МЕТОДЫ НЕЛИНЕЙНОЙ УСТОЙЧИВОЙ ФИЛЬТРАЦИИ СЛОЖНЫХ ПОМЕХ В БИОМЕДИЦИНСКИХ СИГНАЛАХ : МЕТОДИ НЕЛІНІЙНОЇ СТІЙКОЇ ФІЛЬТРАЦІЇ СКЛАДНИХ ПЕРЕШКОД У БІОМЕДИЧНИХ СИГНАЛІВ

Краткое описание

ХАРЬКОВСКИЙ НАЦИОНАЛЬНЫЙ УНИВЕРСИТЕТ

РАДИОЭЛЕКТРОНИКИ

На правах рукописи

Тулякова Наталия Олеговна

      УДК 621.372; 616.12-073.7; 519.725

МЕТОДЫ НЕЛИНЕЙНОЙ УСТОЙЧИВОЙ ФИЛЬТРАЦИИ СЛОЖНЫХ ПОМЕХ В БИОМЕДИЦИНСКИХ СИГНАЛАХ

05.11.17 – биологические и медицинские приборы и системы

Диссертация на соискание научной степени кандидата технических наук

                                         Научный руководитель

                                                    доктор физико-математических

     наук, профессор

             Бых Анатолий Иванович

Харьков - 2012

СОДЕРЖАНИЕ

СПИСОК УСЛОВНЫХ ОБОЗНАЧЕНИЙ.. 7

ВВЕДЕНИЕ. 9

РАЗДЕЛ 1.   МЕТОДЫ УСТРАНЕНИЯ ПОМЕХ В БИОМЕДИЦИНСКИХ СИГНАЛАХ   16

1.1. Структурная схема компьютерной биомедицинской информационно-измерительной системы.. 16

1.2. Виды сигналов и помех. 19

1.3. Адаптивные линейные фильтры.. 22

1.4. Методы подавления электромиографического шума. 25

1.4.1. Адаптивные фильтры на основе ортогональных преобразований. 26

1.4.2. Нелинейные мириадные фильтры.. 37

1.5. Методы устранения двигательных артефактов. 40

1.5.1. Метод слепого разделения источников. 41

1.5.2. Искусственные нейронные сети. 43

ВЫВОДЫ ПО РАЗДЕЛУ.. 45

РАЗДЕЛ 2.   НЕЛИНЕЙНАЯ УСТОЙЧИВАЯ ФИЛЬТРАЦИЯ В СКОЛЬЗЯЩЕМ ОКНЕ ДАННЫХ.. 47

2.1. Методы нелинейной устойчивой фильтрации 48

2.1.1. Локально-адаптивные нелинейные фильтры. 48

2.1.2. Устойчивые оценки. 51

2.1.3. Нелинейные устойчивые фильтры. 55

2.2. КИХ-гибридные медианные фильтры для выделения тренда сигнала. 63

2.2.1. "Растущий на месте" КИХ-гибридный медианный фильтр. 63

2.2.2. Взвешенный КИХ-гибридный медианный фильтр. 67

2.3. Векторные нелинейные фильтры.. 70

2.3.1. Принцип векторной нелинейной фильтрации. 70

2.3.2. Векторные нелинейные фильтры для устранения артефактов в сигналах вызванных потенциалов мозга. 72

2.4. Выбор моделей сигнала и помех. 77

2.5. Критерии эффективности фильтрации. 78

2.6. Алгоритм реализации вычислительного эксперимента. 80

ВЫВОДЫ ПО РАЗДЕЛУ.. 82

РАЗДЕЛ 3.   ИССЛЕДОВАНИЕ СВОЙСТВ НЕЛИНЕЙНЫХ ФИЛЬТРОВ………84

3.1. Анализ свойств нелинейных фильтров. 84

3.2. Применение нелинейной устойчивой фильтрации для повышения точности оценок параметров экстремумов различного типа. 97

3.2.1. Применение нелинейных устойчивых фильтров для повышения точности оценок амплитуды пика. 98

3.2.2. Применение нелинейных фильтров для повышения точности оценок амплитуды параболы. 1021.                           Среди известных методов линейной фильтрации для подавления нестационарного шума применяются адаптивные фильтры, которые способны   динамично изменять параметры в соответствии с изменением свойств помехи, не требуют знаний о форме волны, спектральных и статистических характеристиках сигнала и помехи, предположение их стационарности. Однако необходимо условие статистической независимости сигнала и помехи, существование опорного сигнала, сильно коррелированного с помехой и некоррелированного с сигналом, время на адаптацию параметров фильтра. Кроме указанных ограничений перечислим общие недостатки методов линейной фильтрации, отсутствующих для нелинейных устойчивых оценок: невысокие динамические свойства в области резких изменений сигнала, неэффективность при смешанном аддитивном и сигнальнозависимом шуме, неприменимость при наличии выбросов.

Наиболее эффективными методами устранения нестационарного шума в БС являются адаптивные фильтры на основе ОП. Перечислим недостатки данных фильтров, которые преодолеваются методами ЛА нелинейной фильтрации: использование допущения стационарности сигнала и помехи; невысокая эффективность при непрогнозируемых изменениях сигнально-помеховой ситуации и наличии выбросов; применение пороговых оценок, которое приводит к искажению или потере низкоамплитудных параметров, вызывает эффект Гиббса в области резких изменений сигнала; необходимость оценки дисперсии, определения QRS-комплексов.

При долговременных измерениях в БС присутствуют ДА, основные трудности устранения которых классификаторами связаны с чрезвычайной вариабельностью артефактов, большим индивидуальным разбросом и  внутригрупповой изменчивостью медико-биологических показателей пациентов, соответственно трудностью определения образцов и порогов. Основные трудности устранения ДА линейными фильтрами связаны с тем, что данные помехи имеют широкий, априорно неизвестный спектр частот, неизвестные временные и статистические свойства. Для применения метода "слепого" разделения, классификаторов на основе Байесовского подхода необходимы знания законов ПРВ сигнала и помехи, классов и образцов, которые не всегда доступны. Кроме того, методы устранения ДА требуют больших вычислительных затрат, не всегда применимы в реальном времени.

2.                           В результате анализа свойств различных типов нелинейных устойчивых фильтров из сформированного их банка предложены в качестве компонентов метода ЛА нелинейной фильтрации гибридные нелинейные фильтры с экстраполирующими КИХ-субапертурами 0-го и 1-го порядка. В результате анализа эффективности предложенных нелинейных ЛАФ можно сделать следующие выводы:

-      методы ЛА нелинейной устойчивой фильтрации характеризуются робастностью в широком смысле: обеспечивают наилучшие интегральные показатели качества обработки одномерных процессов с различным типом поведения сигнала в широком диапазоне изменения дисперсии гауссова аддитивного и аддитивного и мультипликативного шумов, а также приемлемое функционирование в условиях нестационарности и априорной неопределенности сигнала и негауссовых помех;

-       предложенные нелинейные ЛАФ обеспечивают достаточный компромисс противоречивых динамических и статистических свойств методов обработки сигналов: сохраняют характерные точки сигнала вида скачков, пиков, изломов, гладких экстремумов и обеспечивают высокую степень подавления различного уровня аддитивного и аддитивного и мультипликативного шумов;

-       сравнение эффективности нелинейных ЛАФ с базовым методом, которым обеспечивались наилучшие интегральные показатели качества в условиях  гауссова аддитивного и смешанного аддитивного и мультипликативного шумов и малой (P<0,03) вероятности выбросов, для комплексной модели одномерного сигнала показывает улучшение локальных и интегральных показателей качества. Улучшение в эффективности следующее: по критерию СКО в области скачка в 1,5 - 2 раза; пика и излома – на 20 - 35 %, параболы – 23 - 36 %, по интегральным показателям СКО на 15 - 20 % , СМО – на 10 - 15 %, ОСШ – на 0,6 - 1,8 дБ;

-       применение нелинейных ЛАФ позволяет существенно (в единицы – десятки раз) повысить точность оценок параметров пиков и гладких экстремумов в широком диапазоне изменения дисперсии шума. В целом выигрыш в точности при использовании нелинейной устойчивой фильтрации и метода сечений составляет один - два порядка, причем он наибольший в сложных условиях высокого уровня шума и наличия выбросов;

-      методы ЛА нелинейной устойчивой фильтрации не требуют предварительной оценки дисперсии, время на обучение (адаптацию параметров фильтра), имеют простую реализацию, небольшой размер скользящего окна, соответственно высокое быстродействие, позволяющие вести оперативную обработку сигнала в реальном времени.

3.                           Исследование эффективности предложенных нелинейных ЛАФ для обработки ЭКГ показало высокие интегральные показатели качества по критериям ОСШ и СКО при различном уровне аддитивного и смешанного аддитивного и мультипликативного шумов:

-       для ЭКГ при частоте дискретизации 400 Гц в условиях аддитивного гауссова шума (исходное ОСШ 18 - 7 дБ) ОСШ на выходе ЛАФ увеличивается на 8,5 -10,3 дБ, а СКО уменьшается в 5,5 - 9 раз, при наличии сигнальнозависимой компоненты шума ОСШ возрастает до 9 - 11 дБ, СКО уменьшается в 5 - 8 раз;

-       для ЭКГ при частоте дискретизации 200 Гц нелинейные ЛАФ имеют большое преимущество над неадаптивными фильтрами. Для условий низкого -высокого уровня аддитивного шума (исходное ОСШ 18 - 6,3 дБ) нелинейными ЛАФ обеспечивается увеличение ОСШ на 5,3 - 8,8 дБ, а уменьшение СКО в 3,3 - 6 раз. При наличии сигнальнозависимой компоненты шума эффективность ЛАФ по критерию ОСШ возрастает до 5,7 - 8,6 дБ.                   

4.                           Предложено применение РМКГМФ для выделения высокоамплитудных искажений в БС, возникающих вследствие двигательной активности. На модельных и реальных сигналах и на основе численных оценок показано эффективное применение данного нелинейного фильтра в задачах автоматической коррекции нелинейного (скачкообразного) тренда сигнала ЭКГ и устранения ДА, в частности артефактов моргания глаз, в ЭЭГ. Данный нелинейный фильтр не использует информации о статистических и спектральных свойствах артефактов, функционирует в реальном времени.

5.                           Впервые предложен метод устранения низкоамплитудных артефактов в одноканальном сигнале ЭКГ, использующий векторную нелинейную фильтрацию в скользящем окне данных. Данным методом устраняются низкоамплитудные артефакты с неизвестными свойствами, учитывается коррелированность сигнала, не искажается его спектр, обеспечивается устойчивость к артефактам при малых выборках обрабатываемых сигналов и высокое быстродействие. Исследовано применение в данном методе модифицированного АВФУС, в котором для адаптивного определения параметра урезания предложено использовать статистический критерий проверки сомнительных вариант малых выборок данных. Применение данного АВФУС позволяет удалять только реализации сигнала с артефактами, подавлять случайный шум, сохраняя одиночные изменения структуры сигнала, что необходимо при анализе микропотенциалов ЭКГ, определении результирующей кривой ВПМ, для дальнейшего распознавания образов и их классификации электрокардиографическими и другими биомедицинскими интеллектуальными системами.

method for 1-D signal processing based on nonlinear filter bank and Z-parameter [Text] / V.V. Lukin, A.A. Zelensky, N.O. Tulyakova, V.P. Melnik // NSIP`99: Proc. of the IEEE-EURASIP Workshop on Nonlinear Signal and Image Processing, June 20-23, 1999. – Antalya (Turkey), 1999. –Vol. I. – P. 287 – 291.

[Text] / J. Neejarvi, Y. Neuvo, A. Vary, U. Mitra // Signal Processing. – 1989. – Vol. 18. – P. 1 – 15.

, W. A Class of Nonlinear Vector Filters Application to Multi-Spectral Image Filtering [Text] / W. Alshatti, P. Bolon, P. Lambert // Signal Processing VII: Theories and Applications. – 1994. – P. 860 – 862.

[Text] / N. Laskaris , G. Koudounis, S. Fotopoulos, A. Bezerianos // Medical Informatics NIE 97. – Portto Carras, Sithonia (Greece), 1997. – P. 546 – 550.

, J. Fundamentals of Nonlinear Digital Filtering [Text] / J. Astola, P. Kuosmanen. – USA: CRC Press LLC, 1997. – 276 p.

, J. Liner Median Hybrid Filters [Text] / J. Astola, P. Heinonen, Y. Neuvo // ISCAS’86: Proc. of the IEEE Int. Symp. Circuits and Systems, May 5-7, 1986. – San Jose, California (USA), 1986.– P. 357 – 360.

, J. On root structures of median and median type filters [Text] / Astola J., Heinonen P., Neuvo J. // Proc. of the IEEE Trans. Acoust. Speech and Signal Processing. – 1987. – Vol. ASSP – 35, № 8. – P. 1199 – 1201.

, J. Vector Median Filters [Text] / J. Astola, P. Haavisto, Y. Neuvo // Proc. of the IEEE Trans. Acoust. Speech and Signal Processing. – 1990. – Vol. 78, № 4. – P. 678 – 689.

Meridian Filtering for Robust Signal Processing [Text] /  TC. Aysal, KE. Barner // Proc. of the IEEE Transactions on Signal Processing. – 2007. – Vol. 55 – P. 3949 – 3962.   

, A. Adaptive Nonlinear Filters with Simultaneous Removal of Different Kind of Noise in Images [Text] / A. Bernstein // IEEE Trans. On Circuits and Systems. – 1987. – Vol. CAS-34, № 11. – P. 1275 – 1291.

, D. R. K. The weighted median filter [Text] / D. R. K. Brownring // Comm, ACM. – 1984. – Vol. 27. – P. 807 – 818.

, J.-F. Informax and maximum likelihood for blind source separation [Text] / J.-F. Cardoso // IEEE Signal Processing Letters.– 1997.– Vol.4, no.4. – P. 112 – 114. [Text] /

/  R.E. Carrillo, T.C. Aysal, K.E. Barner //  EURASIP Journal on Advances in Signal Processing. – 2010. – 19 p.

, R.E. Biomedical signal processing [Text]: Part 1.Time-domain methods/ R.E. Challis, R.I. Kitney // Med. Biol. Eng. Comput. – 1990. – V.28. – P.509 – 524.

, KH. Evoked potentials in clinical medicine [Text]  / KH. Chiappa // 2^nd edn. Raven Press. – New York, 1990. – P. 610 – 628.

, H. Analysis of wavelet-domain Wiener filters [Text] / H. Choi, R. Baraniuk // Proc. of the IEEE-SP Int. Symp. Time-Frequency and Time-Scale Analysis, Oct. 1998. – Pittsburg (Pennsylvania, USA), 1998. – P. 613 – 616.

, I. Filtering of electrocardiogram artifacts from the electrocardiogram [Text] / I. Christov, I. Daskalov // Med. Eng. Phys. – 1999.– Vol. 21. – P. 731– 736.

Florida), 1986. – Vol. II. – P. 37 – 86.

Istanbul (Turkey), 2001. – P. 1621 – 1624.

 468 – 471.

Eng. – 1992. – P. 338 – 350.

I. Djurović, L. J. Stanković // IEEE Trans. Sig. Proc. – July 2003. – Vol.51, No.7. – P. 1753 -1761.

FINSIG'99: Proc. of the 1999 Finnish Signal Processing Symposium, May 31, 1999.– Oulu (Finland), 1999.– P. 184– 188.

Brno (Chech Republic), 2000. – P. 26 – 29. 

 Economou, S. Fotopoulos // Circeit Theory and Design: Proc. of the ECCTD 93; H. Dedieu (Editor). – 1993. – P. 521 – 524.

 / R. Wichman, J. Astola, P. Heinonen, Y. Neuvo // Proc. of the IEEE Transactions on Acoustics, Speech and Signal Processing. – 1990. – Vol. 38, № 12. – P. 2108 – 2116.

Vol. BME – 33, № 6. –  P. 579 – 583.

Gevins, AS. Overview of computer analysis [Text] / AS. Gevins, A. Remond // Methods of analysis of brain electrical Amsterdam), 1987. – P. 31 – 83.

 / JG. Gonzalez, GR. Arce // Proc. of the IEEE Trans. on Signal Processing. – 2001. – Vol. 49, № 2. – P. 438 – 441.   

 / JG. Gonzalez, GR. Arce // EURASIP Journal on Applied Signal Processing. – 2002. – Vol. 1, № 1. – P. 4 – 20.

 / JG. Gonzalez, DL. Lau, GR. Arce // ICASSP’97: Proc. of the IEEE Int. Conf. on Acoustics, Speech and Signal Processing, 21-24 April, 1997. – Munich (Germany), 1997. – P. 3837 – 3840.

Orlando (Florida), 2002. – Vol. 4. – P. 3872 – 3875.

Sydney (Australia), 2001. – Vol. 11. – P. 17 – 20. 

Spline and Wavelet Based Techniques for Signal and Image Processing [Text]: Thesis for the degree of Doctor of Technology: 5^th September / Gotchev Atanas; Tampere University of Technology (Finland). – 2003. – 171 p.

Upper Saddle River, NJ: Prentice-Hall, 1996.  – 920 p.

The Hague (The Netherlands), 1986 – P. 1427 – 1430.

, № 6. – P. 892 – 899.

 1986. – Tampa (FL), 1986. – P. 357 – 360.

Kyoto (Japan), 1985. – P. 1329 – 1331.

Tampa (FL), 1985. – P. 49 – 52.

a-stable noise environments [Text] / S.Kalluri, GR.Arce // Proc. of the IEEE Trans. on Signal Processing. – 1998. – Vol. 46, № 2. – P. 322 – 334.

A new method for varying adaptive bandwidth selection [Text] / V. Katkovnik // Proc. of the IEEE Transactions on Signal Processing. – Seatle, 1999. – Vol. 47, № 9. – P. 2567 – 2571.

A. Mohammad-Djafari (Editor) – Bellingham, 1998. – P. 147 – 158. 

S.J. Center weighted median filters and their application to image enhancement [Text] / S.J. Ko, Y.H. Lee // Proc. of the IEEE Trans. On Circuits and Systems. – 1991. – Vol. 38, № 9. – P. 984 – 993.

E. Berhani // Proc. of the IEEE Trans. Biomed. Eng. – 1997. – Vol. 44. – P. 256 – 265.  

.

eski, J. Robust Weighted Averaging [Text] / J. Łeski // Proc. of the IEEE Trans. on Biomed. Eng. – 2002. – Vol. 8. – P. 796 – 804. 

– Kolmarden (Sweden), 2000. – P. 195 – 197.

№ 2. – P. 275 – 287.

A.Wavelet Tour of Signal Processing [Text] / S.Mallat. – Academic Press, 1999. – 851 p.

Amsterdam), 1987 – P. 131 – 169.

Melbourne (Australia), 1998. – P. 849 – 853.

 Grant, W. Sandham // Eurasip: Signal processing VII: theories and applications – Lausanne (Switzerland), 1994.– Vol. II. – P. 864 – 867.

– New York: Willey Interscience, 1971.

Heinonen, Y. Neuvo // Proc. of the IEEE Trans Pattern Analysis and Machine Intelligens. – 1987. – Vol. PAMI-9. – P. 74 – 90.

Island of Rhodes (Greece), 1998. – P. 2449 – 2452.

Tampere (Finland), 2000. – P. 51 – 54.

УкрОБРАЗ`98: тез. докл. IV Всеукр. міжнарод. конф. 19-23 жовтня 1998 р. – Київ, 1998. – С. 39 – 40.

Branch-and-Bound Search [Text] / RC. Núñez, JG. Gonzalez, GR. Arce // Proc. of the IEEE Trans. on Signal Processing. – 2008. – Vol. 56. – P. 3340 – 3346.

.

I. Nonlinear Digital Filters: Principles and Application [Text] / I. Pitas, A.N. Venetsanopoulos. – USA: Kluwer Academiс Publisher, 1990. – 324 p.