心电信号是最早应用于临床医学研究的生物电信号之一,也是人体中一种重要的生理信号,可以综合反映出人体的健康状态,同时也对心血管疾病的诊断与预防具有重要的意义。但是,在运用医疗设备进行心电信号采集时,往往伴随着噪声干扰。因此,在实际应用中如何提取到纯净的心电信号是一个亟需解决的问题。为更好解决上述的问题,使采集到的心电信号能够得到更准确的使用,本文研究出一种基于CEEMD的定量自适应ECG去噪方法。该方法是在对EMD及其优化方法的深入研究的基础上提出来的。首先,将原始信号经过CEEMD方法进行有效分解,最终获得一系列IMF分量。针对IMF分量,本文采用分域的原则分别进行处理。运用相关性分析计算出原始信号与各个IMF分量之间的相关度,进而去获得噪声域和信号域间的分界点。再在信号域中依据能量优先的原则和噪声域中依据低频优先原则进行有效模态函数选择。最后,依据互信息的计算设置对应的相关性阈值,通过相关性阈值的设置将选择的有效模态函数进行重构即可得到最终去噪信号。本文提出的ECG去噪方法中,各个参数都可以定量自适应的计算出,避免先验性知识的需要,极大提高去噪方法的准确性和自适应性。另外,在针对一部分采集到的心电信号中存在明显的基线漂移干扰情况,提出可以先使用形态学滤波进行预处理,以校正信号的基线漂移。最后也都经过数字仿真实验和实测信号的实验验证。针对文中的ECG去噪方法分别采用Blocks、Doppler、Heavy sine三种典型信号的数字仿真实验进行验证,而且同时也进行小波阈值去噪方法的对比实验,对两种方法的对比结果也都进行分析、论证。为更好地证明ECG去噪新方法的实用性,分别采用实测信号和MIT-BIH数据库中的临床医学信号进行实验验证,同时也进行基于CEEMDAN的ECG去噪方法的对比实验探究,并对结果进行分析研究。本课题研究出的基于CEEMD的定量自适应ECG去噪方法,在经过数字仿真实验和实测信号的实验验证中都表现出良好的去噪效果,最终去噪信号都具有较高的信噪比以及与原始信号都具有较高的相关度。因此,在实际应用中,运用该方法能够获得较为纯净的ECG信号,为心血管疾病的诊断与预防提供可靠依据。