基于ICEEMDAN与样本熵的脑血氧信号去噪方法OA

人体生理活动和随机噪声都会对脑血氧检测数据精度产生影响,为提高测量精度,需解决信号采集时遇到的噪声干扰。文中提出一种利用改进的具备自适应噪声的完全集成经验模态分解(Improved Complete Empirical Mode Decomposition with Adaptive Noise,ICEEMDAN)与样本熵(Sample Entropy,SampEn)相结合的脑血氧信号去噪方法。利用ICEEMDAN对脑血氧信号进行模态分解,从而获得不同时间复杂度的固有模态函数(Intrinsic Mode Function,IMF)分量。通过样本熵值判断各IMF分量的时间复杂度,依据IMF分量的样本熵值选择合适的分量重构信号,从而去除原始信号的噪声。实验结果表明,所提方法可以有效去除原始脑血氧信号中的噪声,实现采集数据的精度提升,进而提高脑血氧检测精度。