王 磊，孙 玮，陈奕博，李 鹏，赵凌霄

中国科学院 苏州生物医学工程技术研究所，江苏 苏州 215163

1 引言

基于心电信号的判读能够辅助医生对多种心血管疾病进行及时准确的临床诊断，对于有效降低突发性心血管疾病引起的不可修复性损伤和死亡率具有重大意义。不论是人工判读还是基于各种机器学习方法的智能判读，都需要对心电信号中包含的P波、QRS波群、T波等波形进行特征提取和模式分类，而临床采集到的心电信号中往往含有大量的噪声信号影响了心电信号读取效果[1]。

更加准确有效地消除心电信号中的噪声干扰，提高临床心电信号的信噪比，一直是相关研究者的关注热点之一。针对心电信号的降噪问题比较常用的方法包括带通滤波器[2]、加权均值滤波器[3]、经验模式分解[4]、神经网络[5]、主成分分析[6]、独立成分分析[7]、自适应双阈值法[8]等，这些方法在心电信号滤波和降噪方面有各自优势和局限性。比如，自适应滤波器和基于神经网络的系统需要额外地参考信号和训练阶段，因此不适合于实时应用；主成分分析和独立成分分析的统计模型对信号的微小变化非常敏感，限制了其在临床的长期应用；经验模式分解对于固有模式函数的依赖过于严格，采用不适合的模式函数往往导致降噪性能的急剧下降。

小波变换作为应用数学领域的一个得到快速发展和应用验证的分支，已经成功应用于地震波分析、语音识别、图像分析等多个领域并取得了较好的效果。……