TY - JOUR T1 - Enhancement and Denoising of ECG Signals using Adaptive Kalman Filter TT - ارتقا و حذف نویز از سیگنال قلبی با استفاده از فیلتر تطبیقی کالمن JF - HBI_Journals JO - HBI_Journals VL - 18 IS - 9 UR - http://jams.arakmu.ac.ir/article-1-3618-fa.html Y1 - 2015 SP - 1 EP - 11 KW - Adaptive kalman filter KW - Bayesian model KW - Electrocardiogram KW - Noise estimation N2 - زمینه و هدف: سیگنال الکتروکاردیوگرام (ECG) نمایشی گرافیکی از فعالیت قلبی است. پردازش و تحلیل تغییرات مورفولوژیکی آن می‌تواند به تشخیص بصری بسیاری از بیماری‌های قلبی کمک کند. با این وجود، انواع نویز واغتشاش در سیگنال ECG تشخیص بصری و استخراج ویژگی از آن را به شدت تحت تاثیر قرار می‌دهد. هدف از این پژوهش، حذف نویزهای مختلف سیگنال ECG و بهبود کیفیت آن می‌باشد. مواد و روش‌ها: در این پژوهش، فیلتر تطبیقی کالمن بر اساس مدل بیزین استنتاج شد. با در نظر گرفتن ساده سازی‌های صورت گرفته و توزیع گوسی برای نویز اندازه‌گیری، روابط ریاضی پیچیده به روابط ساده تبدیل شد و در نتیجه پیاده سازی آسان گشت. یافته‌ها: در این مقاله، نسبت سیگنال به نویز (SNR) با استفاده از طراحی فیلتر تطبیقی کالمن به میزان 21.46dB افزایش یافت. فیلتر تطبیقی کالمن با استنتاج از چارچوب بیزین قادر است تغییرات دینامیکی سیگنال ECG را با استفاده از تخمین ماتریس کوواریانس نویز اندازه‌گیری مدل سازی کند. نتیجه‌گیری: برخلاف فیلترهای کالمنی که سیگنال ECG را بر اساس توابع پارامتری مدل سازی می کنند، فیلتر تطبیقی کالمن ارائه شده در این مقاله، ثبت‌های ECG واقعی را برای مدل سازی به کارگرفته است. توابع پارامتری که بتوانند تغییرات دینامیکی ECG را مدل‌سازی کنند نیازمند تعداد زیادی توابع تحلیلی هستند و این باعث کندشدن فرایند فیلترینگ می‌گردد. اما فیلتر تطبیقی کالمن ارائه شده در این پژوهش از سرعت بالایی برخوردار بوده و می‌تواند در کاربردهای زمان واقعی به کار گرفته شود. M3 ER -