Khử nhiễu hài cho tín hiệu điện tim sử dụng thuật toán thích nghi kích thước bước tỷ lệ với độ lớn gradient và bình phương tín hiệu đầu ra

Khử nhiễu hài cho tín hiệu điện tim sử dụng thuật toán thích nghi kích thước bước tỷ lệ với độ lớn gradient và bình phương tín hiệu đầu ra Nguyễn Thế Truyện Viện Nghiên cứu Điện tử, Tin học, Tự động hóa Hà Nội, Việt Nam Email: dthv@yahoo.com Nguyễn Thế Vinh Công ty TNHH MTV PTCN Điện tử, Tự động hóa Hà Nội, Việt Nam Email: ntvcie@yahoo.com Tóm tắt—Bài báo trình bày đề xuất sử dụng thuật toán thích nghi với kích thước bước được điều chỉnh bởi cả độ lớn véc tơ gradient

pdf6 trang | Chia sẻ: huongnhu95 | Ngày: 23/08/2021 | Lượt xem: 33 | Lượt tải: 0download
Tóm tắt tài liệu Khử nhiễu hài cho tín hiệu điện tim sử dụng thuật toán thích nghi kích thước bước tỷ lệ với độ lớn gradient và bình phương tín hiệu đầu ra, để xem tài liệu hoàn chỉnh bạn click vào nút DOWNLOAD ở trên
và bình phương tín hiệu đầu ra đã được làm trơn để khử nhiễu hài lưới điện cho tín hiệu điện tim. Các kết quả mô phỏng cho thấy tốc độ hội tụ của thuật toán, tỷ số tín hiệu trên nhiễu, và hệ số tương quan giữa tín hiệu điện tim gốc và tín hiệu điện tim sau khi lọc tốt hơn so với các bộ lọc thích nghi sử dụng thuật toán LMS, NLMS truyền thống. Từ khóa—LMS, NLMS, ECG, Harmonics I. GIỚI THIỆU Nền tảng cơ bản trong thiết kế chế tạo thiết bị theo dõi sóng điện tim hiện đại là kỹ thuật xử lý tín hiệu (kết hợp cả xử lý bằng phần cứng và mềm). Bên cạnh việc nghiên cứu lựa chọn sử dụng các linh kiện chuyên dụng có chất lượng tốt cũng như thiết kế mạch điện tử đúng đắn thì khâu thiết kế và kỹ thuật hóa các bộ lọc số mềm có hiệu năng cao là những điều kiện cần thiết đảm bảo cho một sản phẩm đạt chất lượng tốt. Tín hiệu điện tim là một tín hiệu điện có biên độ dao động trong một vài mV, dải tần số 0.01Hz đến 250Hz, thuộc dạng tín hiệu ngẫu nhiên không dừng [2]. Tín hiệu điện tim phản ánh dòng điện ion gây ra bởi các tế bào tim khi co lại hay giãn ra, hình 1. Hình 1. Tín hiệu điện tim [5] Để thu nhận tín hiệu điện tim người ta sử dụng các điện cực gắn trên bề mặt da của bệnh nhân, tín hiệu này trước hết sẽ được xử lí bởi mạch khuếch đại (hệ số khuếch đại khoảng 40-60 dB), mạch lọc tín hiệu, chuyển đổi tín hiệu tương tự sang tín hiệu số rồi đưa đến bộ xử lý. Tại đây, các thuật toán lọc số thực hiện các nhiệm vụ khử nhiễu và phân tích tín hiệu để đưa ra các thông tin có ích cho người dùng. Trong quá trình ghi tín hiệu điện tim, thường gặp một số loại nhiễu ảnh hưởng tới tín hiệu điện tim như nhiễu lưới điện (Power Line Interference - PLI), nhiễu trôi đường cơ sở (Baseline Wander - BW), nhiễu cao tần. Trong các thiết bị ghi điện tim thường phối hợp nhiều các giải pháp khác nhau cả phần cứng và phần mềm nhằm nâng cao chất lượng tín hiệu điện tim mục đích cuối cùng là có được tín hiệu điện tim “sạch” phục vụ cho chẩn đoán. Với từng loại nhiễu khác nhau tác động tới tín hiệu điện tim thì sẽ có những kỹ thuật khử nhiễu thích hợp khác nhau. Ví dụ, hầu hết các bộ lọc IIR thông cao được sử dụng để khử trôi đường cơ sở, nhiễu do cử động của người bệnh, trong khi đó, với nhiễu cao tần thì các bộ lọc FIR hoặc IIR thông thấp về cơ bản đáp ứng được yêu cầu kỹ thuật ([2], [5]). Đối với nhiễu lưới điện, nếu nhiễu này chỉ bao gồm thành phần nhiễu có tần số 50Hz và mức độ dao động của tần số trong phạm vi hẹp, thông thường các bộ lọc Notch được sử dụng và trong trường hợp này chất lượng tín hiệu điện tim sau khi lọc cũng đạt được yêu cầu kỹ thuật ([2], [5]). Tuy nhiên, trong một môi trường nhiễu lưới điện có phổ phức tạp, ngoài thành phần tần số cơ bản còn có các thành phần hài (harmonics) và hơn nữa các nhiễu thành phần lại có tần số, biên độ thay đổi ngẫu nhiên theo thời gian thì bộ lọc Notch bộc lộ những hạn chế nhất định. Hình 2 và hình 3 minh họa tính không hiệu quả của bộ lọc Notch có đáp tuyến biên tần cố định với tần số trung tâm là 50Hz và 150Hz, từ các kết quả thí nghiệm này ta thấy tỉ số SNR sau khi lọc bị suy giảm đáng kể khi các tần số của các thành phần cơ bản, thành phần hài của nhiễu lưới điện lệch khỏi những giá trị danh định. Hội thảo quốc gia 2014 về Điện tử, Truyền thông và Công nghệ thông tin (ECIT2014) ISBN: 978-604-67-0349-5 439 49 49.5 50 50.5 51 0 5 10 15 20 SNR (dB) thay doi theo tan so nhieu 50Hz Hz Hình 2. Tỷ số SNR suy giảm khi tần số lưới điện lệch khỏi 50Hz 149 149.5 150 150.5 151 0 5 10 15 20 SNR (dB) thay doi theo tan so nhieu hai bac 3 Tan so (Hz) Hình 3. Tỷ số SNR suy giảm khi tần số sóng hài bậc 3 lệch khỏi 150Hz Từ các kết quả thí nghiệm, chúng tôi thấy rằng các bộ lọc thích nghi có khả năng khử loại nhiễu lưới điện có phổ phức tạp tốt hơn các bộ lọc Notch với đáp tuyến biên tần cố định. Những công trình khoa học công bố trong những năm gần đây cho thấy rằng, trong các bộ lọc thích nghi thì LMS là một thuật toán được sử dụng tương đối rộng rãi ([1], [7]). Tuy nhiên, nhược điểm của thuật toán này là không cân bằng được tốc độ hội tụ và tỷ số SNR sau khi lọc ([1], [6], [7]). Phần tiếp theo của bài báo, chúng tôi đề xuất thiết kế bộ lọc thích nghi sử dụng thuật toán LMSVSS [6] để khử nhiễu hài cho thiết bị theo dõi tín hiệu điện tim. Các kết quả mô phỏng cho thấy thuật toán LMSVSS không chỉ cải thiện được tốc độ hội tụ mà còn nâng cao được tỷ số SNR cũng như hệ số tương quan giữa tín hiệu điện tim gốc và tín hiệu sau khi lọc. II. ĐỀ XUẤT BỘ LỌC THÍCH NGHI KHỬ NHIỄU HÀI CHO TÍN HIỆU ĐIỆN TIM Sơ đồ khối bộ lọc thích nghi khử nhiễu hài cho thiết bị theo dõi tín hiệu điện tim được đề xuất như trên hình 4. Ngoài những khối chức năng cơ bản thường thấy trong một thiết bị theo dõi sóng điện tim như: khối chức năng bảo vệ (1); khối lặp điện áp (2); khối lọc (3) và khối điện cực chân phải RL, trong đề xuất thiết kế có thêm khối (6) và khối (7). Khối chức năng (6) có nhiệm vụ lấy và chuẩn hóa tín hiệu từ vị trí (f), tín hiệu này được xem như là nhiễu hài, xk. Nhiễu xk được lấy mẫu “đồng thời” và cùng tần số lấy mẫu với tín hiệu dk, tín hiệu dk là tín hiệu điện tim sk bị nhiễm nhiễu hài nk. Nhiệm vụ chính của khối (7) là khử nhiễu hài bằng cách tạo ra một ước lượng tối ưu của nhiễu chứa trong tín hiệu dk và như vậy ta sẽ có được một ước lượng tối ưu của tín hiệu điện tim mong muốn. Công việc này được thực hiện với việc sử dụng tín hiệu phản hồi ke để điều chỉnh các hệ số của bộ lọc số, wk, qua thuật toán thích nghi LMSVSS [6]. Nhiễu xk được cho qua bộ lọc số với các hệ số của bộ lọc wk thay đổi được bởi thuật toán thích nghi LMSVSS, đầu ra của bộ lọc số là ước lượng  kn của nhiễu nk. Ước lượng của tín hiệu điện tim  ks thu được bằng cách lấy dk trừ đi kn , theo phương trình (1)    = − = + − k k k k k k s y n s n n (1). Tín hiệu đầu ra ks đảm nhiệm cùng lúc hai nhiệm vụ: (i) như một ước lượng của tín hiệu điện tim mong muốn và (ii) như một tín hiệu sai số ke dùng để điều chỉnh các hệ số bộ lọc. Hình 4. Bộ lọc thích nghi đề xuất cho thiết bị theo dõi sóng điện tim Hội thảo quốc gia 2014 về Điện tử, Truyền thông và Công nghệ thông tin (ECIT2014) ISBN: 978-604-67-0349-5 440 Trong quá trình thiết kế bộ lọc nhiễu nói chung thì người ta thường dùng các chỉ tiêu để đánh giá hiệu năng của bộ lọc và một trong những chỉ số quan trọng để đánh giá hiệu năng của bộ lọc là tỷ số tín hiệu trên nhiễu SNR ([3], [4]). Ta mong muốn rằng tín hiệu sau khi qua bộ lọc sẽ cho tỷ số này càng lớn càng tốt, dẫn đến phát biểu của Bổ đề 1 dưới đây. Bổ đề 1: Ước lượng của tín hiệu mong muốn tại đầu ra của bộ lọc nhiễu thích nghi có sơ đồ khối được biểu diễn trên hình 4 được tính theo phương trình (1) thì việc cực tiểu hóa tổng công suất đầu ra sẽ cực đại tỷ số SNR đầu ra của bộ lọc. Chứng minh Ta có tín hiệu nhiễm nhiễu dk được tính bởi k k kd s n= + (2) và ước lượng của tín hiệu mong muốn là    = − = + − k k k k k k s d n s n n (3). Bình phương hai vế của phương trình (3) ta có  ( ) ( )22 2 2k k k k k k ks s n n s n n= + − + − (4). Lấy kỳ vọng cả hai vế của phương trình (4) ta được  ( ) ( )2 22 2     = + − + −         k k k k k k kE s E s E n n E s n n (5). Giả thiết tín hiệu mong muốn, sk, độc lập thống kê với nhiễu nk, và cũng độc lập thống kê với ước lượng kn của nhiễu, vậy ( )2 k k kE s n n −  =0, từ đó ta có phương trình (5) trở thành  ( )2 22k k k kE s E s E n n    = + −        (6) trong đó 2kE s   là tổng công suất tín hiệu sk;  2 kE s    là công suất của tín hiệu ước lượng, nó cũng chính là tổng công suất tín hiệu đầu ra của bộ lọc; và ( )2k kE n n −   là tổng công suất nhiễu còn lại. Hiển nhiên ta thấy từ phương trình (6), nếu ước lượng kn đúng là “bản sao” của nhiễu nk thì công suất đầu ra sẽ chỉ chứa công suất tín hiệu. Bằng việc điều chỉnh bộ lọc thích nghi hướng tới vị trí tối ưu để làm mất công suất nhiễu dư thừa thì ta sẽ được cực tiểu công suất đầu ra. Khi cực tiểu hóa công suất đầu ra thì công suất của tín hiệu mong muốn sk không bị ảnh hưởng vì sk độc lập với nhiễu nk. Do đó ta có  ( )2 22min mink k k kE s E s E n n    = + −        (7). Từ phương trình (7) dễ dàng ta thấy, hiệu quả của việc cực tiểu tổng công suất đầu ra là cực đại tỷ số SNR. Khi bộ lọc được điều chỉnh để k kn n= thì  k ks s= , trong trường hợp này đầu ra của bộ lọc thích nghi sẽ hết sạch nhiễu. Khi tín hiệu dk không chứa nhiễu, tức là khi nk=0 thì bộ lọc sẽ “nghỉ” bằng cách thiết lập các hệ số bộ lọc về các giá trị không. (đ.p.c.m)  Với việc thay ước lượng tín hiệu đầu ra ks bằng sai số đầu ra ek, ta có ( )1 0 w − − = = − = − ∑ L k k k k i i T k k k e d i x d w x (8). Từ phương trình (8) ta có được hàm trung bình bình phương sai số hay còn gọi là hàm mục tiêu, J(wk), viết gọn là J, bằng cách lấy kỳ vọng của cả hai vế của (8). 2 2 2 2 2 2 2 δ δ  =         = − +          = − +    = − + k T T T k k k k k k k k T T T k k k k k k k T T k k k k k E e E d E d E E d E J x w w x x w w x w x x w w p w R w (9) Để tìm véc tơ hệ số bộ lọc wk nhằm cực tiểu hóa hàm J, ta giả thiết các tín hiệu và nhiễu có tính ergodic và dừng theo nghĩa rộng trong đoạn lấy mẫu (khoảng thời gian ngắn), khi đó véc tơ hệ số bộ lọc wk được tìm kiếm theo các bước lặp dựa vào công thức (10) 1k k k kµ+ = − ∇w w (10) trong đó kµ được tính theo công thức (12), và k∇ là véc tơ gradient của hàm mục tiêu J. Các bước thực hiện thuật toán LMSVSS được trình bày trong hình 6. Trong đó các hệ số hệ số aj và bj với j=0, 1, , N-1 được thiết kế như những hệ số của bộ lọc trung bình dịch chuyển, với tần số cắt được thiết kế dựa trên phổ của các tín hiệu lối vào. Các hệ số α, β được tính như phương trình (11) 1 1 2 1 2 1 0 0 2 2 ;N N M M j j j j B A L Lb a α β − − + + = = = = ∑ ∑ (11) với A, B là các hệ số khuếch đại. Ta dùng các hệ số khuếch đại A và B nhằm tăng vai trò các đặc tính của tổng công suất đầu ra cũng như độ lớn véc tơ gradient trong việc điều khiển kích thước bước trong công thức (12) [6]. Hội thảo quốc gia 2014 về Điện tử, Truyền thông và Công nghệ thông tin (ECIT2014) ISBN: 978-604-67-0349-5 441 1 1 2 0 0 1 1 1 2 0 0 max max1 1 1 2 0 0 min min1 ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) k k k N N j k k j k j j x N N j k k j k j j k x N N j k k j k j j x P L if P L if P L b x j e j a e j b x j e j a e j b x j e j a e j α β α β µ µ µ α β µ µ − − = = − − − = = − − − = = − + + + = ≥ + + ≤ +                ∑ ∑ ∑ ∑ ∑ ∑ (12) Vì sử dụng thêm các hệ số khuếch đại A, B nên cần thiết có một điều kiện chặn trên và dưới bằng việc sử dụng max min,µ µ đối với kích thước bước kµ . Trong (12), L là độ dài của bộ lọc và công suất trung bình của nhiễu được tính trong đoạn lấy mẫu và theo luật dịch chuyển mẫu, như công thức (13) ( ){ }1 2 0 1 k N x k j P x j N − = = ∑ (13). -10 -5 0 5 10 -10 -5 0 5 10 0 10 20 30 40 50 60 w(0) Mat sai so, Cac duong dong muc, va truong vecto Gradient. w(1) J(w ) -10 -5 0 5 10 -10 -5 0 5 10 0 10 20 30 40 50 60 w(0) Mat sai so, Cac duong dong muc, va truong vecto Gradient. w(1) J(w ) Hình 5. Phân bố của véc tơ gradient trong mặt (w) Từ công thức tính kích thước bước (12) ta có thể thấy µk được điều khiển bởi không chỉ giá tổng công suất đầu ra mà còn tỷ lệ với độ lớn véc tơ gradient (Chuẩn bậc nhất của véc tơ gradient của hàm mục tiêu J có giá trị nhỏ tại gần điểm cực tiểu và giá trị lớn dần khi ra xa điểm cực tiểu, như được minh họa trong hình 6.) nên kích thước bước µk có giá trị lớn (µmax) tại những bước lặp đầu và sau đó giảm dần tới µmin khi hệ thống tiến tới trạng thái ổn định, như vậy, ta có thể cải thiện được tốc độ hội tụ và nhận được giá trị SNR lớn. Khởi tạo ( )w 0; 0,1,..., 1; 0.1;k i i L µ ϑ= = − = = 0.95; k = k+1 Lấy mẫu tín hiệu và nhiễu dk, xk  ( ) ( )1 0 w L k k k i n i x i − = =∑  k k ke d n= − 1 1 2 0 0 1 1 1 2 0 0 max max1 1 1 2 0 0 min min1 ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) k k k N N j k k j k j j x N N j k k j k j j k x N N j k k j k j j x P L if P L if P L b x j e j a e j b x j e j a e j b x j e j a e j α β α β µ µ µ α β µ µ − − = = − − − = = − − − = = − + + + = ≥ + + ≤ +                ∑ ∑ ∑ ∑ ∑ ∑ ( ) ( ) ( )1w w 2k k k ki i e x iµ+ = + Bắt đầu Kết thúc Dừng chương trình? No Yes k = 1; ... kµ ϑµ µ= + Hình 6. Thuật toán LMSVSS III. MÔ PHỎNG Trong phần mô phỏng nhằm kiểm tra hiệu năng của bộ lọc thích nghi được đề xuất như trên hình 4, chúng tôi sử dụng tín hiệu điện tim được lấy từ ngân hàng cơ Hội thảo quốc gia 2014 về Điện tử, Truyền thông và Công nghệ thông tin (ECIT2014) ISBN: 978-604-67-0349-5 442 sở dữ liệu MIT/BIH, hình 7. Nhiễu hài xk, hình 8, được tạo bởi phương trình (14). [ ] ( ) 1 sin 2pi θ = = +∑ M i i i i x k A f k (14) trong đó, số lượng sóng thành phần M = 5, Ai, fi và θi là biên độ, tần số, và pha của các sóng thành phần tương ứng. Các tham số biên độ, tần số, pha của các sóng thành phần là những biến ngẫu nhiên độc lập tuân theo quá trình Markov bậc nhất như trong công thức (15) và (16). [ ] [ ] [ ]1 γ ζ+ = +i i i iA n A n n (15) trong đó, [ ] [ ]1 ,+i iA n A n là biên độ tại thời điểm [n+1] và [n] tương ứng, [ ]ζ i n là biến ngẫu nhiên tuân theo phân bố Gaussian với giá trị trung bình bằng không, phương sai 2,ζσ i và γ i là hệ số của quá trình Markov bậc nhất, với điều kiện 0 1γ< <i . [ ] [ ] [ ]1 ν η+ = +i i i if n f n n (16) trong đó, [ ] [ ]1 ,+ i if n f n là giá trị tần số của các sóng hài thành phần tại thời điểm [n+1] và [n] tương ứng, [ ]ηi n là biến ngẫu nhiên tuân theo phân bố Gaussian với giá trị trung bình bằng không, phương sai 2,ησ i và ν i là hệ số của quá trình Markov bậc nhất, với điều kiện 0 1ν< <i . 0 500 1000 1500 -1 0 1 2 Song dien tim goc Mau Tr uc bi en do (m V) Hình 7. Tín hiệu điện tim gốc, sk, lấy từ ngân hàng MIT/BIH 0 500 1000 1500 -2 -1 0 1 2 Nhieu hai Mau Tr u c bi en do (m V) Hình 8. Nhiễu hài ngẫu nhiên Tín hiệu dk là tổng của tín hiệu điện tim gốc sk và nhiễu nk. Tín hiệu dk với với tỉ lệ SNR = -0.9489 dB, được trình bày trong hình 9. 0 500 1000 1500 -2 0 2 4 Tin hieu goc cong nhieu Mau Tr u c bi en do (m V) Hình 9. Tín hiệu điện tim bị nhiễm nhiễu hài nk Các tham số của bộ lọc được thiết kế với độ dài tap L = 4; độ dài bộ lọc trung bình dịch chuyển cho gradient và tổng công suất tín hiệu đầu ra là N = 10 với các hệ số aj = 0.1; bj = 0.1; 2 4 2.10 , 2.10α β− −= = . Trong phần mô phỏng, ta sử dụng các thuật toán kinh điển LMS và NLMS để so sánh với thuật toán LMSVSS, thông số của bộ lọc sử dụng thuật toán LMS có kích thước bước µ=0.01 và NLMS là 2 2 0.08 1 NLMS x µ = + . Các kết quả được thể hiện trên các hình 10, hình 11, hình 12 và bảng 1, bảng 2. 0 500 1000 1500 -1 0 1 2 Tin hieu dien tim loc boi LMS Hình 10. Tín hiệu điện tim sau khi lọc bởi LMS Trên hình 10 thể hiện 1500 mẫu tín hiệu điện tim sau khi khử nhiễu hài, ta nhận thấy nhiễu hài được giảm dần khi thuật toán LMS dần đi đến trạng thái ổn định. Từ hình 10, ta thấy rằng trong khoảng 500 mẫu đầu tiên thì còn quan sát thấy nhiễu hài, sau đó nhiễu giảm dần và tín hiệu điện tim dần trở về với tín hiệu gốc. Hội thảo quốc gia 2014 về Điện tử, Truyền thông và Công nghệ thông tin (ECIT2014) ISBN: 978-604-67-0349-5 443 0 500 1000 1500 -1 0 1 2 Tin hieu dien tim loc boi NLMS Hình 11. Tín hiệu điện tim sau khi lọc bởi NLMS Với thuật toán NLMS, từ kết quả hình 11, bảng 1, và bảng 2 ta thấy hiệu năng của thuật toán này tốt hơn so với LMS khi mà các chỉ số SNR, hệ số tương quan cũng như tốc độ hội tụ tốt hơn. Như cho thấy trên hình 11, chỉ sau khoảng 200 mẫu là thuật toán đã đi vào trạng thái ổn định. 0 500 1000 1500 -1 0 1 2 Tin hieu dien tim loc boi LMSVSS Hình 12. Tín hiệu điện tim sau khi lọc bởi LMSVSS Trong trường hợp sử dụng bộ lọc thích nghi với thuật toán LMSVSS, kết quả được thể hiện trên hình 12 cho thấy tốc độ hội tụ nhanh hơn so với thuật toán LMS cũng như NLMS, chỉ sau khoảng 100 mẫu ta đã thấy nhiễu hài suy giảm rõ rệt. Ngoài ra, từ bảng 1 và bảng 2 còn cho thấy các chỉ số SNR và hệ số tương quan cũng tốt hơn so với hai thuật toán LMS, NLMS. BẢNG 1. HỆ SỐ SNR (DB) TRONG CÁC LẦN THỬ NGHIỆM TT Trước lọc LMSVSS NLMS LMS 1 -1.9922 29.7357 27.4798 18.6714 2 -0.9489 30.3945 27.6615 18.6195 3 0.7166 29.8417 28.3575 18.2942 4 0.6810 30.4495 27.8835 18.4594 5 -2.7732 29.1587 27.4329 18.4743 6 3.4171 28.2709 26.6556 18.8336 7 -1.4471 31.6153 25.2183 20.0028 8 1.1081 32.4579 25.0332 20.3511 9 -1.3167 33.3589 25.7248 19.9444 10 -1.5845 31.4933 25.1061 20.2137 11 -4.7830 32.5467 24.7152 20.3215 12 -1.5044 32.4406 25.1034 20.2173 13 0.7515 31.0404 25.5562 19.6870 14 -1.1010 33.1916 24.6278 20.6858 BẢNG 2. HỆ SỐ TƯƠNG QUAN GIỮA TÍN HIỆU GỐC VÀ TÍN HIỆU SAU KHI LỌC TRONG CÁC LẦN THỬ NGHIỆM TT LMSVSS NLMS LMS 1 0.9987 0.9971 0.9945 2 0.9987 0.9972 0.9946 3 0.9988 0.9974 0.9954 4 0.9988 0.9973 0.9948 5 0.9986 0.9972 0.9947 6 0.9978 0.9972 0.9940 7 0.9970 0.9965 0.9937 8 0.9975 0.9968 0.9933 9 0.9980 0.9969 0.9939 10 0.9975 0.9968 0.9930 11 0.9969 0.9969 0.9937 12 0.9971 0.9969 0.9937 13 0.9977 0.9970 0.9938 14 0.9970 0.9968 0.9932 IV. KẾT LUẬN Bài báo trình bày một đề xuất thiết kế bộ lọc khử nhiễu hài cho thiết bị ghi sóng điện tim bằng việc áp dụng thuật toán LMSVSS. Với việc sử dụng đồng thời cả hai toán hạng độ lớn véc tơ gradient và bình phương tín hiệu đầu ra đã được làm trơn bởi kỹ thuật trung bình dịch chuyển, thuật toán LMSVSS cho thấy tính ưu việt so với các thuật toán LMS và NLMS khi ứng dụng vào các thiết bị, hệ thống thực. Các kết quả mô phỏng cho thấy thuật toán LMSVSS đạt được không chỉ tốc độ hội tụ nhanh mà còn thu được tỷ số SNR lớn và hệ số tương quan giữa tín hiệu gốc và tín hiệu sau khi lọc tốt hơn so với các thuật toán LMS, NLMS truyền thống. TÀI LIỆU THAM KHẢO [1] Hemant Kumar Gupta, “Designing and Implementation of Algorithms on MATLAB for Adaptive Noise Cancellation from ECG Signal,” International Journal of Computer Applications, Volume 71, May 2013. [2] John W.Clark, “Medical Instrumentation Application and Design,” John G. Webster, 2009. [3] Nguyễn Thế Truyện, Nguyễn Thế Vinh, “Một phương pháp đánh giá về ảnh hưởng của bộ lọc đến hình dáng tín hiệu điện tim,” Hội nghị Cơ điện tử toàn quốc lần thứ 6, 2012. [4] Nguyễn Thế Truyện, Nguyễn Thế Vinh, “Một phương pháp khử nhiễu tín hiệu điện tim do tác động của tải phi tuyến,” Hội nghị Điện tử toàn quốc, 2012. [5] Nguyễn Thế Vinh, “Nghiên cứu thiết kế chế tạo thiết bị theo dõi bệnh nhân đa thông số xách thay dùng trong y tế,” Báo cáo tổng hợp đề tài cấp Nhà nước, 2012. [6] Truyen N.T, Vinh N.T, “A new LMS algorithm and its application to improve quality of broadcast-telephone system use in underground coal mines,” ISARC2014, pp.731-737, 2014. [7] Syed Ateequr Rehman, R.Ranjith Kumar, “Performance comparison of Adaptive Filter Algorithms for ECG Signal Enhancement,” International Journal of Advanced Research in Computer and Communication Engineering, Vol. 1, Issue 2, April 2012. Hội thảo quốc gia 2014 về Điện tử, Truyền thông và Công nghệ thông tin (ECIT2014) ISBN: 978-604-67-0349-5 444

Các file đính kèm theo tài liệu này:

  • pdfkhu_nhieu_hai_cho_tin_hieu_dien_tim_su_dung_thuat_toan_thich.pdf