以雙重經驗模態分解法從事穿戴式心電圖儀雜訊移除之研究

Abstract

心電圖是判斷心臟疾病一種最普遍的手段，因此心電圖訊號的正確性對診斷非常重要。在傳統的運動心電圖中，低頻漂移與肌電雜訊一直是干擾正常心電圖的最大來源。這些雜訊會造成我們在偵測心電圖數值(如R-R interval、QT interval)時，因為訊號不夠乾淨而產生錯誤。為了解決動態心電圖中長久以來存在的問題，於是便展開了本研究。論文中引進一種通訊系統常用的經驗模態分解法(Empirical Mode Decomposition, EMD)，先將長時間的心電訊號，分解成許多本質模態函數(Intrinsic Mode Functions, IMFs)，再將低頻漂移所在的函數移除，重建成原本的心電圖。雙重經驗模態分解法(dual EMD)最重要的目的，是為了解決暫態雜訊與QRS複合波，頻域相近的問題。在第二次EMD時，對於短時間不含QRS波的區段進行除噪，以避免因頻域相近造成效果不佳。