个方面评价的效果。为说明信号去噪后的有效能量损失程序,定义均方差MSE(mean squared error)来说明去噪信号与原始信号之间的差异。MSE越小,表明信号损失越小,信号还原效果越好。为了反映噪声抑制效果,定义噪声抑制率NSR(noise suppression ratio),NSR越小表明去噪效果越好。

式(4-19)中,xi,yi分别表示去噪前和去噪后的离散信号。式(4-20)中,s(t),f(t),f′(t)分别表示原始信号、带噪声的信号以及经过去噪处理后的信号。从表4-3 所示的实验结果来看,基于小波的优化算法在MSE,NSR,time三个参数都要明显优于其他两种代表性去噪算法。从去噪效果上看,优化算法相对于基于阀值算法的小波去噪优势尤其明显;从CPU耗时来看,优化算法相对于基于遗传EEMD算法要节省一半时间。图4-10 是对person_01/rec_ 1记录前十秒数据进行去噪后的效果比较。(https://www.daowen.com)
表4-3 三种不同去噪算法效果比较


图4-10 三种不同去噪算法效果比较
(a)是原始ECG,(b)是含有噪声的ECG,(c)是经过阀值小波处理的ECG,(d)是经过遗传EEMD算法处理的ECG,(e)是经过本书算法处理的ECG