NONLINEAR FILTERS TO RECONSTRUCT ELECTROCARDIOGRAM SIGNALS

Abstract

ECG signals have been used in cardiac pathology to detect disease heart. The main objective of this paper is to propose signal filtering techniques to reduce noise, extract information, to reconstruct the states and properties Morphological heartbeat. In addition, aims to represent the cardiac activity in a simple, informative, accurate, and easy to interpret for cardiologists. To achieve these objectives are proposed to implement the following algo- rithms: generic particle filter (GPF), resampling particle filter (RPF), un- scented Kalman filter (UKF) and the unscented particle filter (UFP) con- sidering the basic structure of synthetic dynamic model McSharry et al. (2003) [16]. The results show that filter performs very well in the recon- struction of the states heart rate system, while introducing small variations in the variances of the noises of the equation observation, ie, the methods have the ability to reproduce the original signal the synthetic model simu- lated and the synthetic model with real data accurately. Finally evaluates the performance of the filters in terms of the empirical standard deviation, showing little variability among the estimated errors and fast execution of algorithms.

Las señales de los electrocardiogramas han sido usadas en patologías cardíacas para detectar enfermedades del corazón. El objetivo principal de este trabajo es proponer técnicas de filtraje de señales para reducir el ruido, extraer información, reconstruir los estados, y propiedades morfológicas de los latidos del corazón. Adicionalmente se pretende representar la actividad cardíaca en forma simple, informativa, precisa, y de fácil interpretación para los Cardiólogos. Para lograr estos objetivos se proponen implementar los siguientes algoritmos: filtro de partículas genérico (FPG), filtro de partículas con remuestreo (FPR), filtro de Kalman sin esencia (FKSE), y el filtro de partículas sin esencia (FPSE), considerando la es- tructura básica del modelo dinámico sintético de McSharry et al. (2003). Los resultados demuestran que los filtros se desempeñan muy bien en la reconstrucción de los estados del sistema del ritmo cardíaco, aun introduciendo pequeñas variaciones en las varianzas de los ruidos de la ecuación de observación; es decir, los métodos tiene la capacidad de reproducir la señal original del modelo sintético simulado y del modelo sintético con datos reales en forma precisa. Finalmente se evalúa el desempeño de los filtros en términos de la desviación estándar empírica, observándose poca variabilidad entre los errores estimados y una rápida ejecución de los algoritmos.