Wavelet-based denoising using subband dependent threshold for ECG signals

Poornachandra, S.

doi:10.1016/j.dsp.2007.09.006

Cited by 220 publications

(98 citation statements)

References 14 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…La codificación subbanda (CSB) es un claro ejemplo de aplicación de sistemas multitasa, donde se busca hacer un uso más eficiente de recursos como el ancho de banda de un canal, comprimir datos sin tener efectos trascendentales sobre la calidad de las señales o simplemente descomponer una señal en componentes de frecuencia para procesarlas separadamente (Proakis and Manolakis, 1996;Vaidyanathan, 1990). Dicha técnica encuentra aplicación en muchos campos: en la bioingeniería, se utilizan técnicas de descomposición para hacer clasificación de señales electrofisiológ-icas como las EEG (Kevric and Subasi, 2017), para hacer compresión (Oosugi et al, 2017) y también eliminación de ruido (Poornachandra, 2008); en procesamiento de imágenes se trabaja el mejoramiento de imágenes y su compresión (Anbarjafari and Demirel, 2010) y en procesamiento de audio se ha convertido en una herramienta poderosa en la implementación de codecs de audio para reducir la tasa de bits (Winkler and Faller, 2005;April, 2015).…”

Section: Introductionunclassified

Compresión de Audio Basada en Codificación Subbanda

Llanos

Robles-Algarín

Fula

2018

KEG

View full text Add to dashboard Cite

An eight channels subband audio codec is implemented for signals with 44.1 KHz and 16 bits per sample using Matlab. To achieve perfect reconstruction, a two channels QMF filter bank with cutoff frequency = /2 is designed, based on an equiriple filter of 99 order. Seven stages of this bank are used to split the input into eight signals with sample rates from 2.76 to 11 KHz, which are coded from 1 to 16 bits depending on the band energy. To evaluate performance for three tracks in terms of similarity of input and output signals, a Mean Opinion Score (MOS) experiment with fifteen subjects was performed. The Euclidean Distance between spectrums was also measured. Results showed a fair similitude for two tracks and excellent for one. Compression factors above 96% were achieved.Keywords: subband coding, mean opinion score MOS, QMF filter banks, audio compression ResumenSe implementa un codificador subbanda de 8 canales para señales de entrada con frecuencia de muestreo de 44.1KHz y 16 bits por muestra, utilizando Matlab. Para reconstrucción perfecta se diseña un banco de filtros QMF de dos canales con frecuencia de corte = /2, a partir de un pasobajo equiriple de orden 99. Se utilizan siete etapas del banco diseñado para generar ocho señales con frecuencias de muestreo de 2.76 a 11 KHz, las cuales son codificadas con tamaños de palabra de 1 a 16 bits, dependiendo de la energía de la banda. Para hacer una evaluación subjetiva del desempeño, se mide la similitud de la señal original con la codificada para tres pistas musicales, realizando una prueba MOS a quince sujetos. Como medición objetiva se calcula distancia euclidiana entre espectros de la señal original y la reconstruida. Los resultados mostraron similitud aceptable para dos pistas y excelente para una. Se logran factores de compresión superiores al 96%.

show abstract

Section: Introductionunclassified

Compresión de Audio Basada en Codificación Subbanda

Llanos

Robles-Algarín

Fula

2018

KEG

View full text Add to dashboard Cite

show abstract

“…The interval between S wave and the beginning of the T wave is called the ST segment. In some ECG an extra wave can be seen at the end of the T wave, called as U wave [1]. In frequency domain ECG signal varies from 0.05 Hz to 100Hz whereas the associated amplitude values vary from 0.02 mV to 5 mV.…”

Section: Figure 1 Ecg Waveformmentioning

confidence: 99%

A Fuzzy Based Approach for Denoising of ECG Signal using Wavelet Transform

Goel¹,

Tomar²,

Kaur³

2016

IJBSBT

View full text Add to dashboard Cite

show abstract

“…For the signal reconstruction, the filtering process is simply reversed. One common application of the DWT is denoising, which has received considerable attention in the removal of noise in biomedical signals [27][28][29][30][31]. The DWT-based denoising algorithm is based on three stages:…”

Section: Discrete Wavelet Algorithm and Discrete Wavelet-based Denoisingmentioning

confidence: 99%