การกำจัดสัญญาณรบกวนชนิดปรับตัวได้สำหรับการวัดสัญญาณคลื่นไฟฟ้าหัวใจโดยใช้ อัลกอริธึมกำลังสองเฉลี่ยน้อยที่สุดแบบบรรทัดฐาน
Article Sidebar
Main Article Content
บทคัดย่อ
บทความนี้ได้นำเสนอการใช้ตัวกรองปรับตัวได้โดยใช้อัลกอริธึมกำลังสองเฉลี่ยน้อยที่สุดแบบบรรทัดฐานในการกำจัดสัญญาณรบกวนสำหรับการวัดสัญญาณคลื่นไฟฟ้าหัวใจ โดยกล่าวถึงคุณสมบัติทั่วไปของการวัดคลื่นไฟฟ้าหัวใจ และสัญญาณรบกวนในขณะทำการวัดคลื่นไฟฟ้าหัวใจ สำหรับตัวกรองปรับได้ที่มีคุณสมบัติในการกำจัดสัญญาณรบกวนนั้น จะอธิบายถึงพื้นฐานที่เกี่ยวข้องกับตัวกรองปรับตัวได้ และการออกแบบอัลกอริธึมกำลังสองเฉลี่ยน้อยที่สุดสำหรับตัวกรองที่เป็นเชิงเส้นปรับตัวได้สำหรับการกำจัดสัญญาณรบกวนในการวัดสัญญาณคลื่นไฟฟ้าหัวใจ ผลการทดสอบที่ได้จากทดลองโดยใช้ชุดข้อมูลคลื่นไฟฟ้าหัวใจในการจำลองการทำงานของตัวกรองปรับตัวได้นั้น แสดงให้เห็นว่า ตัวกรองปรับตัวได้ด้วยอัลกอริธึมค่าเฉลี่ยกำลังสองน้อยที่สุดแบบบรรทัดฐานสามารถกำจัดสัญญาณรบกวนได้โดยทดสอบจากคุณสมบัติของค่าผิดพลาดน้อยที่เป็นค่าเบี่ยงเบนกำลังสองเฉลี่ยน้อยที่สุดที่แสดงให้เห็นว่าสัญญาณเอาต์พุตที่ได้มีค่าใกล้เคียงกับสัญญาณที่ต้องการ
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
บทความนี้เป็นลิขสิทธิ์ของวารสาร Engineering Transactions คณะวิศวกรรมศาสตร์และเทคโนโลยี มหาวิทยาลัยเทคโนโลยีมหานคร
เอกสารอ้างอิง
Y.D. Lin, Y. H. Hu, “Power-line interference detection and suppression in ECG signal processing”, IEEE Trans. Biomed. Eng., vol 55, pp. 354-357, 2008.
พัลลภ พันธุปรีชารัตน์, “ความไม่เป็นอุดมคติจากการวัดสัญญาณคลื่นไฟฟ้าหัวใจผ่านส่วนต่อประสานเนื้อเยื่อ-อิเล็กโทรด”, Engineering Transactions: A Research Publication of Mahanakorn University of Technology, ปีที่ 24, ฉบับที่ 2, ก.ค. –ธ.ค. 2564.
P. Pantuprecharat, S. Masaree, P. Pawarangkoon, and C. Sawigun, “A 0.672 μW, 2 μVrms CMOS current-feedback ECG Pre-amplifier with 77 dB CMRR”, In: Proc. of IEEE Asia Pacific Conference Circuits System, Bangkok, Thailand, pp. 393–396, 2019.
B. Chen, Y. Li, X.Cao, W. Sun, W. He, “Removal of Power Line Interference From ECG Signals using Adaptive Notch Filters of Sharp Resolution”, IEEE Access, Special Section on Data-Enabled Intelligence for Digital Health, vol. 7, pp. 150667-150676, 2019.
X. Xu, Y. Liang, P. He, J. Yang, “Adaptive Motion Artifact Reduction Based on Empirical Waelet Transform and Wavelet Thresholding for the Non-Contact ECG Monitoring Systems”, Sensors, vol. 19, pp. 1-14, 2019.
A. Ren, Z. Du, J. Li, F. Hu, X. Yang, H. Abbas, “Adaptive Interference Cancellation of ECG Signals”, Sensors, vol. 17, pp. 1-15, 2017.
วิกิพีเดีย, “การบันทึกคลื่นไฟฟ้าหัวใจ”, [online] https://th.wikipedia.org/wiki/การบันทึกคลื่นไฟฟ้าหัวใจ, สืบค้นเมื่อ 21/06/2566.
S. Sitjongsataporn, “Advanced Adaptive DMT Equalisation: Algorithms and Implementation”, LAP LAMBERT Academic Publishing, 176 pages, 2011.
S. Haykin, “Adaptive Filter Theory”, Pearson, 2013.
A. Saenmuang, S. Sitjongsataporn, “Convergence and Stability Analysis of Spline Adaptive Filtering based on Adaptive Averaging Step-size Normalized Least Mean Square Algorithm”, International Journal of Intelligent Engineering and Systems (IJIES), vol. 13, no. 2, pp. 267-277, Apr. 2020.
“PhysioBank”, https://archive.physionet.org/physiobank/, สืบค้นเมื่อ 22/06/2566.
A. L. Goldberger, L. A. Amaral, L. Glass, J. M. Hausdorff, P. C. Ivanov, R. G. Mark, J. E. Mietus, G. B. Moody, C. K. Peng, and H. E. Stanley, “PhysioBank, PhysioToolkit, and PhysioNet: Components of a New Research Resource for Complex Physiologic Signals”, Circulation, Vol. 101, pp. e215-e220, 2000.
G. B. Moody, W. E. Muldrow, and R. G. Mark, “A Noise Stress Test For Arrhythmia Detectors”, Computers in Cardiology, Vol. 11, pp. 381-384, 1984.
