基于EEMD分解的脉象信号重构及其分类应用

摘要

通过聚合经验模态分解(EEMD)算法把脉搏信号分解成一系列固有模态函数(IMF),分析各IMF的能量密度及其与原脉搏信号的相关性,对各IMF生物学意义进行探索.基于能量密度和相关系数准则从多层IMF中筛选出目标信号,完成脉搏信号的重构.采用重构信号对五类常见单脉进行模式识别,其整体分类效果明显提高.结果表明基于EEMD分解的重构信号滤去了信号采集过程中噪声和扰动引起的干扰,且保留了脉搏信号的内在性质,能更为准确地描述脉搏信号的特征.