心电信号是人体重要的生物电信号之一,从不同层面上反映了心脏的工作状态和可靠的内部特征信息,对于心脏疾病的诊断和治疗均具有相当重要的临床参考意义。心电信号比较微弱,在采集过程中经常受到各种噪声的影响,如工频干扰、基线漂移、肌电干扰和随机噪声等,这些噪声给临床心血管疾病的准确诊断和分析带来了障碍。心电信号的消噪预处理是心电检测、分析和诊断的关键环节,直接决定着临床心血管疾病的诊断与治疗效果。本文主要研究了基于经验模式的心电信号预处理算法。在分析了心电信号噪声特点的基础上,基于经验模式分解(Empirical Mode Decomposition,简称EMD),针对心电信号中的工频干扰、基线漂移和肌电干扰等几种主要噪声分别设计了相应的滤波算法。利用临床心电信号进行了仿真和验证,结果表明本文所提算法可以有效去除心电信号中三种常见的噪声信号。本文所做的主要工作有:提出了基于EMD和自适应滤波的工频干扰抑制算法。利用EMD分解心电信号,产生IMF,将含有工频干扰的IMF送入50Hz陷波器,将估计的工频干扰作为自适应滤波器的参考信号,通过自适应算法抑制工频。首先阐述了EMD的基本原理,其次构建了EMD-自适应工频抑制算法,设计了50Hz陷波器,引入了可变步长LMS算法。最后,用临床实际心电信号验证了算法性能。结果显示,50Hz工频干扰得到了有效的抑制。提出了基于EMD和自适应滤波的基线漂移抑制算法。利用EMD分解心电信号,得到IMF,将高阶低频的IMF分量滑动平均滤波,将估计的基线干扰作为自适应滤波器的参考信号,通过自适应算法抑制基线。用临床实际心电信号,系统比较了此算法与传统的滑动平均滤波法、卡尔曼滤波法和带通滤波法的消噪性能,结果显示,心电信号的基线漂移得到了有效滤除。提出了基于EMD和阈值收缩的综合噪声抑制算法。利用EMD分解心电信号,把分解得到的IMF利用阈值函数进行自适应阈值收缩,重构出原始信号。提出了广义阈值函数,推导了基于分解尺度的自适应阈值选取;通过对不同特性的4种模拟信号的处理,得到了最优的EMD阈值消噪方案。用此消噪方案对临床心电信号进行了处理,有效地去除了心电信号的综合噪声,保留了原始信号的特征值,取得了较好的效果。本文研究的基于EMD的心电信号预处理算法,较好的消除心电信号噪声的同时,有效地保持了心电波形特征信息,失真度较小,为后续临床心电的检测、分析和诊断奠定了良好的基础。