CN111714112A - 一种心电图伪差实时消除方法 - Google Patents

一种心电图伪差实时消除方法 Download PDF

Info

Publication number
CN111714112A
CN111714112A CN202010275369.9A CN202010275369A CN111714112A CN 111714112 A CN111714112 A CN 111714112A CN 202010275369 A CN202010275369 A CN 202010275369A CN 111714112 A CN111714112 A CN 111714112A
Authority
CN
China
Prior art keywords
signal
adaptive filter
electrocardiogram
filter
real
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202010275369.9A
Other languages
English (en)
Inventor
刘文奇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Electric Group Corp
Original Assignee
Shanghai Electric Group Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Electric Group Corp filed Critical Shanghai Electric Group Corp
Priority to CN202010275369.9A priority Critical patent/CN111714112A/zh
Publication of CN111714112A publication Critical patent/CN111714112A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7253—Details of waveform analysis characterised by using transforms

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Pathology (AREA)
  • Medical Informatics (AREA)
  • Physiology (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Biophysics (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Psychiatry (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明公开了一种心电图伪差实时消除方法，属于信号处理技术领域，包括：步骤S1，提供一原始心电图信号和与原始心电图信号对应的加速度信号；步骤S2，通过复数个有限冲激响应滤波器依次对原始心电图信号进行过滤，得到第一处理信号；步骤S3，将加速度信号和第一处理信号输入自适应滤波器进行自适应噪声抵消，并将抵消结果作为最终心电图信号实时输出；有益效果是通过采集人体运动过程中的加速度信号获得肌肉干扰和位移干扰的特性，并对这两种伪差进行实时过滤消除，实现了对人体运动时心电图上的位移和肌肉干扰造成的伪差的实时过滤。

Description

一种心电图伪差实时消除方法
技术领域
本发明涉及信号处理技术领域，尤其涉及一种心电图伪差实时消除方法。
背景技术
心电图是用来反映人体的心电信号，心电信号则来自于人体心脏内部肌肉的不断去极化和再极化，每次肌肉运动都有一个微小的电位差，最终可以在躯干皮肤上检测到。通过将电极附着在皮肤上，就可以记录电压的变化。如图1所示，心脏的一次心跳可以用五种不同的波段来描述，分别为P波段、Q波段、R波段、S波段和T波段，其中，每一个波段代表一组心脏肌肉的运动。
由于心电图的本质是探测电位的变化，因此会受到记录过程中身体上的其他电位变化的影响，这种被心电图记录到的不是由心脏跳动引发的电位变化的干扰称为心电图的伪差。心电图伪差的来源通常有4种，第一种是由干燥的皮肤摩擦或呼吸造成的低频静电干扰，又被叫做基线偏移；第二种是由于外界交流信号与人体产生电磁感应造成的工频干扰，50Hz的伪差；第三种是由于人体肌肉运动时，会产生高频的肌肉干扰；第四种是由于人体运动导致皮肤的电极界面的电气属性发生变化产生的位移干扰。传统的处理心电图伪差的方法主要靠对硬件，如测量心电图用的电极，进行改良来减少电极处产生的伪差，或通过低通或带阻滤波器对基线偏移或工频干扰这类频率较固定的伪差进行滤波，又或者通过对伪差的位置进行软件识别并交由人工进行排除。
传统的滤波方案中单纯通过算法对心电图进行滤波，在伪差的特性未知的时候就无法对其进行有效的识别，进而导致滤波效果差；且该种滤波方法无法区分振幅较大的伪差，在面对剧烈变化的伪差时会失效，无法过滤频率变化大的肌肉干扰和位移干扰。导致这些滤波器只针对人体静止时产生的伪差，无法在人体产生大幅度的位移时实时的对相应的伪差进行过滤消除。而对心电图仪器硬件上的改良只能减少仪器电极与皮肤摩擦造成的伪差，对于位移时产生的干扰几乎没有消除效果。人工识别伪差的方法速度慢，实时性较差，且识别的准确率受到医疗人员自身经验的影响，不确定性较大。
发明内容
根据现有技术中存在的上述问题，现提供一种心电图伪差实时消除方法，通过采集人体运动过程中的加速度信号获得肌肉干扰和位移干扰的特性，并对这两种伪差进行实时过滤消除，实现了对人体运动时心电图上的位移和肌肉干扰造成的伪差的实时过滤。
上述技术方案具体包括：
一种心电图伪差实时消除方法，应用于运动过程中的心电图测量，其中包括：
步骤S1，提供一原始心电图信号和与所述原始心电图信号对应的加速度信号；
步骤S2，通过复数个有限冲激响应滤波器依次对所述原始心电图信号进行过滤，得到第一处理信号；
步骤S3，将所述加速度信号和所述第一处理信号输入自适应滤波器进行自适应噪声抵消，并将抵消结果作为最终心电图信号实时输出。
优选地，其中，所述加速度信号包括三个互相垂直方向上的加速度信号。
优选地，其中，所述有限冲激响应滤波器为两个，分别为有限冲激响应高通滤波器和有限冲激响应带阻滤波器。
优选地，其中，所述步骤S2中，所述原始心电图信号通过所述有限冲激响应高通滤波器去除基线偏移，并通过所述有限冲激响应带阻滤波器去除工频干扰。
优选地，其中，所述自适应滤波器为最小均方自适应滤波器，所述步骤S3具体包括：
步骤S31，将所述加速度信号作为输入信号输入所述自适应滤波器；
步骤S32，将所述第一处理信号作为期望信号输入所述自适应滤波器；
步骤S33，所述自适应滤波器对所述加速度信号和所述第一处理信号进行处理，得到误差信号，并根据所述误差信号和自适应算法实时调整所述自适应滤波器的滤波系数；
步骤S34，将所述误差信号输出为所述最终心电图信号。
优选地，其中，所述自适应滤波器包括一收敛因子，用于控制滤波器的收敛速度，所述自适应滤波器根据所述加速度信号的幅值实时修改所述收敛因子。
优选地，其中，将所述收敛因子由低到高分为五个档位值，每个所述档位值对应一幅值范围，所述自适应滤波器于所述加速度信号的幅值处于对应幅值范围内时，将所述收敛因子调整至对应的所述档位值。
优选地，其中，所述原始心电图信号通过一采样率为250赫兹的心电仪测得。
优选地，其中，所述自适应滤波器的抽头数设置范围为50-200。
优选地，其中，所述自适应滤波器的抽头数设置为100。
上述技术方案的有益效果在于：
提供一种心电图伪差实时消除方法，通过采集人体运动过程中的加速度信号获得肌肉干扰和位移干扰的特性，并对这两种伪差进行实时过滤消除，实现了对人体运动时心电图上的位移和肌肉干扰造成的伪差的实时过滤。
附图说明
图1是一次心跳的波段示意图；
图2是本发明的较佳实施例中，一种心电图伪差实时消除方法的流程示意图；
图3是本发明的较佳实施例中，于图2的基础上，步骤S3的分步骤流程示意图；
图4是本发明的较佳实施例中，原始心电图信号的波形示意图；
图5是本发明的较佳实施例中，最终心电图信号的波形示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
下面结合附图和具体实施例对本发明作进一步说明，但不作为本发明的限定。
一种心电图伪差实时消除方法，应用于运动过程中的心电图测量，如图2所示，其中包括：
步骤S1，提供一原始心电图信号和与原始心电图信号对应的加速度信号；
步骤S2，通过复数个有限冲激响应滤波器依次对原始心电图信号进行过滤，得到第一处理信号；
步骤S3，将加速度信号和第一处理信号输入自适应滤波器进行自适应噪声抵消，并将抵消结果作为最终心电图信号实时输出。
作为优选的实施方式，本实施例中通过软件编程的方式使多个滤波器共同协作，实现了对多种伪差的实时过滤；其中，复数个有限冲激响应滤波器(FIR)用来过滤比较固定的干扰信号，而自适应滤波器可以通过读取实时采集的加速度信号来获得肌肉干扰和位移干扰的特性，并对肌肉干扰和位移干扰所产生的伪差进行过滤，从而得到更精确的心电图信号，如图4所示，为原始心电图信号的波形示意图，图5为处理后的最终心电图信号。
在本发明的较佳实施例中，加速度信号包括三个互相垂直方向上的加速度信号。
具体的，在本实施例中，通过软件同时读取来自便携式心电仪的原始心电图信号以及来自加速度传感器的X-Y-Z三个方向上的加速度信号。
在本发明的较佳实施例中，有限冲激响应滤波器为两个，分别为有限冲激响应高通滤波器和有限冲激响应带阻滤波器。
在本发明的较佳实施例中，步骤S2中，原始心电图信号通过有限冲激响应高通滤波器去除基线偏移，并通过有限冲激响应带阻滤波器去除工频干扰。
在本发明的较佳实施例中，原始心电图信号通过一采样率为250赫兹的心电仪测得。
在本发明的较佳实施例中，自适应滤波器的抽头数设置范围为50-200。
在本发明的较佳实施例中，自适应滤波器的抽头数设置为100。
具体的，在本实施例中，对有限冲击响应滤波器的参数进行设置，通过拉普拉斯变换获得有限冲击响应高通滤波器(FIR-H)和有限冲击响应带阻滤波器(FIR-B)的冲激响应，使其可以过滤低频的基线偏移和50Hz左右的工频干扰。在一个具体实施例中，采用的心电仪采样率为250Hz，因此最小理论抽头数设置为50，实际数量应大于100，避免任何可能的问题并使冲激响应易于计算，最终其抽头数被确定为200。为了在有限冲击响应滤波器中保持冲激响应的数量有限性，需使用哈明窗函数在200抽头处对其进行截断。而自适应滤波器为了减少滤波所需时间，提高滤波速度，增加实时滤波的可行性，需要抽头数尽量小，因此在一个较佳实施例中，使用该具体心电仪的情况下将滤波器的抽头数设置为100。
在本发明的一个具体实施例中，通过有限冲击响应高通滤波器对采集的原始心电图信号中的低频信号进行过滤，以消除信号中的基线偏移。通过有限冲击响应带阻滤波器对采集的原始心电图信号中50Hz信号进行过滤，消除工频干扰。经过两个有限冲击相应滤波器处理之后生成自适应滤波器的输入信号。
在本发明的较佳实施例中，自适应滤波器为最小均方自适应滤波器，如图3所示，步骤S3具体包括：
步骤S31，将加速度信号作为输入信号输入自适应滤波器；
步骤S32，将第一处理信号作为期望信号输入自适应滤波器；
步骤S33，自适应滤波器对加速度信号和第一处理信号进行处理，得到误差信号，并根据误差信号和自适应算法实时调整自适应滤波器的滤波系数；
步骤S34，将误差信号输出为最终心电图信号。
具体的，在本实施例中，最小均方自适应滤波器(LMS滤波器)相对于其他的自适应滤波器，如归一化最小均方自适应滤波器(NLMS滤波器)、变步长自适应滤波器(SVSLMS滤波器)、递归最小二乘自适应滤波器(RLS滤波器)等，具有较强的鲁棒性，可以确保在信号实时测量时不易失效，进而被用来实施过滤位移和肌肉的干扰。最小均方自适应滤波器的工作原理是通过获取原始心电图信号中的干扰信号，并将干扰信号的特征通过冲激响应的形式与原始心电图信号进行对比，并将原始心电图信号中干扰信号的部分进行剔除。因此，最小均方自适应滤波器需要首先获得位移和肌肉干扰的干扰信号。由于肌肉和位移伪差的变化均取决于被测者活动的强度，这使得两者的特性一致，因此对于最小均方自适应滤波器来说加速度的变化信号可以代表原始的心电图信号中的位移干扰和肌肉干扰。通过加速度信号获得最小均方自适应滤波器的冲激响应。本滤波器需要配合一支可以获取被测者XYZ三个互相垂直方向上的加速度信号的加速度传感器共同使用。
在本发明的一个具体实施例中，自适应滤波器的自适应滤波过程一个循环流程。循环的第一个过程是通过卷积将三个加速度信号输入，并且冲激响应从零开始，使自己更接近滤波所需的值。第二个过程是自适应滤波器的输出中的标量将被添加到减法器中并使用已经在前一步骤中由两个有限冲击响应滤波器滤波后的心电图信号中的标量进行减法。最后，减法结果将发送回自适应滤波器以根据收敛因子进行收敛逐渐接近最佳值的冲激响应。减法结果组成的标量数组就是最终经过滤波的心电图信号。
在本发明的较佳实施例中，自适应滤波器包括一收敛因子，用于控制滤波器的收敛速度，自适应滤波器根据加速度信号的幅值实时修改收敛因子。
在本发明的较佳实施例中，将收敛因子由低到高分为五个档位值，每个档位值对应一幅值范围，自适应滤波器于加速度信号的幅值处于对应幅值范围内时，将收敛因子调整至对应的档位值。
具体的，在本实施例中，通过加速度信号的幅值对用来过滤位移和肌肉干扰的最小均方自适应滤波器的收敛因子进行设置，由于收敛因子的数值受干扰信号大小的影响，因此需要根据被测试的人体的运动剧烈程度，即加速度信号的幅值进行实时修改，通常为了保证程序的鲁棒性，收敛因子的大小被分成由低到高的5个挡位，当运动强度达到一定程度时进行自动切换。
在一个具体的实施例中，可以预先设定收敛因子在3×10-5至2×10-4的范围内进行变动，随着采集的加速度信号表示人体运动的剧烈程度增大时，输入滤波器内的能量也会相应的增大，通过读取滤波器内能量的数值，程序会自动增大收敛因子至一个合适的数值。通过该种设计，收敛因子可以实时的在上述范围内以5个档位进行变动，从而在尽量不影响鲁棒性的情况下实现自适应收敛因子。同时本实施例中采用运算较少的自适应滤波器算法，不仅鲁棒性强，而且可以满足实施过滤的要求，实现了对心电图信号的实时监控。
上述技术方案的有益效果在于：
提供一种心电图伪差实时消除方法，通过采集人体运动过程中的加速度信号获得肌肉干扰和位移干扰的特性，并对这两种伪差进行实时过滤消除，实现了对人体运动时心电图上的位移和肌肉干扰造成的伪差的实时过滤。
以上所述仅为本发明较佳的实施例，并非因此限制本发明的实施方式及保护范围，对于本领域技术人员而言，应当能够意识到凡运用本发明说明书及图示内容所作出的等同替换和显而易见的变化所得到的方案，均应当包含在本发明的保护范围内。

Claims (10)

1.一种心电图伪差实时消除方法，应用于运动过程中的心电图测量，其特征在于，包括：
步骤S1，提供一原始心电图信号和与所述原始心电图信号对应的加速度信号；
步骤S2，通过复数个有限冲激响应滤波器依次对所述原始心电图信号进行过滤，得到第一处理信号；
步骤S3，将所述加速度信号和所述第一处理信号输入自适应滤波器进行自适应噪声抵消，并将抵消结果作为最终心电图信号实时输出。
2.根据权利要求1所述的心电图伪差实时消除方法，其特征在于，所述加速度信号包括三个互相垂直方向上的加速度信号。
3.根据权利要求1所述的心电图伪差实时消除方法，其特征在于，所述有限冲激响应滤波器为两个，分别为有限冲激响应高通滤波器和有限冲激响应带阻滤波器。
4.根据权利要求3所述的心电图伪差实时消除方法，其特征在于，所述步骤S2中，所述原始心电图信号通过所述有限冲激响应高通滤波器去除基线偏移，并通过所述有限冲激响应带阻滤波器去除工频干扰。
5.根据权利要求1所述的心电图伪差实时消除方法，其特征在于，所述自适应滤波器为最小均方自适应滤波器，所述步骤S3具体包括：
步骤S31，将所述加速度信号作为输入信号输入所述自适应滤波器；
步骤S32，将所述第一处理信号作为期望信号输入所述自适应滤波器；
步骤S33，所述自适应滤波器对所述加速度信号和所述第一处理信号进行处理，得到误差信号，并根据所述误差信号和自适应算法实时调整所述自适应滤波器的滤波系数；
步骤S34，将所述误差信号输出为所述最终心电图信号。
6.根据权利要求1所述的心电图伪差实时消除方法，其特征在于，所述自适应滤波器包括一收敛因子，用于控制滤波器的收敛速度，所述自适应滤波器根据所述加速度信号的幅值实时修改所述收敛因子。
7.根据权利要求6所述的心电图伪差实时消除方法，其特征在于，将所述收敛因子由低到高分为五个档位值，每个所述档位值对应一幅值范围，所述自适应滤波器于所述加速度信号的幅值处于对应幅值范围内时，将所述收敛因子调整至对应的所述档位值。
8.根据权利要求1所述的心电图伪差实时消除方法，其特征在于，所述原始心电图信号通过一采样率为250赫兹的心电仪测得。
9.根据权利要求8所述的心电图伪差实时消除方法，其特征在于，所述自适应滤波器的抽头数设置范围为50-200。
10.根据权利要求9所述的心电图伪差实时消除方法，其特征在于，所述自适应滤波器的抽头数设置为100。
CN202010275369.9A 2020-04-09 2020-04-09 一种心电图伪差实时消除方法 Pending CN111714112A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010275369.9A CN111714112A (zh) 2020-04-09 2020-04-09 一种心电图伪差实时消除方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010275369.9A CN111714112A (zh) 2020-04-09 2020-04-09 一种心电图伪差实时消除方法

Publications (1)

Publication Number Publication Date
CN111714112A true CN111714112A (zh) 2020-09-29

Family

ID=72564151

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010275369.9A Pending CN111714112A (zh) 2020-04-09 2020-04-09 一种心电图伪差实时消除方法

Country Status (1)

Country Link
CN (1) CN111714112A (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5341811A (en) * 1991-03-26 1994-08-30 Allegheny-Singer Research Institute Method and apparatus for observation of ventricular late potentials
US20110066062A1 (en) * 2009-09-14 2011-03-17 Matt Banet Body-worn monitor for measuring respiration rate
CN104825157A (zh) * 2015-05-14 2015-08-12 中国科学院上海微系统与信息技术研究所 运动状态下监/检测心电信号的运动干扰移除方法
CN105852850A (zh) * 2016-04-28 2016-08-17 深圳竹信科技有限公司 一种从心电信号中提取呼吸信号的方法及相关装置
CN107280659A (zh) * 2016-04-12 2017-10-24 中国科学院微电子研究所 一种心电信号的处理方法及系统
CN107949321A (zh) * 2015-04-29 2018-04-20 美国亚德诺半导体公司 时域干扰去除和改进的心率测量跟踪机理
CN110169764A (zh) * 2019-05-06 2019-08-27 上海理工大学 一种lms自适应滤波ppg信号心率提取方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5341811A (en) * 1991-03-26 1994-08-30 Allegheny-Singer Research Institute Method and apparatus for observation of ventricular late potentials
US20110066062A1 (en) * 2009-09-14 2011-03-17 Matt Banet Body-worn monitor for measuring respiration rate
CN107949321A (zh) * 2015-04-29 2018-04-20 美国亚德诺半导体公司 时域干扰去除和改进的心率测量跟踪机理
CN104825157A (zh) * 2015-05-14 2015-08-12 中国科学院上海微系统与信息技术研究所 运动状态下监/检测心电信号的运动干扰移除方法
CN107280659A (zh) * 2016-04-12 2017-10-24 中国科学院微电子研究所 一种心电信号的处理方法及系统
CN105852850A (zh) * 2016-04-28 2016-08-17 深圳竹信科技有限公司 一种从心电信号中提取呼吸信号的方法及相关装置
CN110169764A (zh) * 2019-05-06 2019-08-27 上海理工大学 一种lms自适应滤波ppg信号心率提取方法

Similar Documents

Publication Publication Date Title
Kher Signal processing techniques for removing noise from ECG signals
Han et al. Electrocardiogram signal denoising based on empirical mode decomposition technique: an overview
Limaye et al. ECG noise sources and various noise removal techniques: A survey
Nayak et al. Filtering techniques for ECG signal processing
Kadam et al. Reduction of power line interference in ECG signal using FIR filter
JP2009509711A (ja) Ｅｃｇ信号からベースラインふらつきを除去するための方法、および装置
Patro et al. De-noising of ECG raw signal by cascaded window based digital filters configuration
Malghan et al. A review on ECG filtering techniques for rhythm analysis
Choudhary et al. Suppression of noise in ECG signal using low pass IIR filters
Mishra et al. A survey on denoising techniques of PPG signal
Rahman et al. An efficient noise cancellation technique to remove noise from the ECG signal using normalized signed regressor LMS algorithm
Gowri et al. An efficient variable step size least mean square adaptive algorithm used to enhance the quality of electrocardiogram signal
CN114680905A (zh) 肌电信号处理电路和装置
Verulkar et al. Filtering techniques for reduction of power line interference in electrocardiogram signals
Sharma et al. Noise reduction technique for ECG signals using adaptive filters
Singh et al. Adaptive filtration techniques for impulsive noise removal from ECG
CN111714112A (zh) 一种心电图伪差实时消除方法
CN110584646A (zh) 一种自适应二阶滤波心电信号去噪预处理装置及方法
Guleria et al. Removing the power line interference from ECG signal using Kalman least mean square filter
Makdessy et al. A comparative analysis of ECG denoising methods
Khaliq et al. Comparison of adaptive noise cancelers for ECG signals in wireless biotelemetry system
Lele et al. Removal of baseline wander from ECG signal
Ravandale et al. Review on Methodological Analysis of Noise Reduction in ECG
Patel et al. Nyquist Filter Design to Remove Power Line Interference From Bio-Electric Signals
Gowri et al. Performance of variable step size LMS adaptive algorithm for the removal of artifacts from electrocardiogram using DSP processor

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination