心电图(ECG)是记录心脏电活动的重要信号。 心电信号的滤波质量直接影响医学诊断。 由于小波分析可以同时提供时间和频率信息,因此许多基于小波变换去噪的非线性阈值化方法已应用于ECG信号的降噪。 然而,由于阈值的固定过渡曲线,大多数这些阈值收缩功能不能适应不同的信号。 因此,本文提出了一种新的遗传优化小波阈值方法。 设计了二次曲线阈值函数(QCTF)来实现阈值点的平滑连接。 此外,针对均方根误差和滤波平滑度,设计了一种新的遗传算法来针对不同的噪声信号自动搜索QCFT的最优参数。 最后,通过MIT-BIH心律失常数据库ECG记录评估GOWT并将其与硬阈值和软阈值进行比较。 滤波结果表明,GOWT可以实现平滑的阈值转换,避免了硬阈值引起的截止阈值点的振荡和软阈值带来的小波系数偏差。 遗传算法增强了其对各种信号的适应性。 GOWT可以在信号滤波的平滑度和失真之间找到一个折衷,从而生成用于特征提取的理想无噪声信号。