心电信号可以用来检测和诊断心脏疾病,心电信号在采集时经常受到呼吸活动、身体运动和皮肤与电极接触不良等影响,因此会产生基线漂移,基线漂移的存在会降低心电信号的质量。所以,在大多数心电信号处理中,包括心律失常的识别、心率变化分析和连续血压测量等,去除基线漂移成为了至关重要的一步。心电信号具有非平稳、非线性的特性,传统的去除心电信号中基线漂移的方法在对心电信号进行去噪时常因去噪过度或者不完全,容易造成大量非线性特征信息的丢失,从而破坏了心电信号本身的动力学特性,这给后续的心电信号信息分析带来了不利影响。针对心电信号非平稳、非线性的特点,本文探讨了两种信号分解算法在心电信号基线漂移去除中的应用,分别是变分模态分解算法和奇异谱分析算法。变分模态分解由Konstantin Dragomiretskiy于2014年提出,是一种新兴的完全非递归的信号分解方法,能将给定的信号分解成为围绕中心频率的一组模态。可以利用变分模态分解将心电信号分解成若干个模态分量,去除基线漂移对应的模态分量,将剩余模态重构即可得到去除基线漂移后的心电信号;奇异谱分析方法最早由Colebrook于1978年提出,奇异谱分析是近年来兴起的一种研究非线性时间序列数据的强大的方法,它能将原时间序列中的不同成分提取出来。使用奇异谱分析方法,可以将心电信号分解为趋势,振荡或噪声分量,选择可判断为基本趋势的第一特征值分量来重构基线信号,从心电信号中去除它。本文使用MATLAB作为仿真工具,采用麻省理工学院研究心律失常数据库提供的心电信号作为仿真信号,利用变分模态分解和奇异谱分析方法在处理非平稳信号方面的优势,对如何有效去除心电信号中的基线漂移做了研究。实验结果表明,与已有的心电信号基线漂移去除算法相比,本文提出的两种去噪算法不仅自适应性更强,而且在相关系数和信噪比方面表现更好。