|
Adaptive Digital Filtering of Biological Signals
Ištok, Martin ; Kozumplík, Jiří (referee) ; Provazník, Ivo (advisor)
The main objective of this bachelor’s thesis was to describe adaptive digital filtering theory including different types of the adaptive algorithm and adaptive filter. An adaptive systém is used for power line interference canceller for ECG signal. The thesis includes design of 4 adaptive filters: simple adaptive filter, simple adaptive notch filter, adaptive notch filter using resonator and adaptive notch filter using adaptive resonator. It also contains basic testing of the filters based on different settings. Different settings are also evaluated.
|
|
Linear and Adaptive Filters for ECG Signals
Kubát, Milan ; Lamoš, Martin (referee) ; Kozumplík, Jiří (advisor)
In this work, I deal with ECG signal interference suppression using linear and adaptive filters. This falls in field of signal preprocessing. The aim is to properly filter the signal, while maintaining its diagnostic value. I designed filters based on spectral lines resetting, Lynn’s filters and two types of adaptive filters. In the next part, results of different filtering ways are compared.
|
| |
|
Exploring Brain Network Connectivity through Hemodynamic Modeling
Havlíček, Martin ; Hluštík, Petr (referee) ; Šmídl,, Václav (referee) ; Jan, Jiří (advisor)
Zobrazení funkční magnetickou rezonancí (fMRI) využívající "blood-oxygen-level-dependent" efekt jako indikátor lokální aktivity je velmi užitečnou technikou k identifikaci oblastí mozku, které jsou aktivní během percepce, kognice, akce, ale také během klidového stavu. V poslední době také roste zájem o studium konektivity mezi těmito oblastmi, zejména v klidovém stavu. Tato práce předkládá nový a originální přístup k problému nepřímého vztahu mezi měřenou hemodynamickou odezvou a její příčinou, tj. neuronálním signálem. Zmíněný nepřímý vztah komplikuje odhad efektivní konektivity (kauzálního ovlivnění) mezi různými oblastmi mozku z dat fMRI. Novost prezentovaného přístupu spočívá v použití (zobecněné nelineární) techniky slepé dekonvoluce, což dovoluje odhad endogenních neuronálních signálů (tj. vstupů systému) z naměřených hemodynamických odezev (tj. výstupů systému). To znamená, že metoda umožňuje "data-driven" hodnocení efektivní konektivity na neuronální úrovni i v případě, že jsou měřeny pouze zašumělé hemodynamické odezvy. Řešení tohoto obtížného dekonvolučního (inverzního) problému je dosaženo za použití techniky nelineárního rekurzivního Bayesovského odhadu, který poskytuje společný odhad neznámých stavů a parametrů modelu. Práce je rozdělena do tří hlavních částí. První část navrhuje metodu k řešení výše uvedeného problému. Metoda využívá odmocninové formy nelineárního kubaturního Kalmanova filtru a kubaturního Rauch-Tung-Striebelova vyhlazovače, ovšem rozšířených pro účely řešení tzv. problému společného odhadu, který je definován jako simultánní odhad stavů a parametrů sekvenčním přístupem. Metoda je navržena především pro spojitě-diskrétní systémy a dosahuje přesného a stabilního řešení diskretizace modelu kombinací nelineárního (kubaturního) filtru s metodou lokální linearizace. Tato inverzní metoda je navíc doplněna adaptivním odhadem statistiky šumu měření a šumů procesu (tj. šumů neznámých stavů a parametrů). První část práce je zaměřena na inverzi modelu pouze jednoho časového průběhu; tj. na odhad neuronální aktivity z fMRI signálu. Druhá část generalizuje navrhovaný přístup a aplikuje jej na více časových průběhů za účelem umožnění odhadu parametrů propojení neuronálního modelu interakce; tj. odhadu efektivní konektivity. Tato metoda představuje inovační stochastické pojetí dynamického kauzálního modelování, což ji činí odlišnou od dříve představených přístupů. Druhá část se rovněž zabývá metodami Bayesovského výběru modelu a navrhuje techniku pro detekci irelevantních parametrů propojení za účelem dosažení zlepšeného odhadu parametrů. Konečně třetí část se věnuje ověření navrhovaného přístupu s využitím jak simulovaných tak empirických fMRI dat, a je významných důkazem o velmi uspokojivých výsledcích navrhovaného přístupu.
|
|
Estimating of motion models and its parameters to identify target trajectory
Benko, Matej ; Eliaš, Michal (referee) ; Žák, Libor (advisor)
Táto práca sa zaoberá odstraňovaním šumu, ktorý vzniká z tzv. multilateračných meraní leteckých cieľov. Na tento účel bude využitá najmä teória Bayesovských odhadov. Odvodí sa aposteriórna hustota skutočnej (presnej) polohy lietadla. Spolu s polohou (alebo aj rýchlosťou) lietadla bude odhadovaná tiež geometria trajektórie lietadla, ktorú lietadlo v aktuálnom čase sleduje a tzv. procesný šum, ktorý charakterizuje ako moc sa skutočná trajektória môže od tejto líšiť. Odhad spomínaného procesného šumu je najdôležitejšou časťou tejto práce. Je odvodený prístup maximálnej vierohodnosti a Bayesovský prístup a ďalšie rôzne vylepšenia a úpravy týchto prístupov. Tie zlepšujú odhad pri napr. zmene manévru cieľa alebo riešia problém počiatočnej nepresnosti odhadu maximálnej vierohodnosti. Na záver je ukázaná možnosť kombinácie prístupov, t.j. odhad spolu aj geometrie aj procesného šumu.
|
|
Adaptive Filtering of Biological Signals
Šmíd, Karel ; Kozumplík, Jiří (referee) ; Provazník, Ivo (advisor)
Objective of this diploma work was to study methods of adaptive filtering and their use in suppression of noise in biological signals. Adaptive filtering represents effective means of suppression of parasitic nonstationary disturbances in a useful signal. The task was to design various types of adaptive filters and implement an adaptation algorithm in Matlab programming environment. It namely included suppression of powerline noise at 50 Hz and 100 Hz in ECG signals with minimization useful components disturbing. The realized filters were verified on real ECH signals and their efficiency was evaluated.
|
|
Filtering of the ECG Signals
Slezák, Roman ; Kolář, Radim (referee) ; Kozumplík, Jiří (advisor)
Main objective of this thesis was to learn about possibility of suppression of narrow band disturbances. We focused on use of Lynn’s filters. The objective was to realize these filters with respect to a fast algorithm of filtering. Concretely, for suppression of drift we realized the fast high pass filter with flexible cut off frequency. Then we realized filter for suppression of electrical network disturbance. We have realized these filters for sampling frequencies 250 and 500 Hz and we tested them with real ECG signals. Then we have evaluated their efficiency.
|
|
Narrow Band Filtering of ECG Signals
Ryšánek, Jan ; Provazník, Ivo (referee) ; Kozumplík, Jiří (advisor)
This work deals with ECG signal preprocessing. Purpose of the preprocessing is adjustment of signal which is favorable for its subsequent analysis. The objective of this work is to filter the ECG signal by suitable methods of linear and adaptive filtering leading to the suppression of unwanted interference. The next step is to compare different degrees of success filtering thanks to results which were reached by the indivudual methods. Criterions of success filtering are based on the basic requirements for digital filters. Design of filters is realized in matlab programme. To realization is used FIR and IIR type of filters and adaptive type of filters
|
|
Suppression of power-line interference in ECG signals
Gregorová, Kateřina ; Vítek, Martin (referee) ; Kozumplík, Jiří (advisor)
This work includes an overview of the different methods of filtering of ECG signals that suppress the network interference. It focuses on the parameters that affect the quality of filtration for the three main groups of filters: FIR, IIR and adaptive filters. The main objective is to evaluate proposed methods in terms of the quality of filtration. This quality is rated an average output SNR, standard deviation and time filtering. The criteria of success is based on the filtration of the basic requirements on digital filters. Design of filter is realized in the Matlab programming environment.
|
|
Artefacts Removal from Brain EEG Signals Using Adaptive Algorithms
Hatala, Juraj ; Jawed, Soyiba (referee) ; Shakil, Sadia (advisor)
Tato práce se zabývá problémem artefaktů ve záznamech elektroencefalografie (EEG) a metodami jejich odstranění s důrazem na adaptivní filtrace. Artefakty jsou neodmys- litelnou součástí metody EEG a negativně ovlivňují analýzu výsledků tím, že překrývají zájmové mozkové signály. Adaptivní filtrace je všestrannou metodou, kterou lze použít pro odstranění těchto artefaktů, pokud je k dispozici referenční signál korelovaný s arte- faktem. Hlavním cílem této práce je návrh a implementace frameworku, který umožní aplikaci metod adaptivní filtrace na EEG data. Druhotným cílem je posouzení účinnosti nového algoritmu Q-LMS při odstraňování artefaktů z EEG, protože dosud nebyl v tomto scénáři použit. Práce představuje knihovnu v prostředí Python pro adaptivní filtrace EEG a ukazuje a hodnotí experimenty pro scénáře odstraňování artefaktů s použitím Q-LMS fil- tru implementovaného v navržené knihovně. V této knihovně je uživatel schopen vytvářet přizpůsobitelné filtrační pipeliny. Knihovna nabízí různé adaptivní filtry a metody vytváření referenčního signálu s důrazem na zpracování neurologických dat ve formátu BIDS. Uži- vatel však může sdílet vlastní filtry s frameworkem a také používat vlastní vstupní data a referenční signály. Experimenty s Q-LMS algoritmem ukázaly, že se jedná o dobře fun- gující adaptivní algoritmus, avšak výsledky filtrace byly průměrný ve srovnání s výsledky dosaženými jinými standardními adaptivními algoritmy
|