Yeni bir Sinyal İşleme Aracı ve Gerçek Zamanlı EMG ve EKG analizi

Abstract

Biyomedikal sinyallerin doğru ve yüksek kalite ile elde edilmesi, işlenmesi ve görselleştirilmesi birçok hastalığın teşhisinde oldukça önemli bir rol oynamaktadır. Söz konusu amaca yönelik olarak bu çalışmada, MATLAB Graphical User Interface (GUI) kullanılarak bir sinyal işleme aracı dizayn edilmiştir. Gerçek zamanlı medikal sinyallerin elde edilerek zaman ve frekans domenlerinde analizlerinin gerçekleştirilebildiği bu araç ile önceden kaydedilmiş veya kullanıcının kendi oluşturacağı bir boyutlu herhangi bir sinyalinde analizleri yapılabilmektedir. Geliştirilen araç sayesinde EMG ve EKG kartlarından alınan ve Arduino mikroişlemcisinde sayıallaştırılan veriler, gerçek zamanlı olarak bilgisayar ekranında gösterilmiştir. Ayrca EKG sinyalindeki yüksek frekanslı gürültüler, alçak geçiren Parks-McClellan FIR filtre tasarlanarak yok edilmiştir. Gürültüsü azaltılmış EKG sinyalinden R pik noktalarının otomatik tespiti ve dakikadaki sayısı belirlenerek yüksek doğrulukta nabız hesaplanmıştır. Geliştirilen sinyal işleme aracının kullanılmasıyla her türlü genel veya medikal sinyaller daha ayrıntılı ve hızlı analiz edilebilecektir.Biomedical signals acquisition, processing and visualizing with accurate and high quality play a very important role in the diagnosis of many diseases. For this purpose, in this study, a one-dimensional signal processing toolbox has been designed using the MATLAB Graphical User Interface (GUI). Real-time medical signals can be obtained and analyzed in time and frequency domains. This toolbox can be used to analyze a signal that is pre-recorded or one dimensional that is created by a user. Due to the toolbox developed, the data which are acquired from EMG and ECG cards and digitized in the Arduino microprocessor are displayed in real time on the computer screen. Also, the high-frequency noises in the ECG signal have been eliminated by designing a Parks-McClellan low pass FIR filter. Heart rate has been calculated with high accuracy by counting R peak points per minute from the noise reduced ECG signal automatically. By using the developed signal processing toolbox, any kind of general or medical signals can be analyzed in more detail and fast.