Wavelet-Conversion in Electrocardio Signal Processing

Abstract

В настоящей работе рассматривается обработка электрокардиосигнала при помощи вейвлет-преобразования. В электрокардиографии для обнаружения, извлечения и анализа различных компонентов электрокардиограммы применяются различные методы обработки цифровых сигналов. Среди них техника вейвлет-преобразования дает многообещающие результаты в анализе частотно-временных характеристик компонент электрокардиограммы. Актуальность решения проблемы повышения качества жизни людей при помощи раннего диагностирования и своевременного лечения различных кардиологических заболеваний является очевидной. Особенно важным является процесс автоматизированного анализа огромной базы электрокардиографических данных. Вейвлет-анализ может успешно использоваться для сглаживания и удаления шума сигнала ЭКГ. Сигнал электрокардиограммы, очищенный от шумовых компонент, выглядит нагляднее, при этом его объем составляет от 10 до 5 % от исходного сигнала, что в большой степени решает проблему хранения кардиозаписей. Цель исследования: разработка алгоритма пороговой обработки вейвлет-коэффициентов и фильтрации сигнала электрокардиографии. Материалы и методы. Для анализа были взяты кардиограммы. Далее они были оцифрованы и введены в компьютер для обработки. Была написана программа в среде MATLAB, реализующая непрерывное и дискретное вейвлет-преобразование. Результаты. В работе показан результат фильтрации сигнала ЭКГ с добавлением шума с отношением сигнал/шум 35 и 45 дБ с использованием уровней разложения N = 2, N = 3, N = 4. Заключение. На основе анализа полученных данных можно сделать вывод, что второй уровень разложения наиболее оптимален для фильтрации ЭКГ-сигнала. С увеличением уровня разложения выходное отношение уменьшается, на уровне N = 4 выходное сигнал/шум почти не превышает входное, следовательно, фильтрация становится неэффективной. Коэффициент корреляции к четвертому уровню значительно снижается, что означает значительное повышение искажений, вносимых алгоритмом фильтрации. In the present work, processing of an electro cardio signal using a wavelet transform is considered. In electrocardiography, various digital signal-processing techniques are used to detect, extract, and analyze the various components of an electrocardiogram. Among them, the wavelet transform technique gives promising results in the analysis of the time-frequency characteristics of the electrocardiogram components. The urgency of solving the problem of improving the quality of life of people with the help of early diagnosis and timely treatment of various cardiac diseases is obvious. The process of automated analysis of a huge database of electrocardiographic data is especially important. Wavelet analysis can be successfully used to smooth and remove noise in the ECG signal. Electrocardiogram signal, cleaned from noise components, looks clearer, while its volume is from 10 to 5% of the original signal, which largely solves the problem of storing cardiac records. Aim. Development of an algorithm for threshold processing of wavelet coefficients and filtering of an electrocardiography signal. Materials and methods. Cardiograms were taken for analysis. Then they were digitized and entered into a computer for processing. A program was written in the MATLAB environment that implements continuous and discrete wavelet transform. Results. The work shows the result of filtering the ECG signal with the addition of noise with a signal-to-noise ratio of 35 and 45 dB using the decomposition levels N = 2, N = 3, N = 4. Conclusion. Based on the analysis of the data obtained, it can be concluded that the second level of decomposition is the most optimal for filtering the ECG signal. With an increase in the level of decomposition, the output ratio decreases, at the level N = 4 the output signal-to-noise almost does not exceed the input one, therefore, the filtering becomes ineffective. The correlation coefficient to the fourth level is significantly reduced, which means a significant increase in the distortion introduced by the filtering algorithm.