换一批基于GWO-VMD-DLSTM框架的心磁信号降噪方法
Magnetocardiography signal denoising method based on the GWO-VMD-DLSTM framework
摘要针对心磁信号在采集过程中易受多源噪声干扰、病理特征被淹没等问题,提出一种基于变分模态分解与双头注意力长短期记忆网络的联合降噪算法.该方法首先通过灰狼优化算法优化的变分模态分解对原始心磁信号进行自适应分解,获得一系列本征模态函数分量,有效抑制模态混叠现象,实现噪声与有效信号的精准分离;随后构建具有双头注意力机制的长短期记忆网络,自适应学习各模态分量中的噪声与信号特征,实现分量级滤波与信号的端到端重构,克服传统方法依赖人工经验筛选模态分量的局限性.实验结果表明,在复杂噪声与基线漂移环境下,所提方法在信噪比(23.58 dB)和余弦相似度(0.99)等关键指标上均优于传统降噪算法,同时能有效保留心磁信号中的病理特征,为心磁图技术在心血管疾病早期诊断中的临床应用提供可靠技术支撑.
更多相关知识
关键词
心磁信号变分模态分解长短期记忆网络双头注意力机制信号降噪深度学习magnetocardiography signalvariational mode decompositionlong short-term memory networkdual-head attention mechanismsignal denoisingdeep learning
栏目名称
DOI
10.3969/j.issn.1005-202X.2026.03.008
发布时间
2026-04-09（万方平台首次上网日期，不代表论文的发表时间）
基金项目
山西省归国留学人员科研项目（2022-143）
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
