2、非侵入式胎儿心电图去噪与多小波构造方法研究

非侵入式胎儿心电图去噪与多小波构造方法研究

1. 非侵入式胎儿心电图去噪

1.1 DnCED - Net 模型架构

DnCED - Net 网络架构包含一系列卷积层、对称反卷积层和一个全连接层。对于深度为 2N + 1 的 DnCED - Net，其深层架构中有三种类型的层：
- Conv + Tanh（第 1 到 N 层） ：卷积层使用 64 个长度为 3 的滤波器，采用 Tanh 激活函数引入非线性。
- Deconv + Tanh（第 N + 1 到 2N 层） ：反卷积层使用 64 个长度为 3 的滤波器生成 64 个特征图，同样采用 Tanh 激活函数。
- 全连接层（最后一层） ：用于重建非侵入式胎儿心电图（NI - FECG）信号。

在实际应用中，在这些低层次的 NI - FECG 去噪任务中不使用池化或反池化操作，因为池化通常会丢弃对重建 NI - FECG 信号至关重要的有用信号细节。该网络包含三个卷积层，后面跟着对称的反卷积层（N = 3），使用 Adam 作为优化器，所有卷积层和反卷积层的学习率设置为 10⁻⁴。

DnCED - Net 模型主要有两个特点：采用端到端映射公式来学习 f(Y)，并将激活函数与卷积和反卷积操作相结合。

1.2 训练过程

使用验证集来训练 DnCED - Net，并在优化过程中保存最佳模型。为了学习 NI - FECG 信号中所有可能的模式，帧大小设置为 4 秒，有 2 秒的重叠来生成训练集。使用 4 秒长的腹部混合信号作