АНАЛИЗ МЕТОДОВ ОБРАБОТКИ СИГНАЛОВ В ЧАСТОТНО-ВРЕМЕННОЙ ОБЛАСТИ
DOI:
https://doi.org/10.52167/1609-1817-2025-1-S1-392-401Ключевые слова:
Обработка сигнала ЭКГ, обработка частоты времени, преобразование, сравнительный анализ, разложение эмпирического режима, сердечно-сосудистая система.Аннотация
В работе представлен сравнительный анализ частотно-временных методов обработки сигналов ЭКГ. Первоначально для сравнительного анализа методов анализируется структурная специфика морфологии сигналов ЭКГ. На основе систематизации выявленных особенностей морфологии сигналов ЭКГ был проведен сравнительный анализ широко используемых методов Гильберта-Хуана и преобразования формы волны. Их основные преимущества и недостатки отмечены по сравнению с классическим преобразованием Фурье в частотно-временной области. Анализ показал, что преобразование Гильберта-Хуана превосходит известные методы обработки сигналов ЭКГ в области времени и частоты. Кроме того, в этой статье отмечается, что преобразование Гильберта-Хуана открывает новые возможности для обработки и анализа долгосрочных записей сигналов ЭКГ в частотно-временной области. Такой подход повышает точность диагностики сердечно-сосудистой системы в методах электрокардиографии. Возможность применения этого метода для систем долгосрочного наблюдения определяется формированием уникальной апостериорной основы, которая всегда оправдана и требует мало вычислительных ресурсов для обработки и анализа диагностических сигналов.
Библиографические ссылки
WHO statistics CVD. [Online]. Available: http://www.who.int/cardiovascular_diseases/ru/
L.J. Donald, A. Robert, C. Mercedes, De.S. Giovanni, T.B. Ferguson, “heart disease and stroke statistics—2009 update: a report from the American Heart Association Statistics Committee and Stroke Statistics Subcommittee,” Circulation, 2009, vol. 119, pp. 21-181.
Bodin O.N., Krivonogov L.Ju. Pomehoustojchivaja obrabotka jelektrokardiosignalov v sistemah neinvazivnoj kardiodiagnostiki [Immune interference of electrocardiograms in non-invasive cardiodiagnostics]. Almaty, LEM Publ., 2016. 216 p.
Makarov L. M., Komolyatova V.N., Pervova E.V., Ryabykina G.V., Soboleva A.V., Tikhonenko V.M., Turov A.N., Shubik Yu.V. National Russian guidelines on application of the methods of Holter monitoring in clinical practice // Russian Journal of Cardiology. 2014. Vol. 106, № 2. P. 6-71.
J. P. Piccini, L.K. Richard, R.K. Peter, M. Suneet, D. Preston, S. Norman, A.R. James, “Long-term electrocardiographic safety monitoring in clinical drug development: A report from the Cardiac Safety Research Consortium,” American Heart Journal, 2017, vol. 187, pp. 156-169.
Li Pengfei High-Performance Personalized Heartbeat Classification Model for Long-Term ECG Signal //IEEE Transactions on Biomedical Engineering. – 2017. – Т. 64. – №. 1. – С. 78-86.
Fedotov A. A., Akulova A. S. A QRS-complex detector of the electrocardiogram signal for the long-term monitoring of the patient’s condition //Journal of Communications Technology and Electronics. – 2017. – Т. 62. – №. 4. – С. 415-420.
Sassi R. PDF–ECG in clinical practice: A model for long–term preservation of digital 12–lead ECG data //Journal of Electrocardiology. – 2017. – Т. 50. – №. 6. – С. 776-780.
Krivonogov L.Yu., Altay E.A., Bodin O.N. Noise-resistance processing electrocardiosignals in a free activity. Vestnikaritmologii [Journal of Arrhythmology], 2016, no. Appendix A, p. 228.
R. M. Rangayyan, Biomedical signal analysis. Wiley & Sons, NY: 2010.
Manikandan M. S., Dandapat S. Wavelet-based electrocardiogram signal compression methods and their performances: a prospective review //Biomedical Signal Processing and Control. – 2014. – Т. 14. – С. 73-107.
W. Ahmed, S. Khalid, “ECG signal processing for recognition of cardiovascular diseases: A survey,” in Proc. INTECH,2016, p.677-682.
Review ECG signal processing methods. [Online]. Available: http://openbooks.ifmo.ru/ru/file/4951/4951.pdf
Fedotov A. A. A Robust Method for Detecting the QRS Complex of the ECG Signal //Biomedical Engineering. – 2016. – Т. 50. – №. 1. – С. 40-43.
Fedotov A. A., Akulova A. S. Adaptive Detector of QRS Complexes of an Electrocardiogram Signal Based on the Hilbert Transform //Measurement Techniques. – 2017. – Т. 60. – №. 2. – С. 196-202
A. A. Fedotov, “Selection of Parameters of Bandpass Filtering of the ECG Signal for Heart Rhythm Monitoring Systems,” Biomedical Engineering, 2016, vol. 50, pp. 114-118.
Lenka B. Time-frequency analysis of non-stationary electrocardiogram signals using Hilbert-Huang Transform //Communications and Signal Processing (ICCSP), 2015 International Conference on. – IEEE, 2015. – С. 1156-1159.
Sharma P., Ray K. C. Efficient methodology for electrocardiogram beat classification //IET Signal Processing. – 2016. – Т. 10. – №. 7. – С. 825-832.
Yaghouby F., Daluwatte C., Scully C. G. Variability analysis for noisy physiological signals: A simulation study //Signal Processing in Medicine and Biology Symposium (SPMB), 2016 IEEE. – IEEE, 2016. – С. 1-5.
Johannesen L. Analysis of T-wave amplitude adaptation to heart rate using RR-binning of long-term ECG recordings //Computing in Cardiology, 2010. – С. 369-372.
V.V. Boronoev, V.D. Ompokov, “The Hilbert-Huang Transform for biomedical signals processing,” International Conference on Computer Technologies in Physical and Engineering Applications (ICCTPEA), June 30-4 July, 2014, Saint-Petersburg, Russian Federation, DOI: 10.1109/ICCTPEA.2014.6893255.
J. R. Hampton, The ECG made easy. Elsevier Science Limited, UK: 2003, p.224.
K. K. Shyu, P.L. Lee, M.H. Lee, C.M.Huang, “Implementation of EMD Algorithm for ECG Noise Reduction,” World Congress on Medical Physics and Biomedical Engineering (WCMPBE), September 7-12, 2009, Munich, Germany, DOI: 10.1007/978-3-642-03882-2-291.
G. Han, B. Lin, Z. Xu, “Electrocardiogram signal denoising based on empirical mode decomposition technique: an overview,” Journal of Instrumentation, 2017, vol. 12, pp. 1-19.
M. Suchetha, N. Kumaravel, “Empirical mode decomposition-based filtering techniques for power line interference reduction in electrocardiogram using various adaptive structures and subtraction methods,” Biomedical Signal Processing and Control, 2013, vol. 8, pp. 575-585.
Ompokov V. D., Boronoyev V. V. The problem of solving the Hilbert-Huang transform application for biomedical signal processing based on CEEMDAN method. Zhurnalradioelektroniki [Journal of Radio Electronics], 2017, no. 5, pp. 1-7. (In Russian).
Stork M., Vancura V. Wavelet and Hilbert-Huang transform used in cardiology //Electronics, Computers and Artificial Intelligence (ECAI), 2014 6th International Conference on. – IEEE, 2014. – С. 61-66.
Matveev Yu, Simonchik K.K., Tropenko A.J., Khitrov M.V. Tsifrovaya obrabotka signalov [Digital signal processing]. SPb., SPbNIU ITMO, 2013. 166 p.
Clifford G. D., Azuaje F., McSharry P. Advanced Methods and Tools for ECG Data Analysis. Norwood, MA, USA: Artech House. – 2006, P.400.
Bodin O. N., Burukina I.P. Specific Features of Electrocardiographic Information Analysis Based on Wavelet Transform // Biomedical Engineering, Vol. 40, No. 2, 2006, pp. 81-83
Klionski D. M. Applications of empirical mode decomposition for processing nonstationary signals //Pattern Recognition and Image Analysis. – 2008. – Т. 18. – №. 3. – С. 390-399.
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Категории
Лицензия
Copyright (c) 2025 Дария Карымсакова, Маржан Спабекова, Жадыра Садвакасова, Кайрат Сакенов
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.
