Кратномасштабная обработка кардиосигналов

Дворников С. В., Якушенко С. А., Лифанова О. Н.

Читать статью полностью

  Кратномасштабная обработка кардиосигналов(1,12 MB)

Аннотация

В статье представлены результаты исследования, связанные с поиском инструмента анализа кардиосигналов. Рассмотрены классические способы цифровой обработки сигналов на основе построения спектрограмм, указаны их основные ограничения в использовании при анализе кардиосигналов. Обоснован переход к методам кратномасштабного анализа, основанного на декомпозиции исследуемых процессов в базисе вейвлет-функций. Демонстрируются результаты обработки тестовых кардиосигналов на основе различных способов частотно-временного анализа, в том числе в базисах вейвлета Хаара. Сформулированы предложения по практическому применению дискретного вейвлет-преобразования при обработке кардиосигналов.

Ключевые слова:

обработка кардиосигналов – cardiac signal processing; дискретное вейвлетпреобразование – discrete wavelet transform; методы кратномасштабного анализа – multiple-scale analysis methods; цифровая обработка сигналов – digital signal processing.

Список литературы

1. Development of an algorithm for preprocessing ultra high resolution electrocardiosignals / K.V. Zaichenko, A.S. Afanasenko, A.A. Kordyukova [et al.] // St. Petersburg State Polytechnical University Journal. Physics and Mathematics. – 2023. – Vol. 16, No. 3.2. – P. 307–311.

2. Methods derived from nonlinear dynamics for analyzing heart rate variability / A. Voss, S. Schulz, R. Schroeder [et al.] // Philosophical Transactions of the Royal Society. Series A: Mathematical, Physical and Engineering Sciences. – 2009. – Vol. 367. – P. 277–296.

3. Исследование пиков кардиосигналов различной природы / Ю.К. Грузевич, В.М. Ачильдиев, Ю.Н. Евсеева, Н.А. Бедро // Биомедицинская радиоэлектроника. – 2021. – Т. 24, № 6. – С. 5-16.

4. Использование сверточной нейронной сети при анализе электрокардиограмм / О.В. Непомнящий, А.Г. Хантимиров, М.М.И. Альсагир, С. Шабир // Нейрокомпьютеры: разработка, применение. – 2023. – Т. 25, № 2. – С. 58–65.

5. Сикарев, И. А. Цифровизация и идентификация ЭКГ-сигналов с применением вейвлет-технологий / И.А. Сикарев, В.Ю. Иванюк, В.В. Сахаров // Проблемы информационной безопасности. Компьютерные системы. – 2022. – № 2. – С. 82–97.

6. Подготовка и применение данных электросейсмо кардиографии для диагностики состояния сердечно-сосудистой системы человека / Н.С. Коннова, М.А. Басараб, Д.А. Басараб [и др.] // Нейрокомпьютеры: разработка, применение. – 2019. – № 1. – С. 52–67.

7. Анализ и обработка электрокардиосигналов / Е.А. Алтай, Д. Шаяхметкызы, Е.С. Кунесбеков, М.С. Алмухаметова // Международный научно-исследовательский журнал. – 2016. – № 12-5 (54). – С. 47–54.

8. Паровик, Р. И. Метод гармонического баланса для исследования вынужденных колебаний Дуффинга / Р.И. Паровик // Matematika Instituti Byulleteni. – 2019. – № 3. – С. 31–36.

9. Дворников, С. В. Теоретические основы частотно-временного анализа кратковременных сигналов: монография / С.В. Дворников, А.М. Кудрявцев. – Санкт-Петербург: ВАС, 2010. – 240 с.

10. Семенов, В. И. Сравнение алгоритма кратномасштабного анализа изображений в частотной области с алгоритмом Малла / В.И. Семенов // Вестник Томского государственного университета. Управление, вычислительная техника и информатика. – 2022. – № 59. – С. 73–82.

11. Дворников, С. В. Билинейные распределения с пониженным уровнем интерференционного фона в частотно-временном пространстве (продолжение обзора) / С.В. Дворников // Труды учебных заведений связи. – 2018. – Т. 4, № 2. – С. 69–81.

12. Андрианов, П. А. Дискретный периодический кратномасштабный анализ / П.А. Андрианов // Записки научных семинаров Санкт-Петербургского отделения математического института им. В.А. Стеклова РАН. – 2021. – Т. 499. – С. 7–21.

13. Плещева, Е. А. Интерполяционно-ортогональные базисы КМА и всплесков / Е.А. Плещева // Труды института математики и механики УрО РАН. – 2020. – Т. 26, № 4. – С. 224–233

14. Способ сжатия графических файлов методамивейвлет-преобразований / А.А. Умбиталиев, С.В. Дворников,И.Н. Оков, А.А. Устинов // Вопросы радиоэлектроники.Серия: Техника телевидения. – 2015. – № 3. – С. 100–106.

15. Дворников, С. В. Алгоритм распознавания сигналоврадиосвязи на основе симметрических матриц / С.В. Дворников, С.С. Дворников, М.А. Коноплев // Информационныетехнологии. – 2010. – № 9. – С. 75–77.

16. Фарков, Ю. А. Система Крестенсона-Леви и ступенчатые масштабирующие функции / Ю.А. Фарков // ВестникЕвразийского национального университета имени Л.Н. Гумилева. Серия: Математика. Компьютерныенауки. Механика. –2020. – № 1 (130). – С. 59–72.

17. Lamarque, C.-H. An upper bound for validity limitsof asymptotic analytical approaches based on normalform theory / C.-H. Lamarque, C. Touze, O. Thomas //Nonlinear Dynamics. – 2012. – Vol. 70. – P. 1931–1949.

18. Сай, С. В. Вычислительные методы повышениябыстродействия дискретного вейвлет-преобразования набазе FPGA / С.В. Сай, А.В. Зинкевич // Научно-технический вестник информационных технологий, механикии оптики. – 2023. – Т. 23, № 1. – С. 79–87.

19. Патент № 2261476 C1. Способ распознавания радиосигналов: № 2004102168/09: заявл. 26.01.2004: опубл.27.09.2005 / В.А. Аладинский, С.В. Дворников, А.М. Сауков,А.Н. Симонов; заявитель Военный университет связи.

20. Дворников, С. В. Параметрическая мимикрия сигналов,модулированных колебаниями и сформированных в различныхфункциональных базисах / С.В. Дворников, С.С. Манаенко, С.С. Дворников // Информационные технологии. – 2015. –Т. 21, № 4. – С. 259–263.

21. Велигоша, А. В. Применение искусственных нейронныхсетей для снижения избыточности дискретного вейвлетпреобразования изображений / А.В. Велигоша, Н.Н. Малышко, Р.И. Струков // Теория и техника радиосвязи. – 2020. –№ 2. – С. 5–12.

22. Малла, С. Вэйвлеты в обработке сигналов / С. Малла;пер. с англ. – Москва: Мир, 2005. – 671 с.

23. Millette, V. Signal processing of heart signals forthe quantification of nondeterministic events / V. Millette,N. Baddour // BioMedical Engineering OnLine. – 2011. –Vol. 10. – P. 10.

24. Дворников, С. В. Моделирование радиотехническихсистем в конфликтных ситуациях когнитивного характера / С.В. Дворников, А.Ф. Крячко, А.В. Пшеничников // Волновая электроника и инфокоммуникационные системы:сборник статей XXII Международной научной конференции. – 2019. – С. 84–89.

25. Регистратор спектра акустического поля головного мозга человека / Г.А. Шабанов, А.А. Рыбченко,Ю.А. Лебедев, Е. А. Луговая // Биомедицинская радиоэлектроника. – 2021. – Т. 24, № 3. – С. 28–36.26. Бадалян, Б. Ф. Вейвлет-анализ кардиосигналов всреде Matlab / Б.Ф. Бадалян, О.А. Гомцян, С.Г. Гомцян // Известия высших учебных заведений России. Радиоэлектроника. – 2017. – № 6. – С. 5–9.

27. Дворников, С. В. Программный симулятор ионосферного радиоканала декаметрового диапозона / С.В. Дворников, Г. Р. Овчинников, А. А. Балыков // Информация и Космос. – 2019. – № 3. – С. 6–12.

28. Опалихина, О. В. Цифровая фильтрация информационного сигнала / О.В. Опалихина // Вестник СанктПетербургского государственного университета технологии и дизайна. Серия 1: Естественные и технические науки. –2018. – № 4. – С. 8–12.

29. Калмыков, И. А. Математическая модель модифицированного целочисленного вейвлет-преобразованияХаара в конечных полях / И.А. Калмыков, Н.К. Чистоусов, Д.В. Духовный // Современные наукоемкие технологии. – 2023. – № 4. – С. 49–53.

30. Формирование векторов признаков сигналов извейвлет-коэффициентов их фреймовых преобразований /С.В. Дворников, Д.В. Степынин, А.С. Дворников, А.П. Букарева // Информационные технологии. – 2013. – № 5. –С. 46–49.