【信号处理】什么是基线漂移/趋势项?如何消除?

仅作笔记,转载自:

(21条消息) 【20220114】【信号处理】什么是基线漂移/趋势项?如何消除?_Satisfying的博客-CSDN博客_基线漂移

一、带你了解基线漂移

1. 什么是基线漂移?

        一个特别低频的曲线叠加到了原始信号上,使得原始信号有缓慢的轻微的上下浮动的趋势。如下图:

【信号处理】什么是基线漂移/趋势项?如何消除?_第1张图片

【信号处理】什么是基线漂移/趋势项?如何消除?_第2张图片

        (参考:信号基线漂移是什么意思?)

        (参考:心电 基线漂移的处理研究论文)

        (参考:ECG信号读出,检测QRS,P,T 波 —— 去除高频噪声与基线漂移)

        (参考:ECG信号 —— ECG噪声来源)

2. 基线漂移的危害?

        如果不消除基线漂移/趋势项,那么会把趋势项当作真是采集的原始信号,会影响信号的准确性和后续的数据处理结果。

        存在基线漂移时,在进行 FFT 分析、相关性分析和功率谱密度分析等时会出现畸变,造成低频出现尖峰,甚至淹没主频成分,从而严重影响精度。如下图:

【信号处理】什么是基线漂移/趋势项?如何消除?_第3张图片

【信号处理】什么是基线漂移/趋势项?如何消除?_第4张图片

二、消除趋势项的方法

        基线漂移的本质是在原始信号上叠加了直流分量、低频分量。滤波法和拟合基线法是两类最常用的基漂抑制方法。

        (参考:时域信号趋势项的消除办法及案例分析)

1. 最小二乘法拟合

        原理:最小二乘法拟合出趋势项,再用原始数据减去趋势项。

2. 小波变换

        基线漂移主要为低频分量,通过小波变换的多尺度分解过程,在分解的低频系数中可以观察到信号的基线趋势,用原始信号减去这个基线趋势即可。   

        (参考:基线漂移的几种方法)

3. EMD 

        EMD 方法认为任何信号都可以分解为若干个不同的本征模态函数(IMF)和一个残余量稳定态。其中各个不同的本征模态函数反映了信号的局部特性,残余量反映了信号的趋势或均值。所以EMD 方法可以通过 “筛选” 的方法把残余量分离出来。

        (参考:基线漂移的几种方法)

        其他去除基线漂移的方法还有凸优化、平滑先验方法、VMD、FIR 滤波、中值滤波、低通滤波器等。

        (参考:去基线漂移)

        (参考:数字信号处理实验(六)—— 心电信号处理 IIR FIR滤波综合题(下篇))

方法

优点

缺点

FIR 滤波

原理简单,无累计误差,适用于实时场合

幅频失真明显

最小二乘法拟合

原理简单,Matlab 有库函数可以直接调用

对信号的拟合需要事先预测趋势项的类型(直流分量、线性分量、指数函数、幂函数等),随着趋势项复杂程度的增加,拟合的难度也增大,不适用于复杂的实际信号

小波变换

小波基函数的选取和小波阶次的确定都需要事先预测

EMD

基于信号本身的时间尺度特征,无需选择基函数,非常适用于非线性、非平稳信号的处理,具有很高的信噪比

        (参考:脑电信号中的基线漂移总结)

        (参考:趋势项消除-方法总结)

三、从 Matlab 仿真角度理解消除趋势项

1. Matlab 命令


1. 消除直流分量和线性趋势
    - detrend(x):消除时间序列线性趋势项
    - detrend(x, 'constant'):消除时间序列均值
    - detrend(x, 'linear', bp):分段消除时间序列中的线性趋势项,bp 为分段点向量
 
2. 消除多项式趋势项(非线性趋势项)
    a = polyfit(t, x, order)
    xtrend = polyval(a, t)
    xdetrend = x - xtrend

        (参考:detrend函数的意义) 

        (参考:时间序列趋势项提取(Matlab))

2. Matlab 仿真

%% 去除基线漂移
clear; close all; clc; warning off;
 
%% 1. 消除直流分量
fs = 100;  % 采样频率
L = 10;
t = 1 : 1/fs : L;
f = 10;  % 信号频率
 
consValLis = 2 * ones(1, length(t));  % 直流分量
x1 = consValLis + sin(2 * pi * f * t);  % 叠加有直流分量的信号
 
figure(1);
subplot(4, 1, 1); plot(x1, 'linewidth', 1.5); ylim([-2, 4]); title('叠加有直流分量的原始信号');
subplot(4, 1, 2); plot(x1-mean(x1), 'linewidth', 1.5); ylim([-2, 4]); title('去除直流分量的原始信号(x-mean(s)方法)');
subplot(4, 1, 3); plot(detrend(x1), 'linewidth', 1.5); ylim([-2, 4]); title('去除直流分量的原始信号(detrend去除线性趋势项方法)');
subplot(4, 1, 4); plot(detrend(x1, 'constant'), 'linewidth', 1.5); ylim([-2, 4]); title('去除直流分量的原始信号(detrend去除均值方法)');
 
 
%% 2. 去除线性趋势项
linearValLis = t .* ones(1, length(t));  % 线性趋势项
x2 = linearValLis + sin(2 * pi * f * t);  % 叠加有线性趋势项的信号
 
[y2, xtrend2] = polydetrend(x2, fs, 1);
 
figure(2);
subplot(4, 1, 1); plot(x2, 'linewidth', 1.5); title('叠加有线性趋势项的原始信号');
subplot(4, 1, 2); plot(detrend(x2), 'linewidth', 1.5); ylim([-2, 4]); title('去除线性趋势项的原始信号(detrend去除线性趋势项方法)');
subplot(4, 1, 3); plot(y2, 'linewidth', 1.5); ylim([-2, 4]); title('去除线性趋势项的原始信号(ployfit拟合线性项方法)');
subplot(4, 1, 4); plot(xtrend2, 'linewidth', 1.5); title('线性趋势项');
 
 
%% 3. 去除多项式趋势(非线性趋势)
nonLinearValLis = 10 * t .* sin(2 * pi * 0.2 * t);  % 非线性趋势项
x3 = nonLinearValLis + sin(2 * pi * f * t);  % 叠加有非线性趋势项的信号
 
[y3, xtrend3] = polydetrend(x3, fs, 20);
 
figure(3);
subplot(3, 1, 1); plot(x3, 'linewidth', 1.5); title('叠加有非线性趋势项的原始信号');
subplot(3, 1, 2); plot(y3, 'linewidth', 1.5); ylim([-2, 4]); title('去除非线性趋势项的原始信号(ployfit拟合非线性项方法)');
subplot(3, 1, 3); plot(xtrend3, 'linewidth', 1.5); title('非线性趋势项');
%% 最小二乘法拟合趋势项函数
function [y, xtrend] = polydetrend(x, fs, order)
% x:带有趋势项的信号
% fs:信号采样频率
% order:最小二乘法拟合多项式阶数
 
x = x(:);   % 转为列向量
N = length(x);  
t = (0: N-1)' / fs;  
a = polyfit(t, x, order);   % 用最小二乘法拟合x的多项式系数a
xtrend = polyval(a, t);   % 构成趋势项
y = x - xtrend;   % 去除趋势项

运行结果: 

【信号处理】什么是基线漂移/趋势项?如何消除?_第5张图片

【信号处理】什么是基线漂移/趋势项?如何消除?_第6张图片

【信号处理】什么是基线漂移/趋势项?如何消除?_第7张图片

        注意:使用最小二乘法拟合趋势项需要选取合适的多项式阶数,阶数选择的过高和过低都无法拟合出理想的趋势项! 如下图:

【信号处理】什么是基线漂移/趋势项?如何消除?_第8张图片

         从上图可以看出,阶数为 5 和 10 都无法完全消除趋势项;而阶数为 40 和 80 又因为过拟合造成信号畸变~

        (参考:MATLAB从ECG信号数据趋势项的消除)

        (参考:基线调整-最小二乘法消除多项式趋势项)

        (参考:去除数据的线性趋势)

        (参考:使用Matlab对数据进行去趋势(detrend))

你可能感兴趣的:(数字信号处理,信号处理)