郭兴明 袁志会

(重庆大学生物工程学院，重庆 400044)

引言

心音信号是一种典型的非平稳、非线性信号。对于心音信号的研究，传统的处理方法一般是在假设心音信号为平稳或分段平稳的前提下进行的，这就需要用虚假的高频成分去补偿信号的非平稳性，容易引起能量的扩散，以致得到错误的信息。经验模式分解方法(empirical mode decomposition，EMD)是1998年由 HUANG等提出的［1］，它是基于信号的局部特征时间尺度，把复杂的信号分解为固有模态函数(intrinsic mode functions，IMF)之和，每一个IMF所包含的频率成分不仅与频率有关还随信号本身变化而变化。因此，该方法具有自适应性，非常适合处理非线性与非平稳信号。基于这样的特性，EMD也被广泛用于心音信号特征信息的提取［2－3］。

在获取IMF分量时，由于采用三次样条插值的方法获取信号上下包络线的瞬时平均，这使得EMD分解过程中存在特殊的边缘效应，即端点效应问题，严重的会影响整个信号的分析，这是 EMD分解中的一个难点。目前常见的镜像延拓法［4］、基于神经网络的延拓法［5］、基于多项式拟合的延拓方法等虽然在一定程度上抑制了端点效应［6］，但这些方法的本质都是在边界两端预测数据来抑制端点效应对信号分解的影响，而没有考虑信号中噪声对三次样条插值的影响。由于信号在采集过程中容易叠加大量的噪声信号，上述方法并不能从根本上解决端点效应问题，如果噪声信号在EMD分解过程中一直存在，就会增加大量的无用频率分量，随着分解层数的增加，边界处的波动逐渐向内“污染”整个数据序列，从而加剧端点效应。……