تعداد نشریات | 44 |
تعداد شمارهها | 1,303 |
تعداد مقالات | 16,020 |
تعداد مشاهده مقاله | 52,486,150 |
تعداد دریافت فایل اصل مقاله | 15,213,363 |
یک رویکرد جدید برای طراحی فیلتر هموارساز با استفاده از معادلات دیفرانسیل تاخیری | ||
پردازش سیگنال پیشرفته | ||
مقاله 2، دوره 5، شماره 1 - شماره پیاپی 7، شهریور 1400، صفحه 9-18 اصل مقاله (1.08 M) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22034/jasp.2022.47614.1158 | ||
نویسنده | ||
آرمان خیراتی رونیزی* | ||
گروه علوم کامپیوتر، دانشکده علوم پایه، دانشگاه دولتی فسا، فسا، ایران | ||
چکیده | ||
از میان روش های حذف نویز سیگنال، فیلترهای هموارساز smoothness priors یا quadratic variation regularization توجه بسیار زیادی را در دهه گذشته به خود جلب کرده است. در این روشها، سیگنال مطلوب با استفاده از یک روش بهینه سازی تخمین زده میشود که در آن از مشتقات سیگنال به عنوان عامل جریمه کننده استفاده می شود. اما این روشها فقط برای تخمین سیگنالهای توانی (polynomial signals) مفید هستند. در نتیجه بازدهی آنها در تخمین سیگنالهای غیرتوانی کاهش می یابد. برای جبران این محدودیت، در این مقاله، یک رویکرد جدید برای طراحی فیلتر هموارساز پیشنهاد میشود که بر پایه معادله دیفرانسیل تاخیری می باشد. در این رویکرد، به جای مشتقات سیگنال از معادله دیفرانسیل تاخیری به عنوان عامل جریمه کننده استفاده می شود. به عنوان نمونه، از معادله دیفرانسیل تاخیری مدل MA در طراحی فیلتر هموارساز استفاده میشود. فیلتر هموارسازMA پیشنهادی در حوزه فرکانس آنالیز شده و نشان داده می شود که این فیلتر برای مقادیرکوچک اندازه پنجره، یک رفتارخوب در باندفرکانسی گذر و باندفرکانسی توقف از خود نشان می دهد. به عنوان یک کاربرد عملی، فیلتر هموارساز پیشنهادی برای حذف نویز سیگنالهای قلبی به کار گرفته میشود. این روش، روی داده های واقعی موجود در پایگاه دادهPhysioNet PTB آزمایش شده است. نتایج حاصل نشان می دهد که روش پیشنهادی در مقایسه با روش های قبلی، بهتر عمل می کند. | ||
کلیدواژهها | ||
معادلهدیفرانسیل تاخیری؛ میانگینگیر؛ فیلتر هموارساز؛ تخمین | ||
مراجع | ||
[1] A. Shenoi, Introduction to Digital Signal Processing and Filter Design. New York, NY, USA: Wiley-Interscience, 2005. [2] J. Blinchikoff and A. I. Zverev, Filtering in the Time and Frequency Domains. Melbourne, FL, USA: Krieger Publishing Co., Inc., 1986. [3] Guest and N. Mijatovic, “Discrete-time complex bandpass filters for three-phase converter systems,” IEEE Trans. Ind. Electron., vol. 66, pp. 4650–4660, 2019. [4] W. Schafer, “What is a savitzky-golay filter? [lecture notes],” IEEE Signal Processing Magazine, vol. 28, no. 4, pp. 111–117, July 2011. [5] M. Stein, “Confidence sets for the mean of a multivariate normal distribution,” Journal of the Royal Statistical Society. Series B Methodological), vol. 24, pp. 265–296, 1962. [6] Kopsinis and S. McLaughlin, “Development of emd-based denoising methods inspired by wavelet thresholding,” IEEE Transactions on Signal Processing, vol. 57, pp. 1351–1362, April 2009. [7] L. Donoho and I. M. Johnstone, “Adapting to unknown smoothness via wavelet shrinkage,” J. Am. Stat. Assoc., vol. 90, pp. 1200–1224,1995. [8] S. Crouse, R. D. Nowak, and R. G. Baraniuk, “Wavelet-based statistical signal processing using hidden markov models,” IEEE Transactions on Signal Processing, vol. 46, pp. 886–902, April 1998. [9] L. Donoho, “De-noising by soft-thresholding,” IEEE Transactions on Information Theory, vol. 41, pp. 613–627, May 1995. [10] Sameni, “Online filtering using piecewise smoothness priors: Application to normal and abnormal electrocardiogram denoising,” Signal Processing, vol. 133, pp. 52 – 63, 2017. [11] Fasano and V. Villani, “Baselinewander removal for bioelectrical signals by quadratic variation reduction,” Signal Processing, vol. 99, pp. 48–57, 2014. [12] Villani and A. Fasano, “Fast detrending of unevenly sampled series with application to hrv,” Computers in Cardiology, vol. 40, pp. 417–420, 2013. [13] P. Tarvainen, P. O. Ranta-aho, and P. A. Karjalainen, “An advanced detrending method with application to hrv analysis,” IEEE Transactions on Biomedical Engineering, vol. 49, no. 2, pp. 172–175, 2002. [14] Dong, D. Thanou, P. Frossard, and P. Vandergheynst, “Learning laplacian matrix in smooth graph signal representations,” IEEE Trans. Signal Process., vol. 64, no. 23, pp. 6160–6173, 2016. [15] J. Wang, J. Li, H. Xu, H. O. Yan, J. Yuan, J. H. Li, X. H. Liu, Q. Zhou, and N. Li, “Smoothness prior approach to removing nonlinear trends from signals in identification of low frequency oscillation mode,” in Renewable Energy and Power Technology II, ser. Applied Mechanics and Materials, vol. 672. Trans Tech Publications, 11, pp. 1070–1074, 2014. [16] Kheirati Roonizi and C. Jutten, “Improved smoothness priors using bilinear transform,” Signal Processing, vol. 169, p. 107381, 2020. [17] Kheirati Roonizi and C. Jutten, “Forward-backward filtering and penalized least-squares optimization: A unified framework,” Signal Processing, vol. 178, p. 107796, 2021. [18] Kheirati Roonizi and C. Jutten, “Band-stop smoothing filter design,” IEEE Transactions on Signal Processing, vol. 69, pp. 1797–1810, 2021. [19] Kheirati Roonizi “ℓ2 and ℓ1 Trend Filtering: A Kalman Filter Approach,” IEEE Signal Processing Magazine, vol. 38, no. 6, pp. 137-145, Nov. 2021 [20] Wang, J. Liang, F. Gao, L. Zhang, and Z. Wang, “A method to improve the dynamic performance of moving average filter-based pll,” IEEE Trans. Power Electron., vol. 30, pp. 5978–5990, Oct 2015. [21] Golestan, M. Ramezani, J. M. Guerrero, F. D. Freijedo, and M. Monfared, “Moving average filter based phase-locked loops: Performance analysis and design guidelines,” IEEE Trans. Power Electron., vol. 29, pp. 2750–2763, June 2014. [22] J. Morales and Y. Shmaliy, “Moving average hybrid filter to the enhancing ultrasound image processing,” IEEE Latin America Transactions, vol. 8, pp. 9–16, March 2010. [23] Salih, S. A. Aljunid, S. Aljunid, and O. Mask, “Adaptive Filtering Approach for Denoising Electrocardiogram Signal Using Moving Average Filter,” J Med Imaging Health Inform, vol. 5, pp. 1065—-1069, 2015. [24] Rabiner and B.-H. Juang, Fundamentals of Speech Recognition. Upper Saddle River, NJ, USA: Prentice-Hall, Inc., 1993. [25] G. Proakis and D. G. Manolakis, Digital Signal Processing (3rd Ed.): Principles, Algorithms, and Applications. Upper Saddle River, NJ,USA:Prentice-Hall, Inc., 1996. [26] C. Gonzalez and R. E. Woods, Digital Image Processing (3rd Edition). Upper Saddle River, NJ, USA: Prentice-Hall, Inc., 2006. [27] Kheirati Roonizi and R. Sassi, “A Signal Decomposition Model- Based Bayesian Framework for ECG Components Separation,” IEEE.Trans. Signal Process., vol. 64, pp. 665–674, 2016. [28] Sayadi and M. B. Shamsollahi, "ECG Denoising and Compression Using a Modified Extended Kalman Filter Structure," in IEEE Transactions on Biomedical Engineering, vol. 55, no. 9, pp. 2240-2248, Sept. 2008. [29] L. Goldberger, L. A. N. 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. | ||
آمار تعداد مشاهده مقاله: 657 تعداد دریافت فایل اصل مقاله: 493 |