Strategie projektowania i implementacja filtrów adaptacyjnych na FPGA

EKG jest elektryczną reprezentacją aktywności pompowania krwi przez serce którą można łatwo zarejestrować za pomocą elektrod powierzchniowych na kończynach lub klatce piersiowej. Możemy filtrować szumy o wysokiej i niskiej częstotliwości poprzez implementację stałych filtrów ale artefakty ruchowe i szumy związane z ruchem mięśni nie mogą być filtrowane przez stałe filtry ponieważ nie mamy żadnych wcześniejszych informacji dotyczących charakteru tych szumów a sygnały elektromiogramu (EMG) nakładają się na sygnały EKG z powodu fizycznej bliskości ruchu ciała. Filtr statyczny jest wymagany do usunięcia wszystkich częstotliwości szumów co może nadmiernie obniżyć atrybut EKG ponieważ bicie serca prawdopodobnie miałoby również składowe częstotliwości w odrzucanym zakresie. Aby ominąć tę ukrytą utratę informacji stosuje się filtr adaptacyjny. W ten sposób technika adaptacyjna pozwala na filtr z większym zakresem akceptacji co oznacza że nasz filtr zapewnia jakość sygnału wyjściowego zgodną z celem dla diagnoz medycznych. Filtr adaptacyjny jest tutaj trenowany przy użyciu algorytmu LMS i algorytmu RLS. Algorytmy są egzekwowane przy użyciu Simulink jako modelu referencyjnego w którym bloki są pobierane z zestawu bloków Xilinx.