Impulsive noise modeling in biomedical signal processing

Literatura cyfrowego przetwarzania sygnałów jest zdominowana przez założenie o gaussowskim charakterze zakłóceń. Jednak w rzeczywistych warunkach zakłócenia charakteryzują się rozkładami innymi niż gaussowskie. Często zakłócenia mają charakter impulsowy. Z uwagi na dużą liczbę sygnałów elektrofizjologicznych, do badań został wybrany sygnał EKG. Podczas przeprowadzania prób wysiłkowych zakłócenia mięśniowe wykazują charakter impulsowy. Celem pracy jest przedstawienie różnych modeli zakłóceń impulsowych stosowanych do zakłócania sygnałów biomedycznych. W pracy zostaną przedstawione następujące modele zakłóceń: Gaussa-Bernoulliego, Gaussa-Laplace'a, Gaussa-Cauchy'ego oraz model wykorzystujący symetryczne rozkłady alfa-stabilne. Symulowane zakłócenia są dodawane do sygnału o zadanej wartości SNR. Następnie wykorzystując filtrację liniową oraz nieliniową zostaną zmierzone zniekształcenia resztowe w sygnale po filtracji.A literature of digital signal processing is dominated by the assumption of Gaussian distribution of disturbances. But in a real world of signals such statement is too optimistic. Some noises distributions differ from the idealistic Gaussian model. Noises are often impulsive in their nature. There exists many different electrophysiological signals, but for the purpose of this work the electrocardiogram (ECG signal) was chosen. This signal is almost always disturbed by a noise. A noise that appears in ECG signals during the stress test (mainly a muscle noise) has an impulsive nature. The main aim of this work is to present different models of an impulsive noise. In this paper the following models of impulsive disturbances are introduced: a Gaussian-Bernoulli, a Gaussian-Laplace, a Gaussian-Cauchy and a symmetric alpha-stable model. Simulated noise is added to signal with known values of SNR. Then the linear and nonlinear filtering methods are applied and the rest distortions in a filtered signal are measured