Filtro adaptativo descendente basado en la optimización evolutiva para la confiscación de ruido en señales de...

Área de la Ciencia:

• Ingeniería biomédica
• Procesamiento de señales
• Inteligencia computacional

Sus antecedentes:

• Las señales del electrocardiograma (ECG) son cruciales para el diagnóstico cardíaco, pero a menudo sufren de ruido y artefactos durante la grabación.
• La degradación de la señal compromete la precisión de la evaluación de la condición cardíaca, lo que requiere técnicas efectivas de cancelación de ruido.

Objetivo del estudio:

• Proponer y evaluar canceladores de ruido adaptativos optimizados basados en inteligencia de enjambre (ANC) para la desnudez de señales de ECG.
• Para comparar el rendimiento de los ANC optimizados por el algoritmo de optimización de gaviota (SOA), NLSHADE y HGSA para la cancelación de artefactos.

Principales métodos:

• Desarrollo de ANC optimizados utilizando SOA, NLSHADE y HGSA para la desnaturalización de la señal ECG.
• Validación utilizando conjuntos de datos públicos de ECG (ADB, QTDB) corrompidos con ruido gaussiano blanco aditivo en varias SNR.
• Evaluación del rendimiento utilizando métricas como el porcentaje de desviación cuadrada de la raíz media (PRD), el error cuadrado medio (MSE) y la mejora de la relación señal-ruido (SNR).

Principales resultados:

• El ANC propuesto asistido por SOA logró un rendimiento superior con un PRD de 3.40E-03 y un MSE de 1.35E-11.
• Se registró una mejora media de SNR de 10,986 dB, superando los algoritmos de referencia.
• La validación estadística con la prueba de Wilcoxon de rango firmado confirmó la eficacia del ANC asistido por SOA.

Conclusiones:

• La optimización de inteligencia de enjambre, particularmente SOA, ofrece un enfoque sólido para mejorar la calidad de la señal ECG.
• Los ANC propuestos eliminan efectivamente los artefactos, mejorando la precisión del diagnóstico de las afecciones cardíacas.
• Esta técnica presenta un avance significativo en el procesamiento de señales biomédicas para aplicaciones clínicas.