Detail publikace

Adaptivní vlnkový Wienerův filtr EKG signálů

SMITAL, L. VÍTEK, M. KOZUMPLÍK, J. PROVAZNÍK, I.

Originální název

Adaptive Wavelet Wiener Filtering of ECG Signals

Český název

Adaptivní vlnkový Wienerův filtr EKG signálů

Anglický název

Adaptive Wavelet Wiener Filtering of ECG Signals

Typ

článek v časopise

Jazyk

en

Originální abstrakt

In this study, we focused on the reduction of broadband myopotentials (EMG) in ECG signals using the wavelet Wiener filtering with noise-free signal estimation. We used the dyadic stationary wavelet transform (SWT) in the Wiener filter as well as in estimating the noise-free signal. Our goal was to find a suitable filter bank and to choose other parameters of the Wiener filter with respect to the signal-to-noise ratio (SNR) obtained. Testing was performed on artificially noised signals from the standard CSE database sampled at 500 Hz. When creating an artificial interference, we started from the generated white Gaussian noise, whose power spectrum was modified according to a model of the power spectrum of an EMG signal. To improve the filtering performance, we used adaptive setting parameters of filtering according to the level of interference in the input signal. We were able to increase the average SNR of the whole test database by about 10.6 dB. The proposed algorithm provides better results than the classic wavelet Wiener filter.

Český abstrakt

Tato studie je zaměřena na potlačování širokopásmových myopotemciálů (EMG) v signálech EKG s využitím vlnkového Wienerova filtrů s pilotním odhadem užitečného signálu. Pro Wienerův filtr i pro odhad užitečného signálu využíváme dyadickou stacionární vlnkovou transformaci (SWT). Naším cílem je nalézt vhodné banky filtrů a zvolit další důležité parametry Wienerova filtru s ohledem na dosažený poměr signálu a šumu (SNR). Testování jsme prováděli na uměle rušených signálech ze standardní CSE databáze, jejíž vzorkovací kmitočet je 500 Hz. Umělé rušení bylo vytvořeno z bílého Gaussova šumu, jehož výkonové spektrum bylo modifikováno tak, aby odpovídalo modelu výkonového spektra EMG signálu. Pro zvýšení filtračního výkonu jsme využili adaptivního nastavení parametrů filtrace podle úrovně vstupního rušení. Jsme schopni zvýšit průměrné SNR cele databáze o asi 10.6 dB. Navržený algoritmus poskytuje lepší výsledky než klasický vlnkový Wienerův filtr.

Anglický abstrakt

In this study, we focused on the reduction of broadband myopotentials (EMG) in ECG signals using the wavelet Wiener filtering with noise-free signal estimation. We used the dyadic stationary wavelet transform (SWT) in the Wiener filter as well as in estimating the noise-free signal. Our goal was to find a suitable filter bank and to choose other parameters of the Wiener filter with respect to the signal-to-noise ratio (SNR) obtained. Testing was performed on artificially noised signals from the standard CSE database sampled at 500 Hz. When creating an artificial interference, we started from the generated white Gaussian noise, whose power spectrum was modified according to a model of the power spectrum of an EMG signal. To improve the filtering performance, we used adaptive setting parameters of filtering according to the level of interference in the input signal. We were able to increase the average SNR of the whole test database by about 10.6 dB. The proposed algorithm provides better results than the classic wavelet Wiener filter.

Klíčová slova

Širokopásmový myopotenciálový šum (EMG), databáze CSE, signál EKG, Wienerův filtr, vlnková transformace

Rok RIV

2013

Vydáno

01.02.2013

Strany od

437

Strany do

445

Strany počet

9

URL

BibTex


@article{BUT97333,
  author="Lukáš {Smital} and Martin {Vítek} and Jiří {Kozumplík} and Ivo {Provazník}",
  title="Adaptive Wavelet Wiener Filtering of ECG Signals",
  annote="In this study, we focused on the reduction of broadband myopotentials (EMG) in ECG signals using the wavelet Wiener filtering with noise-free signal estimation. We used the dyadic stationary wavelet transform (SWT) in the Wiener filter as well as in estimating the noise-free signal. Our goal was to find a suitable filter bank and to choose other parameters of the Wiener filter with respect to the signal-to-noise ratio (SNR) obtained. Testing was performed on artificially noised signals from the standard CSE database sampled at 500 Hz. When creating an artificial interference, we started from the generated white Gaussian noise, whose power spectrum was modified according to a model of the power spectrum of an EMG signal. To improve the filtering performance, we used adaptive setting parameters of filtering according to the level of interference in the input signal. We were able to increase the average SNR of the whole test database by about 10.6 dB. The proposed algorithm provides better results than the classic wavelet Wiener filter.",
  chapter="97333",
  number="2",
  volume="60",
  year="2013",
  month="february",
  pages="437--445",
  type="journal article"
}