بهبود سیگنال ECG با فیلتر تطبیقی نرمال شده بدون بایاس

این مقاله یک سیستم کاهش نویز تطبیقی نرمال شده و بدون بایاس برای بهبود کیفیت سیگنال های الکتروکاردیوگرام ارائه می دهد. سیستم پیشنهادی از چهار مرحله تشکیل شده است: فیلتر میانگین متحرک دومرحله ای برای حذف انحراف خط پایه، فیلتر شانه ای IIR برای سرکوب تداخلات شبکه برق، تزریق نویز سفید گوسی به عنوان سیگنال مرجع، و فیلتر تطبیقی نرمال شده مبتنی بر الگوریتم نزول گرادیان برای حذف نویزهای تصادفی فرکانس بالا. برخلاف روش های متداول که نیازمند تحلیل دقیق ویژگی های سیگنال مانند تشخیص کمپلکس QRS هستند، مدل پیشنهادی بدون نیاز به شناسایی این ویژگی ها عمل می کند. در این روش، فرایند تطبیقی برای کمینه سازی خطای لحظه ای بین قدرت سیگنال تخمینی و سیگنال بدون نویز طراحی شده و ضرایب فیلتر به صورت نرمال شده حفظ می شوند. ارزیابی عملکرد بر روی پایگاه داده MIT-BIH در سطوح مختلف نویز با SNR از ۵ تا ۲۰ دسی بل انجام گرفت. نتایج بر اساس معیار خطای میانگین مربعات نشان داد که مدل پیشنهادی با کاهش متوسط ۷۸.۸% در MSE نسبت به فیلتر LMS، عملکرد برتری دارد. در شرایط نویز شدید با SNR برابر ۵ دسی بل، کاهش خطا ۷۱.۷% و در شرایط نویز کمتر با SNR برابر ۲۰ دسی بل، کاهش خطا ۸۴.۳% حاصل شد. این نتایج نشان می دهد که سیستم پیشنهادی برای کاربردهای بالینی واقعی مناسب است.

کلیدواژه ها:

فیلتر وفقی بدون بایاس ، فیلتر میانگین متحرک ، الکتروکاردیوگرام ، فیلتر شانه ای ، نزول گرادیان ، همگرایی الگوریتم