830 智能系统学报 第11卷 RMSE= 0.08 N ,[s(t)-s(t)]2 (13) 式中：s(t)表示去噪后的信号；s(t)是去噪前的信 0.06 号；N为采样长度。 3.2对心律失常数据库信号去噪 0.04 MT-BIH心律失常数据库(Arrhythmia Data- base)中的心电数据含噪声较少，选取其100号数据 0.02 的前2048个数据作为本次研究的信号，人为加入 工频干扰、基线漂移和高频噪声（包括肌电干扰）3 50 100 种噪声。基线漂移、工频干扰和高频噪声分别来自 fHz MT-BIH噪声数据库(Nstdb Database)中的bw、em (b)加噪信号频谱图 和ma数据。本文算法与改进的小波阈值算法[)和 图2加噪信号波形及频谱图 小波嫡去噪算法[8劉对比，以输入信噪比为-2.6dB、 Fig.2 The waveform and spectrum of noisy signals 均方误差为0.2539为例，去噪效果如图1~5所示， 为方便观察基线漂移，显示前6个周期。 103 0 0.5 1.0 1.5 2.0 采样点 105 0.5 1.0 1.5 2.0 (a)改进的小波阈值算法去噪波形图 采样点 0.08 (a)原始信号波形图 0.06 0.08 。0.04 0.06 0.02 0.04 0.02 50 100 fHz (b)改进的小波阈值算法去噪频谱图 50 100 图3改进的小波阈值算法去噪波形及频谱图 fz Fig.3 The waveform and spectrum of de-nosing signals (b)原始信号频谱图 of improved wavelet threshold algorithm 图1原始信号波形及频谱图 Fig.1 The waveform and spectrum of original signals 2 .0 0.5 1.0 1.5 0.5 采样点 1.5 2.0*10 采样点 (a)小波嫡算法去噪波形图 (a)加噪信号波形图ＲＭＳＥ ＝ １ Ｎ∑ Ｎ ｔ ＝ １ ［ｓ（ｔ） － ｓ ＾ （ｔ）］ ２ （１３） 式中： ｓ ＾ （ｔ） 表示去噪后的信号； ｓ（ｔ） 是去噪前的信 号； Ｎ 为采样长度。 ３．２ 对心律失常数据库信号去噪 ＭＩＴ⁃ＢＩＨ 心 律 失 常 数 据 库 （ Ａｒｒｈｙｔｈｍｉａ Ｄａｔａ⁃ ｂａｓｅ）中的心电数据含噪声较少，选取其 １００ 号数据 的前 ２ ０４８ 个数据作为本次研究的信号，人为加入 工频干扰、基线漂移和高频噪声（包括肌电干扰） ３ 种噪声。 基线漂移、工频干扰和高频噪声分别来自 ＭＩＴ⁃ＢＩＨ 噪声数据库（Ｎｓｔｄｂ Ｄａｔａｂａｓｅ） 中的 ｂｗ、ｅｍ 和 ｍａ 数据。 本文算法与改进的小波阈值算法［１］ 和 小波熵去噪算法［８］ 对比，以输入信噪比为－２．６ ｄＢ、 均方误差为 ０．２５３ ９ 为例，去噪效果如图１～ ５ 所示， 为方便观察基线漂移，显示前 ６ 个周期。 （ａ）原始信号波形图 （ｂ）原始信号频谱图 图 １ 原始信号波形及频谱图 Ｆｉｇ．１ Ｔｈｅ ｗａｖｅｆｏｒｍ ａｎｄ ｓｐｅｃｔｒｕｍ ｏｆ ｏｒｉｇｉｎａｌ ｓｉｇｎａｌｓ （ａ）加噪信号波形图 （ｂ）加噪信号频谱图 图 ２ 加噪信号波形及频谱图 Ｆｉｇ．２ Ｔｈｅ ｗａｖｅｆｏｒｍ ａｎｄ ｓｐｅｃｔｒｕｍ ｏｆ ｎｏｉｓｙ ｓｉｇｎａｌｓ （ａ）改进的小波阈值算法去噪波形图 （ｂ）改进的小波阈值算法去噪频谱图 图 ３ 改进的小波阈值算法去噪波形及频谱图 Ｆｉｇ．３ Ｔｈｅ ｗａｖｅｆｏｒｍ ａｎｄ ｓｐｅｃｔｒｕｍ ｏｆ ｄｅ⁃ｎｏｓｉｎｇ ｓｉｇｎａｌｓ ｏｆ ｉｍｐｒｏｖｅｄ ｗａｖｅｌｅｔ ｔｈｒｅｓｈｏｌｄ ａｌｇｏｒｉｔｈｍ （ａ）小波熵算法去噪波形图 ·８３０· 智 能 系 统 学 报 第 １１ 卷