摘要
由于伪运动和静脉噪声等因素的干扰，脉搏波在采集的过程中会产生高频噪声以及一定量的漂移。利用EMD方法把原始含噪脉搏波信号分解为若干个IMF分量。把每个IMF分量的相关系数值、Hilbert瞬时频率值、Hilbert幅值组成分值函数。提出分值均前比的概念作为动态阈值来避免人为因素的干扰。利用动态闽值对比分值函数的大小来对EMD分解出的IMF分量进行筛选，从而达到对脉搏波去除噪声和漂移的效果。利用粒子群优化算法计算最优分值函数构成使得去噪后的脉搏波均方误差根最小、信噪比值最大，即去噪效果最好。 仿照真实采集到的脉搏波中可能出现的噪声对仿真出的脉搏波加上高频噪声和一定位移的漂移。利用本文提出的改进EMD方法、小波分析方法、EMD方法对不同长度时间窗口的仿真脉搏波数据进行去噪处理。根据信噪比、均方根误差值可知本文提出的改进EMD方法明显优于小波分析和EMD方法去噪。利用本文提出的改进EMD方法对真实采集到的脉搏波数据进行处理，对比去噪后的脉搏波图形可知原始信号中的高频噪声和漂移已经去除。 通过上述步骤去除脉搏波中的噪声和漂移后，下面采用C-C算法确定相空间重构中的延迟时间和嵌入维数值把一维脉搏波扩充为多维脉搏波时间序列。利用支持向量机对重构后的多维脉搏波时间序列进行回归预测来进一步了解人体脉搏波数据的趋势。
NETL