基于小波变换的昆虫刺吸电位(EPG)信号去噪研究*

吴莉莉,贾树恒,邢玉清,卢少华,潘建斌,闫凤鸣

(1.河南农业大学理学院,郑州 450002;2.河南农业大学植物保护学院,郑州 450002)

基于小波变换的昆虫刺吸电位(EPG)信号去噪研究*

吴莉莉1*,贾树恒1,邢玉清1,卢少华2,潘建斌1,闫凤鸣2

(1.河南农业大学理学院,郑州 450002;2.河南农业大学植物保护学院,郑州 450002)

昆虫刺吸电位(EPG)信号为研究刺吸式昆虫取食和传毒机理提供了有力的依据,然而EPG信号在采集过程中易受各种噪声的干扰,可利用小波变换将其去除。本文采用小波阈值去噪法,通过实验对比选择不同的小波基函数及阈值,以均方根误差和信噪比为评价指标,确定了coif4小波6层分解,在Stein无偏风险估计准则下,改进阈值量化为最佳去噪方案;实验结果表明,该小波阈值去噪方法可以有效地去除不同干扰。本文研究的基于小波变换的EPG信号去噪为后续分析识别提供了保证。

刺吸电位(EPG)信号;小波变换;阈值去噪

刺吸电位技术EPG(Electrical Penetration Graph)是研究刺吸式昆虫在寄主植物上刺探和取食行为的一种电生理学技术[1-3],是研究刺吸式昆虫取食和传播植物病毒的重要实验方法。作为昆虫刺探行为、唾液分泌、取食等生理过程最直观的体现,EPG信号具有幅度小、频率低、噪声强、非线性和非平稳等特点。EPG信号是一种微弱生理电信号,在采集和记录过程中,主要的干扰来源于EPG仪器和昆虫,分别表现为工频干扰、放大电路内部噪声、昆虫的运动伪迹干扰以及基线漂移等等。为了能准确地检测和识别EPG波形,在分析前必须剔除这些干扰因素。

小波变换是目前研究生物电信号去噪中广泛使用的一种方法[4],它提供了一种自适应的时频两域局部化的分析方法,通过伸缩和平移对信号进行多分辨率分析[5],能在不同的分解层次上有效地从原始信号中提取有用信息,从而实现信号的去噪。小波变换在心电、脑电、肌电等生物信号的去噪中已做了大量的研究工作[6-10],然而对EPG信号的去噪研究还未见相关报道,本文将首次利用小波变换对EPG信号的去噪进行研究。

小波去噪的基本方法有:模极大值法、相关性法、平移不变量法和阈值法。实际应用中,选择哪种方法应根据信号的特点及这几种方法的优缺点而定。模极大值法和平移不变量法的计算速度相对较慢,当需要分析信号的边缘特征时,相关性法去噪较合适,阈值法由于能得到原始信号的近似最优估计且计算速度快,以及具有广泛的适应性等优点,是小波去噪法中应用最广泛的一种。因此本文拟采用小波阈值法对EPG信号进行去噪研究。

在小波变换算法中,由于选择的去噪方案不同,小波函数不同,去噪效果差别很大。本文将通过实验对比不同小波基函数和阈值函数,依据去噪效果,寻求EPG信号的最佳小波去噪方案。

1 小波变换与阈值去噪算法

1.1 小波变换理论

小波变换的基本思想是用一个局部紧致的基本小波函数的不同尺度的平移和伸缩构成小波函数系去表示或逼近信号或函数。理论上来说,小波变换可分为连续小波变换和离散小波变换两种。

对于信号f(t),设ψ(t)是基本小波,连续小波变换的定义为[5]:

(1)

式中:ψ*(t)为ψ(t)的复共轭,a为尺度因子(或称伸缩因子),b为平移因子。

(2)

离散小波变换系数可表示为

(3)

1.2 小波变换阈值去噪法

基于小波变换的阈值化去噪法主要是对小波变换域的系数进行筛选。含噪信号经小波变换后,有用信号的小波系数幅值较大,数目较少,主要集中在低频;而噪声对应的小波系数幅值较小,数目较多,主要集中在高频。通过在不同尺度上选择一个适当的阈值,并将幅值小于该阈值的小波系数置零,幅值大于该阈值的小波系数,认为是有用信号,保留或做相应的处理,最后对小波系数进行重构,实现信号的去噪。

小波阈值去噪法主要分3个步骤[11]:①含噪信号的小波分解。选择合适的小波并确定分解层数M,对含噪信号进行M层小波分解。②小波分解系数的阈值化处理。选择合适层的高频系数进行阈值处理,常用的处理方法主要有硬阈值法和软阈值法。③对小波系数进行重构,得到去噪后的信号。

小波阈值去噪法中两个基本要素是阈值的确定和阈值函数的选取,这关系到信号去噪的质量。在实际的工程应用中,常用的阈值选取方法主要有无偏似然估计阈值、固定阈值、启发式阈值和极大极小阈值准则。在去噪过程中,要依据具体的应用选取某种阈值准则,以达到最佳去噪效果。

2 EPG信号的获取

EPG信号由EPG仪器获取,该仪器主要由可调电源、电阻、放大器、采集卡、探头等部分组成,用导电银胶将昆虫粘在金属丝上[1],金属丝接入放大器,当昆虫口针刺入植物组织中时,整个回路就被接通(如图1所示)。昆虫刺吸行为的变化会引起回路电压的变化,这些变化的电压值经采集卡转换为数字信号由计算机记录,以曲线的形式呈现出来,此即为EPG信号。

图1 EPG原理图

实验中EPG仪器采用的是荷兰生产的直流Giga-4 EPG仪,4通道,采样频率为100 Hz;昆虫及植株选用的是桃蚜和烟草;信号采集实验在白天室温20 ℃下进行,受试蚜虫在饥饿1 h后开始记录。EPG仪器记录了桃蚜在烟叶上6 h的取食行为波形,如图2所示。

图2 原始6 h的EPG波形

3 EPG信号的小波阈值去噪对比实验

3.1 小波基的选取

同一信号去噪选用不同的小波基函数会得到不同的效果,总体来说,选取小波基函数应该具备对称性或反对称性、较短的支撑、正交性、较高的消失距等。然而要想使一个小波基同时具有这些特性往往是不可能的。实验中拟选用db4、sym4、coif4 3种小波基函数进行去噪对比实验,根据去噪效果选择最佳小波基。表1列举了这3种小波基的特性。

表1 3种小波基的特性比较

3.2 EPG的小波分解

对刺吸昆虫的EPG信号进行分析时,常用的代表波形有np波、C波(其中A波频率为5 Hz～15 Hz)、E1波(频率为2 Hz～4 Hz)、E2波(频率为4 Hz～7 Hz)、F波(频率为11 Hz～16 Hz)、G波(频率为4 Hz～6 Hz),这些有用信号都集中在低频部分。在对信号进行小波分解时,分解层数视信号的有用成分和采样频率而定。本文分析的EPG信号采样频率为100 Hz,对其进行6 层分解,各层对应的频率范围如表2所示。

表2 EPG信号小波分解的各层频带范围

表2中D1～D6为高频系数,A6为低频系数。EPG的几种代表波形频率主要集中在小波分解的2层～5层。

3.3 阈值函数及阈值量化

在对EPG信号去噪时,对小波分解的各层系数进行阈值量化,选取Stein无偏风险估计计算得到一个阈值,然后分别用硬阈值法(式(4))、软阈值法(式(5))以及改进阈值量化方法(式(6))对小波分解系数进行阈值量化[12],通过对比实验确定最佳阈值量化方案。

(4)

(5)

(6)

3.4 去噪效果评价

为了更直观的比较几种不同小波基、阈值函数的去噪效果,引入均方根误差(RMSE)和信噪比(SNR)作为评价指标,定义如下:

(7)

(8)

3.5 噪声的消除效果比较

实验中以桃蚜在烟叶上取食1 h的EPG信号为例进行去噪对比,小波基函数分别选用db4,sym4,coif4 3种小波,在Stein无偏风险估计下计算阈值,分别采用硬阈值、软阈值和改进阈值进行阈值量化,去噪后的效果如表3所示。显然,采用coif4小波的改进阈值去噪后信号均方根误差最小,信噪比最大,去噪效果最好。

利用coif4小波的改进阈值去噪法对EPG信号中的工频干扰消除,以np波为例去噪效果如图3所示,工频干扰得到了很好的抑制。放大电路的内部噪声和昆虫的运动伪迹干扰可看成白噪声,在整个频域内都混有,以E2波为例,去噪效果如图4所示。对基线漂移的去除,以E1波为例,去噪效果如图5所示。可见小波变换可以很好地去除EPG信号中的噪声干扰,且保留了原始信号的细节。

表3 3种不同小波基、阈值量化函数的去噪效果

图4 E2波去除白噪声

图3 np波去除工频干扰

图5 E1波去除基线漂移

4 结束语

小波变换常用于人体医学信号的去噪研究中,本文首次将其应用于昆虫刺吸电位信号的噪声去除。文中对EPG仪器采集的含噪信号进行了去噪对比实验,分别选用了db4、sym4、coif4 3种小波基函数,在Stein无偏风险估计准则下采用硬阈值、软阈值和改进阈值函数,依据均方根误差和信噪比来评价去噪效果。以桃蚜在烟叶上取食1 h的EPG信号为例,实验结果表明采用coif4小波的改进阈值函数RMSE为0.068 9,SNR为28.249 6,相比于其他方案获得了最佳的去噪效果,能有效地去除EPG信号中的工频干扰、放大电路内部噪声、昆虫伪迹干扰以及基线漂移等噪声。本文对EPG信号的去噪进行了初步探索研究,为后续的信号特征提取、分类识别提供了良好保证。

[1] Tjallingii W F. Electronic Recording of Penetration Behavior by Aphids[J]. Entomologia Experimentalis et Applicata,1978,24:721-730.

[2] Francisco A C,Camila M G,Josselyn S C,et al. A2EPG:A New Software for the Analysis of Electrical Penetration Graphs to Study Plant Probing Behaviour of Hemipteran Insects[J]. Computers and Electronics in Agriculture,2015,113:128-135.

[3] Giordanengo P. EPG-Calc:A PHP-Based Script to Calculate Electrical Penetration Graph(EPG)Parameters[J]. Arthropod-Plant. Interact.,2014,8:163-169.

[4] 李战明,张晓东. 小波分析中4种去噪方法的分析比较[J]. 工业仪器与自动化装置,2015(2):12-17.

[5] 潘泉,张磊,孟晋丽,等. 小波滤波方法及应用[M]. 北京:清华大学出版社,2006:9.

[6] 何伶俐,王宇峰,何汶静. 基于小波变换的改进阈值法在心电信号去噪中的应用[J]. 生物医学工程与临床,2016,20(2):127-130.

[7] 刘丽丽. 基于自适应滤波器和小波变换的ECG预处理算法的研究[D]. 长春:吉林大学,2012:6.

[8] 刘清君,叶伟伟,杜立萍,等. 小波变换在神经细胞传感器信号去噪中的应用[J]. 传感技术学报,2009,22(11):1586-1590.

[9] 左静,岑红蕾,任玲. 基于二代小波变换和盲信号分离的肌电信号工频去噪处理方法[J]. 农业网络信息,2016(5):62-65.

[10] 修永富. 基于小波变换的脑电去噪方法研究与实现[D]. 天津:天津师范大学,2009:6.

[11] 欧阳波,程栋,王玲. 改进小波阈值算法在心电信号去噪中的应用[J]. 计算机工程与应用,2015,51(4):213-217.

[12] 张兢,李冠迪,史文进,等. 基于新阈值函数的小波去噪算法[J]. 微型机与应用,2016,35(17):20-22.

StudyofInsectElectricalPenetrationGraph(EPG)SignalDenoisingBasedonWaveletTransform*

WULili1*,JIAShuheng1,XINGYuqing1,LUShaohua2,PANJianbin1,YANFengming2

(1.College of Sciences,Henan Agricultural University,Zhengzhou 450002,China;2.College of Plant Protection,Henan Agricultural University,Zhengzhou 450002,China)

Electrical penetration graph(EPG)signal has provided a strong basis for the study of the piercing-sucking insects feeding and virus transmission mechanism. However,the EPG signal is susceptible to various noises during acquisition,which can be removed by wavelet transform. In this paper,the wavelet threshold denoising method was adopted. The different wavelet basis functions and thresholds of the denoising method were selected by experiments. Taking the root mean square error and signal-to-noise ratio as the evaluation index,the wavelet coif4,6 layer decomposition and the improved threshold quantization was determined as the best denoising scheme under the Stein unbiased risk estimator. The experimental results showed that the wavelet threshold denoising method can effectively remove different interference. The EPG signal denoising based on wavelet transform in this paper provides a guarantee for subsequent analysis and recognition.

electrical penetration graph(EPG)signal;wavelet transform;threshold denoising

10.3969/j.issn.1004-1699.2017.12.019

项目来源:河南省科技攻关计划项目(172102210044);河南省高等学校重点科研项目(17A520036,18A510012)

2017-06-08修改日期2017-08-06

TN911.72

A

1004-1699(2017)12-1895-05

吴莉莉(1977-),湖北荆州人,2007年获浙江大学生物医学工程专业博士学位,师从陈裕泉教授。副教授,主要从事传感器技术、生物信号处理和模式识别等方面的研究,已发表论文四十余篇,wllzju@126.com;

贾树恒(1977-),河南驻马店人,2010年获得西安电子科技大学电路与系统专业硕士学位,师从李玉山教授。讲师,主要从事电路与系统、信号完整性分析和图像处理等方面的研究,已发表论文十余篇,jiashuheng@sina.com。