Fine Tuning of the Dynamic Low-pass Filter for Electromyographic Noise Suppression in Electrocardiograms

Christov, Ivaylo; Neycheva, Tatyana; Schmid, Ramun

doi:10.22489/cinc.2017.088-007

Cited by 8 publications

(17 citation statements)

References 9 publications

(10 reference statements)

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…The SNR of the noised ECG data is 18dB and the data in Figure 5 is the same as that in Figure 3 After the pre-processing and KF filtration, all the QRS peaks are reserved and remain in good shape. Then combing the threshold method with wing function, the P peaks are detected in the final processed ECG waves without EMG interference [3]. Figure 6 shows the R peaks and P peaks of the same segment identified by the algorithm, where R peaks are identified by wavelet threshold method.…”

Section: Resultsmentioning

confidence: 99%

“…However, they usually result in limited suppression of EMG artefact but considerable reduction of sharp QRS wave amplitudes. Ivoylo et al proposed a dynamic low-pass filter for EMG noise suppression in ECG [3]. Sayyad et al used extended Kalman filter and extended Kalman smoother to eliminate EMG, but both methods distorted QRS observably [4].…”

Section: Introductionmentioning

confidence: 99%

See 1 more Smart Citation

Kalman Filter Based Electromyographic Signal Suppression of Real-Time ECG Signal

Meng¹,

Zhong

Zhu

et al. 2018

2018 Computing in Cardiology Conference (CinC)

View full text Add to dashboard Cite

Electromyographic (EMG) noise has a broad bandwidth overlapping on the ECG signal, which is hard to suppress. This research uses one-dimensional Kalman filter to remove EMG noise after preliminary filtering and QRS complex wave recognition of real-time ECG signal. In this research, the low pass and high-pass FIR filter are used firstly to suppress power line and high frequency interference. Then a median filter is used to delete baseline wander. A Kaiser window is also used to prevent spectrum leakage. After these pre-processing, the wavelet transform method is used to initially identify the R peaks, Q peaks and S peaks. Since EMG noise is similar as white noise as to ECG, Kalman filter is suitable to remove EMG in real time. We generate an EMG noise database by adding EMG noise from Noise Stress Test database to clean ECG data in MIT-BIH Arrhythmia Database. We test the ECG data in EMG noise database and 1475 ECG data collected by a portable ECG card. Without weakening the R peaks, the EMG noise is suppressed successfully, while P-peaks can be automatically identified with the smooth signal, which helps to identify premature ventricular contraction (PVC). The sensitivity and positive predict value (+P) of QRS recognition and P recognition of EMG noise database are all above 99%.

show abstract

Section: Resultsmentioning

confidence: 99%

Section: Introductionmentioning

confidence: 99%

Kalman Filter Based Electromyographic Signal Suppression of Real-Time ECG Signal

Meng¹,

Zhong

Zhu

et al. 2018

2018 Computing in Cardiology Conference (CinC)

View full text Add to dashboard Cite

show abstract

“…На рис. 4 показано приклад застосування алгоритму AH 3P  в порівнянні з високоефективним динамічним алгоритмом, що змінює довжину інтервалу апроксимації адаптивно до низькочастотного або високочастотного характеру сигналу та до рівня шуму [9,22,23], де а -вхідний сигнал з ЕМГ шумом; б -сигнал на виході динамічного апроксимуючого фільтру; в -сигнал на виході алгоритму AH 3P ; г -сирцевий ЕМГ шум; д -залишковий шум динамічного апроксимуючого фільтру; е -залишковий шум алгоритму AH 3P . Бачимо: більш якісне усунення ЕМГ завади алгоритмом AH 3P .…”

Section: вибір параметрів адаптивних алгоритмівunclassified

“…У кількісній оцінці по фрагменту ЕКГ сигналу з ЕМГ шумом (рис. 4, а) інтегральні показники ефективності такі: при вхідних значеннях СКП =0,006314 та ВСШ q=3,87 дБ на виході динамічного апроксимую-чого алгоритму [9,22,23] СКП зменшилося в 5,12 раз, а ВСШ зросло на 7,23 дБ, а для алгоритму AH 3P  СКП зменшилося в 5,57 раз, а ВСШ зросло на 8,6 дБ. При цьому треба враховувати перевагу запропонованих адаптивних алгоритмів по затримці обробки сигналу в реальному часі [32].…”

Section: вибір параметрів адаптивних алгоритмівunclassified

“…Це підтверджується як статистичними оцінками ефективності, так й вихідними сигналами фільтрів при впливі шуму з різною дисперсією. Застосування до сигналу ЕКГ з ЕМГ-шумом демонструє кращу якість усунення цієї завади порівняно з сучасним високоефективним динамічним фільтром [9,22,23].…”

Section: висновкиunclassified

See 1 more Smart Citation

Adaptive algorithms for real-time filtering of electrocardiogram with multilevel noise estimation

Тулякова¹,

Трофимчук²

2020

Radiotekhnika

View full text Add to dashboard Cite

У більшості практичних ситуацій шумова складова сигналу електрокардіограми (ЕКГ) має нестаціонарну природу: різний апріорно невідомий рівень дисперсії в часі. Прикладом складного нестаціонарного шуму в ЕКГ є електроміографічний (ЕМГ) шум, що виникає внаслідок скорочення або напруженості м'язових волокон у околі накладення електродів. Такий шум відноситься до внутрішніх (фізіологічних) завад, отже, реєструється та посилюється в суміші з корисним сигналом. ЕМГ шум має широкий апріорно невідомий спектр частот, що істотно перетинається зі спектром ЕКГ, і може мати різний рівень дисперсії [1-4]. Також існує метод діагностики, коли вимірювається саме ЕМГ сигнал з метою виявлення порушень у функціонуванні різних груп м'язів, спричинених нейро-м'язовими хворобами [5, 6], а ЕКГ сигнал, що накладається на ЕМГ, є завадою, яка особливо впливає при дослідженнях верхніх м'язів з лівого боку. Одним із способів усунення ЕКГ артефакту є адаптивний компенсатор, що оптимально налаштовує вектор вагових коефіцієнтів фільтра так, щоб отримати вихідний сигнал, максимально близький до завади, який потім віднімається із вхідного сигналу [6, 7], але для цього методу потрібен одночасний з'йом опорного сигналу, що сильно корелює із сигналом завади. Іншим підходом, що не потребує додаткових технічних засобів-відповідно, подорожчання ЕМГ приладів, є застосування фільтрації для придушення шумоподібного ЕМГ сигналу в ЕКГ з подальшим відніманням ЕКГ із змішаного сигналу [8-10]. На сьогодні запропоновано різні адаптивні алгоритми фільтрації шуму в ЕКГ, яким притаманні як певні переваги, так і недоліки, зокрема більшість з них використовує припущення стаціонарності шуму, а в разі здійснення оперативної обробки сигналу в реальному часі, як правило, алгоритми фільтрації втрачають й у ефективності [11-13]. Як говорилося раніше, ЕМГ шум може істотно варіюватися, мати нестаціонарні, наперед невідомі характеристики, тож проблема усунення цієї завади без суттєвого спотворення корисного сигналу й на сьогодні залишається складною й актуальною. Високу ефективність придушення ЕМГ шуму в ЕКГ забезпечують адаптивні алгоритми на основі ортогональних дискретних косинусних і вейвлетних перетворень [3, 14-16], однак вони не швидкі. Також, внаслідок застосування порогових операцій при усіченні ряду ортогональних функцій, для даних алгоритмів притаманний прояв ефекту Гіббса у вигляді низько-амплітудних сплесків та осциляцій у околі різких змін сигналу [16]. Прості та високоефективні алгоритми з динамічною зміною довжини інтервалу апроксимації залежно від оцінок крутизни (швидкості зростання/спадання) сигналу запропоновано в [2, 3, 17, 18], але вони не чутливі до рівня шуму і не реалізуються в реальному часі. Апроксимація здійснюється по оптимальному за критерієм найменших квадратів [11, 12] алгоритму Савицького-Голея [19]. У подальшому розроблено динамічні апроксимуючі алгоритми, що адаптують розмір вікна не тільки до змін у спектральному складі сигналу, але й до рівня шуму, крім того, для них можливе застосування в псевдореальному часі [20-23]. У роботах [24-32] за...

show abstract

Noise Removal for the Steady-State Pressure Measurements Based on Domain Knowledge of Water Distribution Systems

Shao,

Xu,

Zhang

et al. 2024

J. Water Resour. Plann. Manage.

View full text Add to dashboard Cite

Fine Tuning of the Dynamic Low-pass Filter for Electromyographic Noise Suppression in Electrocardiograms

Abstract: In a series of publications, we have proposed and discussed the effectiveness of a dynamic low-pass filter for electromyographic (EMG)

Cited by 8 publications

References 9 publications

Kalman Filter Based Electromyographic Signal Suppression of Real-Time ECG Signal

Kalman Filter Based Electromyographic Signal Suppression of Real-Time ECG Signal

Adaptive algorithms for real-time filtering of electrocardiogram with multilevel noise estimation

Noise Removal for the Steady-State Pressure Measurements Based on Domain Knowledge of Water Distribution Systems

Contact Info

Product

Resources

About