节段性方法与SWT为此次信号去噪技术

文摘

眼电图(小城镇)污染的信号往往是工件和电源同时记录。它是非常必要的降噪小城镇信号质量诊断。嘈杂的小城镇的研究处理去噪信号利用平稳小波变换(SWT)技术通过两种不同的方法,即增加部分小城镇的信号和不同等于部分小城镇的信号。进行节段去噪分析,一个小城镇信号模拟和添加噪声控制的权力5 dB, 10 dB, 15分贝,20 dB, 25 dB,获得五个不同的嘈杂的小城镇的信号。他们去噪后的结果是非常令人鼓舞的。之间的均方根误差(RMSE)值参考此次此次信号与噪声信号的5 dB, 10 dB, 15分贝非常少相比,20 dB和25分贝噪声能力。研究结果表明,SWT技术可以用来消除干扰噪声小城镇与最优噪声信号权力从5到15分贝。这种技术可能是有用的在各种神经或眼部疾病的诊断质量。

1。介绍

眼睛周围的电场变化当它移动时,产生一个电信号称为眼电图(小城镇)信号。这是由于电偶极子的形成,随着眼睛的角膜和视网膜像积极的和消极的。为了呈现一个简单和准确的解释是非常重要的有效分离信号组件从电源干扰引起的噪声和不受欢迎的构件(1]。删除组件不需要的信号频率范围使用不同类型的数字滤波器。很难降低工件造成意想不到的人类行为取决于时间,与固定系数的数字滤波器2]。这个问题是可以克服的,自适应滤波技术。递归最小二乘(RLS)算法,其收敛性不依赖于输入信号,是最快的传统自适应算法和它的最佳适应算法降噪喜欢小城镇的非平稳信号,心电图,肌电图,等等3]。在小城镇等生物医学信号分析,小波变换已经成为一个优秀的技术。为更好地理解行为的信号小波变换能够将时域信号转换为频率定位(4]。小波是小波振荡来区分不同的频率和包含形状分析和窗口(5]。

本文通过仿真的方法,SWT技术的性能分析计算均方根误差(RMSE)值。技术也比RLS自适应滤波器算法的自适应滤波器算法被证明是适合小城镇信号处理(3]。因此,这项研究的结果。

2。SWT

SWT高和低通滤波器适用于每一层的数据。它不毁掉和修改过滤器在每个层面上,通过用零填充。它是计算更加复杂。尺度的子集的选择”“和立场””母亲的小波(6- - - - - -8)如下:

二元尺度和位置(和基于权力的两个是整数)。小波函数是由扩张函数用一个系数(从(1)导致的翻译功能区间网格成正比。通过关联原始信号小波不同大小的函数,得到信号在多个尺度上的细节。这种分层方案称为多分辨率分解的信号分为“近似”和“细节”在不同的尺度上。SWT保留原始信号的特性,翻译并不一定意味着翻译相应的小波系数(9- - - - - -12]。分解方案如图1。

3所示。自适应滤波器

自适应滤波器有“自律”和“跟踪”能力。它的设计不需要信号和噪声的先验知识的特点,因为它观察现有的信号的统计特性和在正常运行参数自动调整。

输入信号应用于自适应滤波器,以产生输出信号。误差信号是期望信号的区别和滤波器输出。因此,自适应滤波器自动进行设计基于输入信号的特点和所需的信号。RLS自适应算法被认为是自适应算法在图2(13]。

4所示。RLS算法

RLS自适应滤波器采用以下预测算法。

在这里对于一个自适应滤波器,在。而 不少于一个预定义的做开始评估 结束时;在这里是加权自相关矩阵的逆的遗忘因子的加权。

也就是说,,在那里 是期望信号,是错误,一直在权向量样本吗。

与,,在那里是一个单位矩阵,是遗忘因子等于0.99 [14]。

5。方法

图4(一)是一个小城镇信号组成的复合眼球运动和眨眼的模拟和小城镇作为参考信号分析。参考此次信号的力量发现44.11 dB。

五嘈杂的小城镇模拟信号通过添加噪音控制权力5 dB, 10 dB, 15分贝,20 dB, 25 dB,分别参考此次信号。各自的五嘈杂的小城镇信号的信噪比是39.04 dB, 33.92 dB, 29.02 dB, 24.12 dB和19.01分贝。五个嘈杂的小城镇信号被命名为EOG5 dB, EOG10 dB, EOG15 dB, EOG20 dB, EOG25 dB。

这些嘈杂的小城镇信号去噪使用SWT技术。Bior 3.3(图3)目前的选择小波分析的基础上,有前途的结果在前发表的报告(4]。

去噪分析是由两个方法:(我)增加部分(在步骤512个样本)从1到8192的样本噪声小城镇信号();(2)不同的相同部分的8192个样本噪声小城镇信号()。这一段等于512个样本。

每一部分的RMSE值计算参考此次信号和denoised-EOG信号之间的两种方法。

此外,最大,最小,意思是,和标准偏差值也从获得的RMSE值计算。

估计均方根误差(RMSE)。考虑 在哪里此次信号的长度,小城镇的参考信号,然后呢是denoised-EOG信号。

6。结果和讨论

让我们考虑的去噪分析增加部分的五个嘈杂的小城镇信号EOG5 dB, EOG10 dB, EOG15 dB, EOG20 dB, EOG25 dB。通过与SWT这些嘈杂的小城镇信号去噪技术,获得的最大RMSE值在8.38之间μ10.92 V和μ诉所有这些获得的最大值1:512部分样品。由于这些高值低浓度的小城镇信号如图4 (b)。0.91获得最低RMSE值之间μ7.81 V和μ诉,但最低RMSE值4.59μ7.81 V和μV得到去噪EOG20 dB和EOG25 dB信号获得的相对高值超过最低RMSE值去噪EOG5 dB, EOG10 dB, EOG15 dB的信号。通过去噪16段在这种方法中,获得的平均值和标准偏差RMSE值(2.75μ2.15 V和μV, 3.12μ1.97 V和μV, 4.00μ1.74 V和μV) EOG5 dB, EOG10 dB, EOG15 dB的信号。从表1相比,这些值相当更好EOG20 dB和EOG25 (5.55 dB信号μ1.43 V和μV, 8.50μ0.78 V和μV)。

又去噪五嘈杂的小城镇信号与RLS自适应滤波技术,获得的最大RMSE值在35.92之间μ36.49 V和μ诉所有这些获得的最大值1:512部分样品。这些高价值是由于此次信号已经表示浓度越低。17.97获得最低RMSE值之间μ18.38 V和μ表中给出V2。但这些统计值非常大的相比,表中给出的值通过SWT技术1。

从分析不同的平等的考虑与SWT嘈杂的小城镇信号技术,获得的最大RMSE值在8.38之间μ11.73 V和μV 1:512段的样品除了最大RMSE值11.73μ段的V获得4097:4068样本。这是与RMSE值10.92相比可以忽略不计μ段的V获得1:512样本。0.75之间的最小RMSE值μ2.44 V和μV,分别为EOG5 dB, EOG10 dB, EOG15 dB信号与4.16相比非常少μ7.28 V和μ获得的V RMSE值去噪EOG20 dB和EOG25 dB信号。EOG10 dB, EOG5 dB和EOG15 dB信号分析、均值和标准差是3.35μ3.21 V和μV, 3.77μ2.97 V和μV, 3.99μ2.61 V和μ诉这些值都在明显改善与EOG20相比6.11 dB和EOG25 dB信号μ2.23 V和μV, 9.17μ1.44 V和μ表中给出V3。

RLS自适应滤波技术,获得的最大RMSE值在49.52之间μ50.60 V和μ诉之间的最小RMSE值13.97μ14.45 V和μ分别V。获得的平均值和标准偏差非常大相比与SWT技术获得的值在表3和4。

denoised-EOG5 dB(图4 (c))和denoised-EOG20 dB(图5 (c))信号与SWT技术数据所示4和5随着小城镇参考信号(数字4(一)和5(一个))。

7所示。结论

本研究涉及的优化SWT在小城镇信号去噪技术对不同程度的噪声功率。研究结果表明,SWT技术是一个合适的技术来消除干扰小城镇信号与噪声大国15分贝的RMSE值。任何噪声功率超过15分贝不会给我们质量的输出。获得的结果是显著的和非常低的RMSE值模拟水平的噪音相当大的权力。即使结果与RLS自适应滤波技术的分析,这是证明是最好的自适应滤波器算法小城镇信号处理(3),SWT技术取得了更好的效果。因此可以得出结论,该方法的去噪,此次质量信号可能是有用的在医学领域的有效诊断各种神经和眼部疾病。

利益冲突

作者宣称没有利益冲突有关的出版。

承认

作者非常感谢物理系和纳米技术所提供的支持,SRM大学Kattankulathur,泰米尔纳德邦,印度。

引用

1. s . r . Choudhury s Venkataramanan h . b . Nemade和j·s . Sahambi“设计和开发一种新型小城镇生物电势放大器,”业务和新兴市场的国际期刊,7卷,不。1,第274 - 270页,2005。视图:谷歌学术搜索
2. m·考尔b·辛格j . s . Ubhi和王妃,“数字心电图信号的过滤去除基线漂移,”学报》国际会议通信技术和应用程序(CSIT 11)5卷,第109 - 105页,IACSIT出版社,新加坡,2011年。视图:谷歌学术搜索
3. 纳迦拉杰什,s . Chandralingam t . Anjaneyulu和k . Satyanarayana“绩效评估此次信号处理的自适应滤波器算法,”国际期刊的系统、算法和应用程序,卷2,14 - 18,2012页。视图:谷歌学术搜索
4. r·a·纳迦,s . Chandralingam t . Anjaneyulu和k . Satyanarayana“利用平稳小波变换去噪小城镇信号,”测量科学评论,12卷,不。2,46-51,2012页。视图:出版商的网站|谷歌学术搜索
5. 玛拉和k·拉莎,”在眼球运动的分类特征选择使用electrooculography活动识别,”计算和数学方法在医学ID 713818条,卷。2014年,9页,2014。视图:出版商的网站|谷歌学术搜索
6. m . Malini和k·苏巴拉奥”,分析小城镇使用haar小波信号,”学报》国际研讨会上设备微机电系统、智能通信系统(ISDMISC 11)计算机应用,页28-31、国际期刊(IJCA), 2011年。视图:谷歌学术搜索
7. m . s . Reddy,哈,e .苏雷什和k . s . Rao”分析小城镇信号利用小波变换检测眼睛眨眼,”美国无线通信和信号处理国际会议(WCSP 10),页1 - 4,IEEE,苏州,中国,2010年10月。视图:出版商的网站|谷歌学术搜索
8. d·r·马里、s . m . Khadtare和美国l . Bombale”取消50 hz PLI使用离散小波变换的质量诊断生物医学心电信号,”国际期刊的计算机应用程序,23卷,不。7、1 - 6,2011页。视图:出版商的网站|谷歌学术搜索
9. v . n . p . Raj和t . Venkateswarlu使用抽取小波变换的心电信号去噪,”学报第三电子计算机技术国际会议(ICECT 11)IEEE,页94 - 98年,Kanyakumari,印度,2011年4月。视图:出版商的网站|谷歌学术搜索
10. 诉Krishnaveni, s Jayaraman s Aravind诉Hariharasudhan和k . Ramadoss”自动识别和清除眼部工件使用小波变换,从脑电图”测量科学评论》第六卷,没有。4,45-57,2006页。视图:谷歌学术搜索
11. m·卡尼亚m . Fereniec, r . Maniewski”多回路高分辨率的ECG信号的小波去噪,”测量科学评论,7卷,不。4,30-33,2007页。视图:谷歌学术搜索
12. m . c . e . Rosas-Orea m . Hernandez-Diaz诉Alarcon-Aquino和l . g . Guerrero-Ojeda”比较模拟研究基于小波的去噪算法,”学报》第15届国际会议上电子、通信和计算机(CONIELECOMP ' 05)IEEE,页125 - 130年,2005年3月。视图:出版商的网站|谷歌学术搜索
13. p .他、g·威尔逊和c·罗素“去除眼部工件从脑电图的自适应滤波,”医学和生物工程和计算,42卷,不。3、407 - 412年,2004页。视图:出版商的网站|谷歌学术搜索
14. j . a . Apolinario Jr .)QRD-RLS自适应滤波施普林格,纽约,纽约,美国,2009年。

版权

版权©2015纳迦拉杰什。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。