Vol. 6 Núm. 2 (2007): Revista UIS Ingenierías
Artículos

Determinación de los parámetros asociados al filtro wavelet por umbralización aplicado a filtrado de interferencias electrocardiográficas

Oscar Javier Olarte Rodríguez
Universidad Industrial de Santander
Biografía
Daniel Alfonso Sierra Bueno
Universidad Industrial de Santander
Biografía

Publicado 2007-10-19

Palabras clave

  • ECG,
  • EKG,
  • SWT,
  • shrinkage,
  • wavelet,
  • filtrado
  • ...Más
    Menos

Cómo citar

Olarte Rodríguez, O. J., & Sierra Bueno, D. A. (2007). Determinación de los parámetros asociados al filtro wavelet por umbralización aplicado a filtrado de interferencias electrocardiográficas. Revista UIS Ingenierías, 6(2), 33–44. Recuperado a partir de https://revistas.uis.edu.co/index.php/revistauisingenierias/article/view/404

Resumen

Se discuten y evalúan los parámetros implicados en un sistema de filtrado por umbralización basado en transformada wavelet (shrinkage), con el objetivo de definirlos para el tratamiento de señales electrocardiográficas. Los parámetros estudiados son: orden de las familias wavelet, número de niveles de descomposición a umbralizar, tipo de estimador de umbral, tipo de transformada wavelet (variante o invariante al desplazamiento) y finalmente elección de una familia wavelet. El estudio involucra una revisión del estado del arte y comprobaciones experimentales. Con esto se logra proponer un sistema confiable, y no solo basado en la similitud de la señal ECG con la función wavelet. 

Descargas

Los datos de descargas todavía no están disponibles.

Referencias

D.I. Donoho, “De-noising by soft-thresholding,” IEEE Trans. on Information theory, vol. 41, No. 3, May
1995, pp 613-627.

Y. Xu, J.B. Weaver, D. M. Healy, and J. Lu, “Wavelet transform domain flters: A spatially selective noise filtration technique,” IEEE Trans. On Image Processing, vol 3, No.6, Nov 1994, pp. 747-758.

S. Mallat, W.L. Hwang, “Singularity detection and processing with wavelets,” IEEE Trans. On Information
Theory, vol. 38, No. 2, March 1992, pp. 617-643.

D. Guo, W. Zhu, Z. Gao, J. Zhang, “A study of wavelet thresholding denoising,” Proceedings of the 5th International Conference on Signal Processing (ICSP 2000), pp. 329-332.

G. M. Friesen, T. C. Jannett, M. Affy Jadallah, S. L. Yates, S. R. Quint, and H. Troy Nagle, “A comparison of
the noise sensitivity of nine QRS detection algorithms,” IEEE Trans. On Biomedical Eng. Vol 37, No. 1, January 1990, pp. 85-98.

C. K. Chuy, Wavelets: A Mathematical Tool for Signal Processing, Philadelphia, PA: SIAM, 1997, 210 pp.

O. J. Olarte y C. A. Niño, Implementación de una Toolbox Básica para Tratamiento de Señales con Wavelets en un Procesador Digital de Señales, [Tesis de Pregrado] Universidad Industrial de Santander, Bucaramanga, 2004, Available: http://chorlito.uis.edu.co/tesis/2004/112683. pdf [Visitado Noviembre 2006]

S. Mallat, A Wavelet Tour of Signal Processing, San Diego, CA: Academic Press, 1999, 637 pp.

C. Schremmer, T. Haenselmann, and F. Bomers, “A wavelet based audio denoiser.” Available: http://citeseer.ist.psu.edu/schremmer01wavelet.html [Visitado Enero 2007].

C. Cai and P.D.B. Harrington, “Different discrete wavelet transforms applied to denoising analytical data,” J. Chem. Inf. Comput. Sci., Vol. 38, No. 6, November 1998, pp. 1161-1170.

A.K. Fletcher, V. K. Goyal, and K. Ramchandran “Iterative projective wavelet methods for denoising,” Proceedings of SPIE, Vol. 5207, 2003, pp. 9-15.

M. Misiti, Y. Misiti, G. Oppenheim, and J.M. Poggi, “Wavelet Toolbox User’s Guide,” The Mathworks, Inc., Version 2.

D. Zhang, “Wavelet approach for ECG baseline wander correction and noise reduction,” Proceedings 27th Int. Conf. of the IEEE Eng. In Medicine and Biology Society, 2005, pp. 1212-1215.

P.D. Agoris, S. Meijer, E. Gulski, and J.J. Smit, “Threshold selection for wavelet denoising of partial discharge data,” IEEE International Symposium on Electrical Insulation, USA, September 2004, pp. 19-22.

P. Quan, L. Zhang, G. Dai, and H. Zhang, “Two denoising methods by wavelet transform,” IEEE Trans. On Signal Processing, vol 47, No. 12, December 1999, pp. 3401-3406.

R. R. Coifman, and D.L. Donoho “Translationinvariant de-noising,” Yale University and Stanford
University, 1995. Available: http://citeseer.ist.psu. edu/80329.html [Visited: March 21, 2007].

M. Lang, H. Guo, J. E. Odegard, C.S. Burrus, and R. O. Wells, “Nonlinear processing of a shift invariant DWT for noise reduction,” Proceedings of SPIE, Vol. 2491, April 1995, pp. 640-651.

P. Carre, and C. Fernandez, “Undecimated wavelet shrinkage estimate of the 1D and 2D spectra,” Proceedings of the IEEE Int. Conf. on Acoustics, Speech and Signal Processing, 2000, pp. 2310-2313.

S. Nibhanupudi, Signal Denoising Using Wavelets, [M.S. Thesis] University Of Cincinnati, Cincinnati, OH, 2003.

D. Ballesteros, “Reducción de ruido en señales ECG utilizando fltros wavelet,” Fundación Univ. Manuela Beltrán. Memorias ANDESCON 2004, Bogotá, Colombia.

N.V. Thakor, J.G. Webster, W.J. Tomkins, “Estimation of QRS complex power spectra for design of a QRS filter,” IEEE Trans. On Biomedical Eng., vol 31, No 11, November 1984, pp. 702-705.

O. J. Olarte, Sistema de reconocimiento y diagnóstico de arritmias cardiacas aplicado a la identifcación de taquicardias de complejos anchos a partir del electrocardiograma, [Tesis de Maestría] Universidad Industrial de Santander, Bucaramanga, 2007.

J. González, J. Barrero, “Implementación de fltros adaptativos en DSP aplicados al tratamiento de interferencia de 60 Hz y desplazamiento de la línea de base del ECG,” Memorias del XI Simposio de tratamiento de Señales, Imágenes y Visión Artifcial, Bogotá, 2006.

Physiobank, http://www.physionet.org/physiobank [Visitado Septiembre, 2006].