基于群体智能优化的自适应滤波器在ECG信号噪声消除中的应用研究

来自国内的研究人员针对心电图(ECG)信号易受伪影干扰的问题，创新性地采用海鸥优化算法(SOA)、邻域线性种群差分进化算法(NLSHADE)和双曲引力搜索算法(HGSA)优化自适应噪声消除器(ANC)。该研究在心律失常数据库(ADB)和QT心电图数据库(QTDB)上验证显示，优化后的ANC系统可实现PRD值3.40E-03、MSE值1.35E-11及平均信噪比提升10.986 dB的优异性能，为心脏电生理信号处理提供了新方案。

　　

在心电信号采集过程中，各种伪影干扰往往导致反映心脏活动的生理信息质量下降。为解决这一难题，科研团队开创性地将群体智能优化算法引入自适应噪声消除系统(ANC)的调参过程。通过海鸥优化算法(SOA)、邻域线性种群差分进化算法(NLSHADE)和双曲引力搜索算法(HGSA)三种前沿优化技术的对比研究，成功构建出高性能的ECG去噪系统。

研究团队采用标准测试数据库(NSTDB)的参考噪声，在心律失常数据库(ADB)和QT心电图数据库(QTDB)上进行了系统验证。特别值得注意的是，经SOA优化的ANC系统在Wilcoxon符号秩检验中展现出显著优势。实验数据表明，该方案能实现百分比均方根偏差(PRD)低至3.40×10^-3，均方误差(MSE)达到1.35×10^-11量级，平均信噪比提升幅度高达10.986分贝(dB)。这些指标均显著优于当前主流算法，为临床心电信号处理提供了更精准可靠的技术手段。