دانلود پروژه حذف نویزECG از سیگنال EMG به روش تطبیقی
[box type=”note” align=”aligncenter” class=”” width=””]نوع فایل :ورد (ِdoc) | حجم:1.4 مگابایت (rar) | تعداد صفحات : 107| قیمت : 21۰۰۰تومان[/box]
چکیده:سیگنال EMG درفیزیولوژی ودرمان اختلالات حرکتی بسیار باارزش است. سیگنال EMG ، بطور مستقیم نشان دهنده مشخصه های شروع و بکار گیری واحدهای حرکتی ردگیری شده درون ماهیچه مورد بررسی است. آشکارسازی سیگنال EMG یک فرآیند پیچیده ودشواراست. ازطرف دیگر سیگنال EMG گرفته شده از یک فرد دارای نویزهای متنوعی می باشد که منجر به کاهش استخراج اطلاعات مفید از سیگنال EMG می شود. نویز ها می توانند در موارد مختلف تجزیه وتحلیل سیگنال EMG را دچار مشکل کنند. منابع مختلفی هستند که باعث ایجاد نویز درسیگنال EMG می گردند و برای آشکارسازی سیگنال EMG باید آنها را حذف نمود این نویزها عبارتند از: آرتیفکت های حرکتی و نویز خط مبنا، نویز حاصل ازبرق شهر و سیگنال . ECG جداسازي سیگنالهای ECG و EMG بسیار دشوار است زیرا این دو سیگنال ذاتا در حوزه زمان و فرکانس همپوشانی دارند از طرفي فيلترهاي تطبيقي در حذف نويز بسيار كابرد دارند و مي توانند سيگنال هايي را كه در محيط پر نويز قراردارند بدون نياز به داشتن دانش قبلي، بطور مطلوب تخمين بزند. فيلتر تطبيقي پارامترهاي خود را بر اساس مشخصه هاي آماري ورودي تنظيم مي كند تا زماني كه انطباق كامل صورت بگيرد، ضرايب سيگنال و نويز را دنبال مي كند. یکی ازمزیتهای آن این است که، همانطورکه EMG وECG در طول نمونه برداری از فرد تغییر شکل می دهد وغیر ایستان است، فیلتر تطبیقی نیز می تواند بطورموثری آرتیفکت های ECG را حذف کند بنابراین فیلتر تطبیقی تمام تغییراتی که در طول آزمایش صورت می گیرد را می تواند دنبال کند و آنرادر محاسبات مربوط به حذف نویز در نظر بگیرد. یکی دیگر از مزیتهایی این روش این است که بخشهای مختلف سیگنال EMG مخلوط با نویز را که با QRS همبسته هستند را می تواند بطور موثری از بین ببرد.در این پروژه عملکرد فیلترهای تطبیقی LMS ،NLMS و RLS در حذف آرتیفکت های ECG ازسیگنال EMG مورد بررسی و مقایسه قرار می گیرد. همچنین تاثیر پارامترهای مختلف هر الگوریتم مورد مطالعه قرارگرفته و باتوجه به معیارهای نسبت سیگنال به نویز وتابع همبستگی مقادیر بهینه این پارامترها تعیین می گردد. نتایج شبیه سازی بروی سیگنالهای EMG شبیه سازی شده و واقعی نشان می دهد که می توان از فیلترهای تطبیقی به عنوان یک ابزار کارآمد برای حذف نویز ECG از سیگنال EMG استفاده کرد.در ادامه تعریف و سایر توضیحات مربوط به دانلود پروژه حذف نویزECG از سیگنال EMG به روش تطبیقی ارائه شده است.در این پروژه عملکرد فیلترهای تطبیقی LMS ،NLMS و RLS در حذف آرتیفکت های ECG ازسیگنال EMG مورد بررسی و مقایسه قرار می گیرد. همچنین تاثیر پارامترهای مختلف هر الگوریتم مورد مطالعه قرارگرفته و باتوجه به معیارهای نسبت سیگنال به نویز وتابع همبستگی مقادیر بهینه این پارامترها تعیین می گردد.
واژه های کلیدی
الکترومایوگرام [1]، الکتروکاردیاگرام[2]، فیلتر تطبیقی[3]، حذف نویز، الگوريتم LMS، الگوريتم NLMS ، الگوريتم RLS
1.1مقدمه:
فرانچسکو ردی[1] اولین کسی بود که درسال1966درباره EMG تحقیق کرد وي کشف کرد که تعدادزیادی از ماهیچه های مارماهی می تواند الکتریسیته تولید کند. در1773 والش[2] ثابت کردکه بافتهای ماهیچه مارماهی توانسته است که الکتریسیته را تولیدکند. در1792 لوئجی گالوانی[3] ثابت کرد که الکتریسیته می تواند باعث انقباض ماهیچه ها شود. شش دهه بعد ازاین در1849دوبیوس رایموند[4] کشف کرده بود که این امکان پذیر خواهد بود که فعالیت الکتریکی، ناشی از انقباض ماهیچه ها راثبت کرد.در1980ماري[5] توانست براي اولين بار اين سيگنال را بطور تجربي ثبت كند وي توانست مفهوم الکترومایوگرام را تعریف کند. در1922، گاسر[6] و ارلانجر[7] ازاسیلوسکوپ برای نشان دادن اين سیگنال (سیگنال الکتریکی حاصل ازماهیچه)، استفاده کردند.اما بدلیل طبیعت تصادفی بودن سیگنال EMG، اطلاعات نادقیقی را می توانستند ازاین سیگنال بدست آورند. اماازسال1930درزمینه آشکارسازی الکترومایوگرام کوششهای فراوانی صورت گرفت ودرسال 1940محققان توانستند بااستفاده ازالکترودهای پیشرفته تر از تکنیک ثبت عملکرد ماهیچه ها بخوبی بهره بگیرند]1.[امروزه از EMG در مطالعه برخی از اختلالات رفتاری- حرکتی برای تشخیص مشکلات عصبی وعضلانی بهره می گیرند. این سیگنال در انواع تحقیقات در زمینه های بیومکانیک، فیزیولوژی عصبی -عضلانی،حرکت شناسی، وفیزیوتراپی مورد استفاده قرار می گیرد.
2.1-تعریف الكترومايوگرام[8]
اگر سیستم حرکتی انسان را یک سیستم کنترل متداول در نظر بگیریم که دارای کنترل کننده، عملگر و مسیرهای فیدبک می باشد آنگاه نقش اساسی ماهیچه را می توان بعنوان عملگر در نظر گرفت. اگر چه ماهیچه با توجه به ساختار پیچیده آن بخشی از وظایف کنترل کننده و مسیرهای فیدبک را نیز برعهده دارد. وظیفه اصلی ماهیچه تبدیل انرژی شیمیایی به انرژی مکانیکی و تولید نیرو است. اگر چه راندمان این تبدیل انرژی تنها حدود 20 درصد است ولی قدرت، دقت و کارائی توام ماهیچه در این تبدیل انرژی بسیار شگفت انگیز است. نیروی مکانیکی ماهیچه تنها در جهت انقباض بوده و بازگشت عضله به طول عادی آن بهصورت غیرفعال انجام می شود. در بدن انسان هزاران ماهیچه وجود دارد که آنها را می توان به سه دسته تقسیم نمود. 1-مخطط اسکلتی 2- صاف 3- قلبی. از آنجا که ماهیچه های صاف و قلبی، اغلب برای حرکات غیرارادی و داخلی بکار گرفته میشوند و در سیستم کنترل حرکتی انسان نقش عمده ای ایفا نمی کنند. در بدن انسان بیش از 500 ماهیچه اسکلتی وجود دارد که حدود 40 درصد وزن بدن را شامل می شوند و از نظر اندازه، شکل و سرعت بسیار با یکدیگر متفاوت می باشند]35[.درادامه بحث تنها عضلات اسکلتی مورد بررسی قرار می گیرد.الكترومايوگرافي[9] تکنیکی برای ارزیابی و ضبط خصوصیات فیزیولوژیک عضلات در هنگام استراحت و همچنین در حال انقباض است. EMG با استفاده از ابزاري به نام الکترومایوگراف به ضبط تصویری به نام الکترومایوگرام می پردازد. یک الکترومایوگراف پتانسیل های الکتریکی تولید شده توسط سلول های عضلانی در حال انقباض و نیز استراحت را مشخص می کند.
الکترومایوگرافی روشي تجربی در زمينه ثبت و آنالیز سیگنالهای الکتریکی عضله است. سیگنالهای الکتریکی عضله بوسیله دگرگونی های فیزیولوژیکی در غشاء فیبرعضلانی شکل می گیرند. الکترومایوگرافی مطالعه عملکرد عضله از طریق تحقیق سیگنال الکتریکی است که از عضلات سرچشمه مي گيرند. EMG شامل ردیابی، تقویت، ثبت، آنالیز و تفسیر سیگنال های ایجاد شده توسط عضله اسکلتی، هنگام فعالیت آن برای تولید نیرو است]1و35[.پنج مشخصه عضلات اسکلتی خواص الکتریکی (قابلیت تحریک و رسانایی) و خواص مکانیکی(قابلیت انقباض، قابلیت انبساط و کشسان بودن) هستند. سه تا از مهمترین مشخصه های عضله عبارتند از تحریک پذیری، رسانایی و قابلیت انقباض. بنابراین در نتیجه فعال سازی نورونی هم پاسخ مکانیکی و هم پاسخ الکتریکی وجود دارد. دو مورد از مهمترین مکانیزم های موثر در بزرگی و چگالی سیگنال رویت شده، بکار گیری واحدهای حرکتی و فرکانس شروع آنهاست]35[.به عبارت ساده تر می توان گفت که سیگنال EMG، بطور مستقیم بازتابنده مشخصه های شروع و بکار گیری واحدهای حرکتی، درون ماهیچه مورد اندازه گیری می باشد]3[. در ادامه به چگونگی تولید این سیگنال اشاره خواهیم کرد.
فهرست مطالب دانلود پروژه حذف نویزECG از سیگنال EMG به روش تطبیقی
فصل اول
چکیده ح
فهرست مطالب د
فهرست جداول ش
فهرست اشکال ص
فصل اول سيگنال EMG ظ
1.1 مقدمه 1
2.1 تعريف الكترومايوگرام 2
1.3.1 واحد حركتي 4
2.3.1 رشته عضلاني واحد 4
3.3.1 نحوه توليد نيرو در عضله و نقش واحدهاي حركتي در آن 6
1.3.3.1 اصل اندازه 6
4.3.1 ساختار سلول ماهيچه اي 8
5.3.1 انقباض عضلاني 9
6.3.1 تحريك پذيري غشا عضله 10
7.3.1 توليد سيگنال EMG 10
4.1 ويژگي هاي EMG 13
1.4.1 خصوصيات الكتريكي 14
2.4.1 فاكتورهاي موثربر سيگنال EMG 14
1.2.4.1 مشخصه هاي بافت 14
2.2.4.1 تداخلات فيزيولوژيكي 14
3.2.4.1 تغييرات در هندسه بطن عضله ومحدوده الكترودها 15
4.2.4.1نويز خارجي 15
5.2.4.1 الكترودها و تقويت كننده ها 15
5.1 بلوك دياگرام ثبت EMG 16
1.5.1 الكترودها 16
1.1.5.1 الكترود سوزني 16
2.1.5.1 الكترود سطحي 17
2.5.1 پيش تقويت كننده، تقويت كننده، فيلترها 18
1.2.5.1 پيش تقويت كننده 18
2.2.5.1 تقويت كننده 18
3.5.1 مبدل آنالوگ به ديجيتال 19
6.1 نحوه ثبت 19
فصل دوم حذف نويز از سيگنال EMG 21
1.2 مقدمه 22
2.2 انواع نويزهاي موجود در EMG 22
1.2.2 نويز برق شهر 22
2.2.2 آرتيفكتهاي حركتي و نويز خط مبنا 23
3.2.2 سيگنال ECG 24
3.2 ضرورت حذف نويز از سيگنالEMG 25
4.2 روشهاي حذف نويز 26
1.4.2 فيلتر پايين گذر تفاضلي 26
2.4.2 فيلتر پايين گذر تفاضلي وزني 28
3.4.2 فيلتر ناچ 28
4.4.2 درون يابي طيفي 29
5.4.2 فيلتر غير خطي 29
6.4.2 فيلتر بالاگذر 33
5.2 روشهاي حذف نويز ECG 34
6.2 فيلتر تطبيقي 35
فصل سوم فيلتر تطبيقي
1.3 فيلتر تطبيقي چيست؟ 38
2.3 فرم كلي فيلتر كردن تطبيقي 39
3.3 ويژگي يك فيلتر تطبيقي 40
1.3.3 ساختار فيلتر 40
1.1.3.3 فيلتر تطبيقي FIR 41
2.1.3.3 فيلتر تطبيقي IIR 41
2.3.3 كاربردهاي فيلتر تطبيقي 45
3.3.3مدل سازي 46
4.3 حذف نويز تطبيقي 46
5.3 الگوريتم 47
1.1.5.3 سرعت همگرايي 48
2.1.5.3 Missadjustment 48
3.1.5.3 پيگردي 48
4.1.5.3 قوت 48
5.1.5.3 نيازهاي محاسباتي الگوريتم 48
6.1.5.3 ساختار 48
7.1.5.3 توانايي هاي عددي 49
2.5.3 فيلتر وينر 50
3.5.3 روش شيبدار نزولي 53
4.5.3 الگوريتم كوچكترين ميانگين مربعات LMS 54
1.4.5.3 همگرايي ورفتار حالت دائمي الگوريتم LMS 58
5.5.3 الگوريتم LMSنرمال شده (NLMS) 59
6.5.3 الگوريتم كوچكترين مربعات بازگشتي RLS 62
فصل چهارم حذف نويزECG بروش تطبيقي تطبيقي
1.4 مقدمه 69
2.4 روش شبيه سازي سيگنال ECG در MATLAB 71
3.4 معيارهاي سنجش عملكرد فيلتر 73
1.3.4 نسبت سيگنال به نويز 73
2.3.4 تابع همبستگي 75
4.4 نتايج شبيه سازي با سيگنال تصادفي 76
1.4.4 نتايج شبيه سازي بروي الگوريتم LMS 78
1.1.4.4 مرتبه فيلتر در الگوريتم LMS 78
2.1.4.4 گام فيلتر در الگوريتم LMS 80
2.4.4 نتايج شبيه سازي بروي الگوريتم NLMS 82
1.2.4.4 مرتبه فيلتر در الگوريتم NLMS 82
2.2.4.4 گام فيلتر در الگوريتم NLMS 84
3.2.4.4 كميت ثابت در NLMS 86
3.4.4 نتايج شبيه سازي بروي الگوريتمRLS 88
1.3.4.4مرتبه فيلتر در الگوريتم RLS 88
2.3.4.4 ضريب فراموشي در الگوريتم RLS 89
3.3.4.4 ضريب تنظيم در الگوريتمRLS 91
4.4.4 مقايسه الگوريتم ها 92
5.4 پياده سازي فيلتر تطبيقي بر سيگنال EMG واقعي 94
1.5.4 سيگنال EMG در حين استراحت 94
2.5.4 سيگنال EMG در حين حركت گردن 97
6.4 نتيجه گيري 99
7.4 پيشنهادات 99
فهرست منابع و مآخذ 101
ضمیمه تکمیلی 104
[box type=”info” align=”aligncenter” class=”” width=””]
نوع فایل : ورد(doc)
تعداد صفحات :107
مقطع: کارشناسی
سال تحصیلی:۱۳۹0
قیمت : 21۰۰۰تومان[/box]