基于TROIKA框架运动伪影消除

基于TROIKA框架的运动伪影消除

最新推荐文章于 2025-10-22 23:03:48 发布

原创

最新推荐文章于 2025-10-22 23:03:48 发布 · 2.1k 阅读

10 ·

CC 4.0 BY-SA版权

文章标签：

#算法

本文介绍了TROIKA框架用于运动伪影消除的方法，包括信号分解（如SSA奇异频谱分析）、时差运算、稀疏信号重建（SSR）和谱峰追踪。信号分解通过嵌入、奇异值分解SVD、分组和重构步骤实现，同时改进了参考信号去除。通过时差运算提高鲁棒性，SSR中对比了FOCUSS算法与FFT。在谱峰追踪过程中，进行了初始化、选择和验证。最后，讨论了数据采样和心率误差估计，使用了Bland-Altman图和皮尔森相关系数进行验证。

TROIKA

###解释：以下下都是我自己看TROIKA这篇论文所得，笔记都在doc文件中，所以某些公式到这儿就乱了，大致框架就看标题，而笔记我已上传资源。
**关键部分组成：**预处理（信号分解等为后面SSR做准备）、稀疏信号重建和谱峰跟踪

1 信号分解（采用SSA奇异频谱分析）其他还有EMD、独立成分分析、VMD

1.1 嵌入

	时间序列y=[y1,y2,…,yn]映射为L*K的矩阵Y

1.2 奇异值分解SVD

1.3 分组（对奇异值进行聚类自动完成分组）

1.4 重构

1.5 参考信号去除(加速度信号)

1.5.1改进的参考信号去除

2 时差运算（进一步提高鲁棒性）

	重构后的干净的ppg信号采取二阶差分，时域上的差分可使心率基波和谐波频率的峰值更加突出。
	由于MA未非周期，心率信号为周期信号，采用差分的方式可以使周期信号的谱峰更突出，抑制非周期频谱。K阶差分不宜过大。（文中采用二阶差分）

3 稀疏信号重建(SSR)：FOCUSS算法与FFT比较

	SSR的一个关键假设是x应该是稀疏的或压缩的,当发生复杂的剧烈手部运动时，PPG信号的频谱不稀疏，导致SSR的性能较差。因此，包括带通滤波，信号分解和时差运算在内的预处理程序很重要，因为它们可以稀疏频谱系数，从而减轻了SSR的难度。

4 谱峰追踪

最低0.47元/天解锁文章