CC BY
129
Методы детектирования биосигналов Алтай Е.А.1, Мухидинов Т.М.2
1 Алтай Ельдос Алтайулы /Altay Yeldos Altayuly - магистрант;
2Мухидинов Толеген Махмутдинович /Mukhidinov Tolegen Makhmudinyli - магистрант, кафедра робототехники и технических средств автоматики, Казахский национальный технический университет имени К.И. Сатпаева, Казахстан, г. Алматы
Аннотация: в статье рассматривается применение методов детектирования биосигналов, с помощью фильтрации. Применен метод частотно-полосовой фильтрации для обработки биосигналов, обеспечивающие снижение погрешности детектирования биосигналов.
Abstract: the article discusses the application of methods for detecting biosignals by filtration. The method of frequency-band-pass filter for processing biosignals that reduce error detection biosignals.
Ключевые слова: детектирование биосигналов, фильтрация, фильтры нижних частот. Keywords: detecting biosignals, filtration, low pass filters.
Биосигналы содержат информацию о физиологических событиях. Фрагмент сигнала, связанный с каким-либо изучаемым событием, часто называют эпохой. Анализ биосигналов для мониторного наблюдения или диагностики требует идентификации эпох и исследование соответствующих событий. После идентификации физиологических событий осуществляется сегментация и анализ соответствующего фрагмента сигнала с использованием таких характеристик, как амплитуда, форма сигнала (морфологические признаки), длительность, интервалы между идентичными событиями, распределение энергии, спектральный состав и т.д. Таким образом, обнаружение событий является одним из наиболее важных этапов в анализе биосигналов.
Исследованиями Р.М. Рангаяна установлено, что выбор характеристической точки продиктован необходимостью обеспечения наилучшего детектирования фрагмента биосигнала, в связи с этим характеристическая точка может не соответствовать моменту наступления физиологического события. Например, в качестве характеристической точки биосигналов часто выбирают точку максимума первой производной биосигнала [1].
Как правило, схема обнаружения характеристических точек биосигналов формирует выходной импульсный сигнал, положение максимума или фронта которого соответствует положению характеристической точки во времени. Процессу обнаружения характеристических точек часто предшествует их выделение на фоне помех и шумов. В качестве характеристических точек биосигналов выбираются наиболее различимые на фоне помех и шумов. Основным требованием, предъявляемым к средствам обнаружения характеристических точек, является возможность эффективной работы в условиях помех высокой интенсивности и изменчивости формы биомедицинских сигналов.
В общем случае схема обнаружения характеристической точки биомедицинских сигналов включает в себя последовательно соединенные блок предварительной обработки и пороговый детектор.
Первичная обработка биосигналов представляет собой различные этапы цифровой фильтрации для устранения шумов и помех, а также набор амплитудно-временных преобразований исходного биосигнала в форму наиболее пригодную для последующего анализа пороговым устройством.
На стадии предварительной обработки биосигналов наиболее часто используются:
• методы частотной фильтрации;
• фильтрация во временной области;
• методы, основанные на первой производной и нелинейных преобразованиях.
Реже применяются методы, основанные на корреляционной обработке, применении вейвлет-преобразований, сингулярных разложений сигнала и использовании нейронных сетей.
Исследованиями Crespo C. было установлено, что применение полосовой частотной фильтрации на этапе предварительной обработки биомедицинских сигналов позволяет уменьшить влияние различного рода помех, как физического, так и биологического происхождения [2].
Основными видами помех физического происхождения являются помехи электрической природы, обусловленные воздействием электрических сетей питания, шумами аналоговых элементов измерительного преобразователя биолого-медицинских, шумами квантования аналого-цифрового преобразования биосигналов. В основе принципа линейной частотной фильтрации лежит различие в спектральных характеристиках биосигналов и различного вида помех.
Применение фильтров нижней частоты (ФНЧ) позволяет уменьшить или полностью исключить влияние помех от электрической сети, с основной частотой 50 Гц. Для относительно высокочастотных биосигналов (ЭКГ, ЭМГ сигналы) применения ФНЧ с частотой среза менее 50 Гц может привести к значительному искажению за счет избыточного сглаживанию биосигнала, поэтому в таком случае наиболее целесообразным является режекторная фильтрация, при которой частота среза фильтра точно настраивается на частоту присутствующей в биосигнале помехи электрического происхождения.
Исследованиями Han H, было установлено, схемы обнаружения характеристических точек биосигналов содержат в себе этапы дифференцирования сигнала. Известно, что дифференцирование сигналов приводит к
усилению содержащихся в них высокочастотных шумов и помех, которые могут быть обусловлены шумами квантования, а также помехами от электрической сети питания [3].
Таким образом, на предварительной стадии обработки сигналов необходимо подавление такого рода помех с помощью цифровых фильтров нижних частот (ФНЧ). Последовательно соединенные ФВЧ и ФНЧ образуют полосовой фильтр, частоты среза которого зависят от частотных характеристик исследуемых биосигналов. Применение методов частотной полосовой на начальном этапе предварительной обработки биосигналов обеспечивает снижение погрешностей детектирования характеристических точек.
В качестве цифровых фильтров для предварительной обработки биосигналов наиболее целесообразно использовать фильтр Баттерворта, к преимуществам которого можно отнести максимально плоскую частотную характеристику в полосе пропускания и невысокие требования к вычислительной мощности, что позволяет разработать фильтр высокого порядка, что в свою очередь обеспечивает достаточную крутизну спектральной характеристики.
Для реализации фильтрации во временной области часто используют фильтр скользящего среднего. Применение фильтра скользящего среднего приводит к сглаживанию исходного сигнала, и обычно, используется для устранения ошибок квантования и для устранения высокочастотных шумов в сигнале. Свойства такого рода фильтров полностью определяются шириной окна.
Пороговые устройства выделяют из обработанного сигнала характеристические точки исходного биосигнала. Наибольшее распространение получили адаптивные пороговые детекторы, у которых абсолютное значение порога зависит от амплитуды входного сигнала, благодаря чему происходит адаптация к нестационарному характеру биосигналов [4,5].
Существуют также дополнительные алгоритмы пороговых устройств обнаружения характеристических точек биосигналов. На рисунке! представлен простой циклический алгоритм детектировании биосигналов.
Рисунок 1. Алгоритм детектирования биосигналов
Параметры: N - размер окна; q - перекрытие; р - визуальное разрешения (где М >>р> №).
Одним из вариантов построения порогового устройства обнаружения характеристической точки биосигналов является одновременная регистрация и совместная обработка двух или более биосигналов, что позволяет увеличить достоверность результатов детектирования медико-биологических событий. В частности, в значение порога адаптивно определяется как доля от среднего значения амплитуд двух предыдущих обнаруженных пиков.
В заключение следует отметить, при обработке биосигналов необходимо подавление помех с помощью цифровых фильтров нижних частот. Последовательно соединенные фильтров высоких и нижних частот образуют полосовой фильтр, частоты среза которого зависят от частотных характеристик исследуемых биосигналов. Применение методов частотной полосовой на начальном этапе предварительной обработки биосигналов обеспечивает снижение погрешностей детектирования характеристических точек, что ведет более точному интерпретированию данных.
Литература
1. Рангайян Р.М. Анализ биомедицинских сигналов. М.: Физматлит, 2007. 440 с.
2. Crespo C. Automatic detection algorithm for physiologic pressure signal components // Engineering in Medicine and Biology Society and Biomedical Engineering Society. 2013. Vol. 1. P. 196-197.
3. Han H. Development of real-time motion artifact reduction algorithm for a wearable photoplethysmography // Proceedings of the 29th Annual International Conference of the IEEE EMBS, 2007. P.1539-1541.
4. Theis F. J. Biomedical signal analysis // Contemporary methods and applications. 2010. P. 423
5. Grimnes S. Bioimpedance and Bioelectricity Basics. // San Diego Academic Press. 2000. P. 749.
