Comparative Analysis of Various Types of Filters for the Processing of Biological Signals in the Low Frequency Range

• Autorzy: Żołubak M. , Kolańska-Płuska J. , Bauer W. , Grochowicz B. , Ozana S. , Kawala-Janik A.

Identyfikatory

DOI

10.15199/13.2018.11.5

Warianty tytułu

PL

Analiza porównawcza różnych typów filtrów do przetwarzania sygnałów biologicznych w zakresie niskich częstotliwości

• Języki publikacji: EN

Abstrakty

EN

The aim of this work is to present various types of filters, their capabilities and effectiveness for filtering of low voltage signals. A comparative analysis of examples was made for EEG signals using several filters, and then fitted with the best filter parameters for filtering electroencephalographic signals recorded with sampling frequency of 500 Hz.

PL

Celem niniejszej pracy jest przedstawienie różnych typów filtrów, ich możliwości i skuteczności w filtrowaniu sygnałów niskonapięciowych. Przeprowadzono analizę porównawczą przykładowych sygnałów EEG przy użyciu kilku filtrów, a następnie dobrano najlepsze parametry filtrów do filtrowania sygnałów elektroencefalograficznych rejestrowanych z częstotliwością próbkowania 500 Hz.

Słowa kluczowe

EN

biosignals filters; low frequency; EEG

PL

sygnały biologiczne; niskie częstotliwości; EEG

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Elektronika : konstrukcje, technologie, zastosowania
• Rocznik: 2018
• Tom: Vol. 59, nr 11
• Strony: 22--25
• Opis fizyczny: Bibliogr. 18 poz., rys.

Twórcy

autor

Żołubak M.

• Opole University of Technology, Opole Poland

autor

Kolańska-Płuska J.

• Opole University of Technology, Opole Poland

autor

Bauer W.

• AGH University of Science and Technology, Cracow Poland

autor

Grochowicz B.

• Opole University of Technology, Opole Poland

autor

Ozana S.

• VSB Technicka Univerzita Ostrava, Ostrava Czechia

autor

Kawala-Janik A.

• Opole University of Technology, Opole Poland

Bibliografia

• [1] Blackburn D., Z. Yifan, S. Bell, M. De Marco, F. He, I. Wilkinson, T. Farrow, A. Venneri, P. Sarrigiannis. 2016. “QEEG can distinguish patients with add and volountrees". Neurol Neurosurg Psychiatry 87 (12).
• [2] Chabot R. J., H. Merkin, L. M. Wood, T. L. Davenport, G. Serfontein. 1996. “Sensitivity and specificity of QEEG in children with attention deficit or specific developmental learning disorders". Clinical Electroencephalography 27(1): 26-34.
• [3] Cochin S., C. Barthelemy, B. Lejeune, S. Roux, J. Martineau. 1998. “Perception of motion and qEEG activity in human adults". Electroencephalography and clinical neurophysiology 107(4): 287-295.
• [4] Diniz P. S.,R. Eduardo A.B. da Silva, S. L. Netto, “Digital Signal Processing System Analysis and Design". 2nd edition Cambridge 2010.
• [5] Ferdjallah, M., R. E. Barr. 1994. “Adaptive digital notch filter design on the unit circle for the removal of powerline noise from biomedical signals". IEEE Transactions on Biomedical Engineering 41(6): 529-536.
• [6] Ferdi Y. 2011. “Fractional order calculus- based filters for biomedical signal processing". 1st Middle East Conference on Biomedical Engineering: 73-76.
• [7] Homan R. W., J. Herman, P. Purdy. 1987. “Cerebral location of international 10-20 system electrode placement". Electroenceph- alography and clinical neurophysiology 66 (1987): 376-382.
• [8] Jackson B.A. 2017. “Digital Filter Design and Realization" Series in Signal Image and Speech Processing 97-134.
• [9] Kawala-Janik A., W. Bauer, M. Żołubak, J. Baranowski. 2016. “Early-Stage Pilot Study on Using Fractional-Order Calculus-Based Filtering for the Purpose of Analysis of Electroencephalography Signals".Studies in Logic, Grammar and Rethoric 7(60).
• [10] Kawala-Janik A., M. Pelc, M. Podpora, 2015. “Method for EEG Signals Pattern Recognition in Embedded Systems", Elektronika i Elektrotechnika 21(3): 3-9.
• [11] Lagrota V., H. V. Schettino, Â. Camponogara, F. P.V. de Campos, M.V. Ribeiro. 2017. “Digital filters for clustered-OFDM-based PLC systems: Design and implementation", Digital Signal Processing 70(2017): 166-177.
• [12] Murali L., D. Chitra, T. Manigandan, B. Sharanya, 2015. “An Efficient Adaptive Filter Architecture for Improving the Seizure Detection in EEG Signal". Circuits, Systems, and Signal Processing 35(8): 2914-2931.
• [13] Tibdewal, M. N., Mahadevappa, M., Ray, A. K., Malokar, M., Dey, H. R. 2016. “Power line and ocular artifact denoising from EEG using notch filter and wavelet transform". Computing for Sustainable Global Development (INDIACom), International Conference, India 2016: 1654-1659.
• [14] Wang Y., F. Ding. 2015. “Iterative estimation for a non-linear IIR filter with moving average noise by means of the data filtering technique". Mathematical Control and Information 34(3): 1-20.
• [15] Wang X., T. Wild, F. Schaich. 2015. “Filter optimization for carrier- frequency-and timing-offset in universal filtered multi-carrier systems". IEEE 81st Vehicular Technology Conference: 1-6.
• [16] Widman A., E.Schroger, B. Maess. 2015. “Digital filter design for electrophysiological data-a practical approach". Journal of neuroscience methods 250 (2015): 34-46.
• [17] Zandi, A. S., G. A. Dumont, M. J. Yedlin, Philippe Lapeyrie, Christophe Sudre 2011. “Scalp EEG acquisition in a low-noise environment: a quantitative assessment". IEEE Trans. Biomed. Engineering, 58(8): 2407-2417.
• [18] Zieliński Tomasz, Cyfrowe przetwarzanie sygnalow. Od teorii do zastosowań, Helion 2007.

Uwagi

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2018).