Entwurf von Strategien und Implementierung von adaptiven Filtern auf FPGA

Das EKG ist eine elektrische Darstellung der Blutpumpaktivität des Herzens, die sich leicht mit Oberflächenelektroden an den Gliedmaßen oder am Brustkorb aufzeichnen lässt. Wir können hoch- und niederfrequente Geräusche durch den Einsatz fester Filter filtern, aber Bewegungsartefakte und Geräusche, die mit der Bewegung von Muskeln zusammenhängen, können nicht durch feste Filter gefiltert werden, da wir keine Vorinformationen über die Art dieser Geräusche haben und die EKG-Signale aufgrund der physischen Nähe der Körperbewegung von Elektromyogramm-Signalen (EMG) überlagert werden. Ein statischer Filter ist erforderlich, um alle Störfrequenzen zu entfernen, was die Eigenschaften des EKGs übermäßig beeinträchtigen könnte, da der Herzschlag wahrscheinlich auch Frequenzkomponenten im zurückgewiesenen Bereich aufweisen würde. Um diesen latenten Informationsverlust zu umgehen, wird ein adaptiver Filter verwendet. Die adaptive Technik ermöglicht somit einen Filter mit einem größeren Akzeptanzbereich, was bedeutet, dass unser Filter eine für medizinische Diagnosen absolut zielgenaue Ausgangssignalqualität liefert. Der adaptive Filter wird hier mithilfe des LMS-Algorithmus und des RLS-Algorithmus trainiert. Die Algorithmen werden mithilfe von Simulink als Referenzmodell durchgesetzt, wobei die Blöcke aus dem Xilinx-Blocksatz entnommen werden.

Autorentext

Prateek Singh, Assistenzprofessor in der Fakultät für Elektrotechnik. Er hatte 2015 seinen Master of Technology am College of Engineering in Pune abgeschlossen, nachdem er seinen Bachelor of Technology in Elektronik und Instrumentierung erworben hatte. Sein Forschungsinteresse gilt eingebetteten Technologien und der biomedizinischen Signalverarbeitung.