|
|
، جلد ۱۸، شماره ۹، صفحات ۱-۱۱
|
|
|
| عنوان فارسی |
ارتقا و حذف نویز از سیگنال قلبی با استفاده از فیلتر تطبیقی کالمن |
|
| چکیده فارسی مقاله |
زمینه و هدف: سیگنال الکتروکاردیوگرام (ECG) نمایشی گرافیکی از فعالیت قلبی است. پردازش و تحلیل تغییرات مورفولوژیکی آن میتواند به تشخیص بصری بسیاری از بیماریهای قلبی کمک کند. با این وجود، انواع نویز واغتشاش در سیگنال ECG تشخیص بصری و استخراج ویژگی از آن را به شدت تحت تاثیر قرار میدهد. هدف از این پژوهش، حذف نویزهای مختلف سیگنال ECG و بهبود کیفیت آن میباشد. مواد و روشها: در این پژوهش، فیلتر تطبیقی کالمن بر اساس مدل بیزین استنتاج شد. با در نظر گرفتن ساده سازیهای صورت گرفته و توزیع گوسی برای نویز اندازهگیری، روابط ریاضی پیچیده به روابط ساده تبدیل شد و در نتیجه پیاده سازی آسان گشت. یافتهها: در این مقاله، نسبت سیگنال به نویز (SNR) با استفاده از طراحی فیلتر تطبیقی کالمن به میزان 21.46dB افزایش یافت. فیلتر تطبیقی کالمن با استنتاج از چارچوب بیزین قادر است تغییرات دینامیکی سیگنال ECG را با استفاده از تخمین ماتریس کوواریانس نویز اندازهگیری مدل سازی کند. نتیجهگیری: برخلاف فیلترهای کالمنی که سیگنال ECG را بر اساس توابع پارامتری مدل سازی می کنند، فیلتر تطبیقی کالمن ارائه شده در این مقاله، ثبتهای ECG واقعی را برای مدل سازی به کارگرفته است. توابع پارامتری که بتوانند تغییرات دینامیکی ECG را مدلسازی کنند نیازمند تعداد زیادی توابع تحلیلی هستند و این باعث کندشدن فرایند فیلترینگ میگردد. اما فیلتر تطبیقی کالمن ارائه شده در این پژوهش از سرعت بالایی برخوردار بوده و میتواند در کاربردهای زمان واقعی به کار گرفته شود. |
|
| کلیدواژههای فارسی مقاله |
فیلتر تطبیقی کالمن، مدل بیزین، الکتروکاردیوگرام، تخمین نویز |
|
| عنوان انگلیسی |
Enhancement and Denoising of ECG Signals using Adaptive Kalman Filter |
|
| چکیده انگلیسی مقاله |
Background: Electrocardiogram signal (ECG) is a graphical representation of the heart activity. Processing and analysis of these morphological changes can result in visual diagnosing some cardiac diseases. However, various types of noises and disturbances in ECG influence the visual recognition and feature extraction from it. The aim of this research is to eliminate different noises from ECG and to enhance its quality. Materials and Methods: In this study, an adaptive Kalman filter is developed by using Bayesian model. Considering simplification and Gaussian distribution for measurement noise, complicated mathematical equations were converted to simple relations and therefore implementation was simplified. Results: In this paper, by designing an adaptive Kalman filter, the signal to noise ratio (SNR) has increased to 21.46dB. Adaptive Kalman filter based on Beyesian framework could model dynamic variations of ECG signal by estimating covariance matrix for measurement noise. Conclusion: In despite of Kalman filters that use parametric functions to model ECG signal, the adaptive Kalman filter introduced in this paper uses real ECG records for modeling. Parametric functions which could model dynamic variations of ECG need a lot of analytical functions and this decreases the time of filtering process but the adaptive Kalman filter proposed in this research has a high speed and could be used in real time applications. |
|
| کلیدواژههای انگلیسی مقاله |
|
|
| نویسندگان مقاله |
معصومه آشوری راد | Masoomeh Ashoorirad
Department of Medical Engineering, Industrial University of Hamedan, Hamedan, Iran.
گروه مهندسی پزشکی، دانشگاه صنعتی همدان، همدان، ایران
رسول باغبانی خضرلو | Rasool Baghbani Khezerloo
Department of Medical Engineering, Industrial University of Hamedan, Hamedan, Iran.
گروه مهندسی پزشکی، دانشگاه صنعتی همدان، همدان، ایران
|
|
| نشانی اینترنتی |
http://jams.arakmu.ac.ir/browse.php?a_code=A-10-3588-1&slc_lang=fa&sid=1 |
| فایل مقاله |
اشکال در دسترسی به فایل - ./files/site1/rds_journals/2736/article-2736-2048722.pdf |
| کد مقاله (doi) |
|
| زبان مقاله منتشر شده |
fa |
| موضوعات مقاله منتشر شده |
علوم پایه |
| نوع مقاله منتشر شده |
پژوهشی اصیل |
|
|
|
برگشت به:
صفحه اول پایگاه |
نسخه مرتبط |
نشریه مرتبط |
فهرست نشریات
|