روش های فیلترینگ انطباقی بهنجار شده مبتنی بر نشانه کارآمد برای حذف مصنوعات
چکیده
در این مقاله، چندین فیلتر انطباقی بهنجارشده مبتنی بر علائم ساده و مؤثر، که از لحاظ محاسباتی دارای حلقه های بروز وزن آزاد ضرب کننده می باشند، برای حذف نویز در سیگنال های نوار قلب (ECG) بکار برده می شوند. اجرای پیشنهادی برای کاربردهایی مانند زیست دورسنجی که درآن نسبت سیگنال به نویز بالا با پیچیدگی محاسباتی کم موردنیاز است، بسیار مناسب می باشد. این طرح ها عمدتا عملیات انتقال اضافی ساده را بکار می گیرند و نسبت به دیگر تحقق های مبتنی بر حداقل مجذور میانگین سرعت قابل ملاحظه ای را بدست می آورند. مطالعات شبیه سازی نشان می دهد که تحقق ودرک پیشنهادی عملکرد بهتری را در مقایسه با روش های تحقق موجود به لحاظ نسبت سیگنال به نویز و پیچیدگی محاسباتی ارائه می دهد.
1. مقدمه
نوار قلب (ECG) یک نمایش گرافیکی از عملکرد قلب، و یک ابزار مهم مورد استفاده برای تشخیص ناهنجاری های قلبی می باشد. در محیط کلینیک درهنگام اکتساب، سیگنال ECG با انواع مختلفی از مصنوعات برخورد می کند. مصنوعات غالب حاضر در ECG عبارتند از: انحراف از خط پایه (BW)، تداخل خط نیرو (PLI)، مصنوعات عضله (MA) و مصنوعات متحرک (EM). این مصنوعات به شدت بر بخش ST اثر می گذارند، کیفیت سیگنال و رزولوشن (تفکیک پذیری یا وضوح) فرکانس را خراب می کنند، سیگنال های با دامنه بزرگ در ECG ایجاد می کنند که شکل موج های PQRST را همانند می کند و ویژگی های ریز را می پوشند که برای مانیتورینگ و تشخیص کلینیکی بسیار مهم می باشند. حذف این مصنوعات در سیگنال های ECG یک وظیفه بسیار مهم برای تشخیص بهتر می باشد. استخراج سیگنال های ECG با رزولوشن بالا از رکوردها (موارد ثبت شده) که آلوده به نویز پیش زمینه می باشند، یک موضوع بررسی بسیار مهم است. هدف ارتقاء سیگنال ECG، جداسازی اجزای معتبر سیگنال از مصنوعات نامطلوب می باشد، به طوری که یک ECG ارائه شود که تفسیر آسان و دقیق سیگنال را تسهیل سازد. رویکردهای زیادی در مقالات گزارش شده است تا ارتقاء ECG با استفاده از روش های انطباقی و غیرانطباقی [1-13] لحاظ کنند، روش های فیلترینگ انطباقی شناسایی پتانسیل های متغیر با زمان و ردیابی تغییرات دینامیکی سیگنال ها را امکان پذیر می سازند. در [2]،Thakor و همکارانش یک فیلتر بازگشتی انطباقی مبتنی بر LMS به منظور دستیابی به پاسخ برانگیخته از کمپلکس های QRS نرمال پیشنهاد دادند و سپس آن را برای شناسایی آریتمی در رکوردهای ECG گردشی اعمال کردند. ورودی های مرجع به الگوریتم های LMS توابع قطعی هستند و به وسیله مجموعه کوتاه، دوره ای قابل تمدید از توابع پایه متعامد تعریف می شوند. در چنین موردی، الگوریتم LMS بر روی یک پایه (مبنا) لحظه ای عمل می کند به طوری که بردار وزنی برای هر نمونه جدید در زمان رخداد بر اساس برآورد گرادیان لحظه ای تجدید می شود. با این حال در یک مطالعه، تحلیل همگرایی حالت پایدار برای الگوریتم LMS با ورودی های مرجع قطعی نشان داده-شد که بردار وزنی حالت پایدار متمایل می باشد و بنابراین برآورد انطباقی به پاسخ Wiener نزدیک نمی شود [14].
5. نتیجه گیری
در این مقاله، مسئله حذف نویز از سیگنال ECG با استفاده از فیلترهای انطباقی بهنجارشده مبتنی بر علامت و نسخه های مبتنی بر مجموعه آن ها پیشنهاد و بر رئی سیگنال های واقعی با مصنوعات مختلف بدست آمده از پایگاه داده MIT-BIH بررسی شد. برای این منظور، سیگنال های ورودی و پاسخ مطلوب به طریقی انتخاب می شوند که خروجی فیلتر بهترین برآورد حداقل مجذور سیگنال ECG اصلی باشد. در بین شش الگوریتم، NSRLMS نسبت به دیگر الگوریتم ها بهتر عمل می کند. از نتایج شبیه سازی شده واضح است که الگوریتم ها بهره وری نویز غیرساکن را حذف می کنند. رویکرد کنترل پیشنهادی نسبت سیگنال به نویز بالا با پیچیدگی محاسباتی کمتر فراهم می کند. پیچیدگی محاسباتی به لحاظ عملیات جمع و ضرب و کنتراست نسبت سیگنال به نویز در جداول 1 – 5 ارائه شده-اند. از این رو، فیلترهای انطباقی مبتنی بر NSRLMS, NSLMS, NSSLMS و نسخه های مبتنی بر مجموعه آن ها برای سیستم های ECG زیست دورسنجی بی سیم بسیار مناسب می باشند.
Abstract
In this paper, several simple and efficient sign based normalized adaptive filters, which are computationally superior having multiplier free weight update loops are used for cancelation of noise in electrocardiographic (ECG) signals. The proposed implementation is suitable for applications such as biotelemetry, where large signal to noise ratios with less computational complexity are required. These schemes mostly employ simple addition, shift operations and achieve considerable speed up over the other least mean square (LMS) based realizations. Simulation studies shows that the proposed realization gives better performance compared to existing realizations in terms of signal to noise ratio and computational complexity.
1. Introduction
The electrocardiogram (ECG) is a graphical representation of hearts functionality and is an important tool used for diagnosis of cardiac abnormalities. In clinical environment during acquisition, the ECG signal encounters with various types of artifacts. The predominant artifacts present in the ECG includes: baseline wander (BW), power-line interference (PLI), muscle artifacts (MA) and motion artifacts (EM). These artifacts strongly affects the ST segment, degrades the signal quality, frequency resolution, produces large amplitude signals in ECG that can resemble PQRST waveforms and masks tiny features that are important for clinical monitoring and diagnosis. Cancelation of these artifacts in ECG signals is an important task for better diagnosis. The extraction of high-resolution ECG signals from recordings which are contaminated with background noise is an important issue to investigate. The goal of ECG signal enhancement is to separate the valid signal components from the undesired artifacts, so as to present an ECG that facilitates easy and accurate interpretation. Many approaches have been reported in the literature to address ECG enhancement using both adaptive and non-adaptive techniques [1–13], adaptive filtering techniques permit to the detect time varying potentials and to track the dynamic variations of the signals. In [2], Thakor et al. proposed an LMS based adaptive recurrent filter to acquire the impulse response of normal QRS complexes and then applied it for arrhythmia detection in ambulatory ECG recordings. The reference inputs to the LMS algorithm are deterministic functions and are defined by a periodically extended, truncated set of orthonormal basis functions. In such a case, the LMS algorithm operates on an instantaneous basis such that the weight vector is updated for every new sample within the occurrence based on an instantaneous gradient estimate. In a study, however, a steady state convergence analysis for the LMS algorithm with deterministic reference inputs showed that the steadystate weight vector is biased and thus the adaptive estimate does not approach the Wiener solution [14].
5. Conclusion
In this paper the problem of noise cancelation from ECG signal using sign based normalized adaptive filters, their block based versions are proposed and tested on real signals with different artifacts obtained from the MIT-BIH database. For this, the input and the desired response signals are properly chosen in such a way that the filter output is the best least squared estimate of the original ECG signal. Among the six algorithms, the NSRLMS performs better than the other. From the simulated results it is clear that these algorithms removes non-stationary noise efficiently. The proposed treatment provides high signal to noise ratio with less computational complexity. The computational complexity in terms of MACs and SNR contrast are presented in Tables 1–5. Hence the proposed NSRLMS, NSLMS, NSSLMS based adaptive filters and their block based versions are more suitable for wireless biotelemetry ECG systems.
چکیده
1. مقدمه
2. روش های فیلترینگ انطباق مؤثر محاسباتی
3. موضوع پیچیدگی محاسباتی
4. نتایج شبیه سازی
4 – 1: ژنراتور (تولیدکننده) نویز
4 – 2: کاهش انحراف خط پایه
4 – 3: لغوکننده تداخل خط نیرو انطباقی
4 – 4: حذف انطباقی مصنوعات عضله
4 – 5: حذف مصنوعات حرکتی انطباقی
5. نتیجه گیری
Abstract
1. Introduction
2. Computationally efficient adaptive filtering techniques
3. Computational complexity issues
4. Simulation results
4.1. Noise generator
4.2. Baseline wander reduction
4.3. Adaptive power-line interference canceler
4.4. Adaptive cancelation of muscle artifacts
4.5. Adaptive motion artifacts cancelation
5. Conclusion
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش، بدون آرم سایت ای ترجمه
- ترجمه فارسی مقاله با فرمت pdf، بدون آرم سایت ای ترجمه