A Comparison of Adaptive Filter and Artificial Neural Network Results in Removing Electrocardiogram Contamination from Surface EMGs
محل انتشار: بیستمین کنفرانس مهندسی برق ایران
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 2,188
متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICEE20_069
تاریخ نمایه سازی: 14 مرداد 1391
چکیده مقاله:
Surface electromyograms (EMGs) are valuable in the pathophysiological study and clinical treatment. These recordings are critically often contaminated by cardiac artifact. The purposeof this article was to evaluate the performance of an adaptive filter and artificial neural network (ANN) in removingelectrocardiogram (ECG) contamination from surface EMGs recorded from the pectoralismajor muscles. Performance of these methods was quantified by power spectral density, coherence, signal to noise ratio, relative error and cross correlation in simulated noisy EMG signals. In between these two methods theANN has better results
کلیدواژه ها:
نویسندگان
Sara Abbaspour
Biomedical Engineering Faculty, Amirkabir University of Technology
Ali Maleki
Electrical and Computer Engineering Faculty, Semnan University
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :