Ultra low-power biomedical signal processing: an analog wavelet filter approach for pacemakers

پردازش سیگنال بیومدیکال بسیار کم مصرف روش‌های پردازش سیگنال و تکنیک‌های مدار مجتمع آنالوگ را برای سیستم‌های زیست پزشکی کم مصرف توصیف می‌کند. سیگنال های فیزیولوژیکی، مانند نوار قلب (ECG)، الکتروکورتیکوگرام (ECoG)، الکتروانسفالوگرام (EEG) و الکترومیوگرام (EMG) اغلب غیر ثابت هستند. مشکل اصلی در برخورد با پردازش سیگنال های زیست پزشکی این است که اطلاعات مورد علاقه اغلب ترکیبی از ویژگی هایی است که به خوبی محلی سازی شده اند (مثلاً سنبله ها) و موارد دیگر که پراکنده تر هستند (مثلاً نوسانات کوچک). این امر مستلزم استفاده از روش‌های تحلیلی است که به اندازه کافی همه کاره هستند تا رویدادهایی را مدیریت کنند که می‌توانند از نظر محلی‌سازی زمان-فرکانس در افراط‌های مخالف باشند.

تبدیل موجک (WT) عمدتاً به دلیل تطبیق پذیری ابزارهای موجک، به طور گسترده در پردازش سیگنال زیست پزشکی استفاده شده است. نشان داده شده است که WT یک ابزار بسیار کارآمد برای تجزیه و تحلیل محلی سیگنال‌های گذرا غیر ثابت و سریع است که دلیل آن تخمین خوب زمان و مکان‌های فرکانس (مقیاس) است. به عنوان یک تکنیک تجزیه و تحلیل چند مقیاسی، امکان فیلتر انتخابی نویز و تخمین پارامتر قابل اعتماد را ارائه می دهد.

اغلب سیستم‌های WT از تبدیل موجک گسسته استفاده می‌کنند که بر روی یک پردازنده سیگنال دیجیتال پیاده‌سازی می‌شود. با این حال، در کاربردهای بسیار کم مصرف مانند دستگاه‌های کاشتنی زیست‌پزشکی، به دلیل مصرف انرژی نسبتاً زیاد مرتبط با مبدل A/D مورد نیاز، اجرای WT با استفاده از مدار دیجیتال مناسب نیست. تحقق آنالوگ کم توان تبدیل موجک، کاربرد آن را در داخل بدن امکان پذیر می کند، به عنوان مثال. در پیس میکرها، جایی که تبدیل موجک وسیله ای برای تشخیص سیگنال قلبی بسیار مطمئن فراهم می کند.

در پردازش سیگنال بیومدیکال فوق کم توانما یک روش جدید برای اجرای پردازش سیگنال بر اساس WT ارائه می کنیم. به روش آنالوگ روش ارائه شده بر توسعه مدارهای مجتمع آنالوگ بسیار کم مصرف متمرکز است که پردازش سیگنال مورد نیاز را با در نظر گرفتن محدودیت های اعمال شده توسط یک دستگاه کاشتنی اجرا می کند.

Ultra Low-Power Biomedical Signal Processing describes signal processing methodologies and analog integrated circuit techniques for low-power biomedical systems. Physiological signals, such as the electrocardiogram (ECG), the electrocorticogram (ECoG), the electroencephalogram (EEG) and the electromyogram (EMG) are mostly non-stationary. The main difficulty in dealing with biomedical signal processing is that the information of interest is often a combination of features that are well localized temporally (e.g., spikes) and others that are more diffuse (e.g., small oscillations). This requires the use of analysis methods sufficiently versatile to handle events that can be at opposite extremes in terms of their time-frequency localization.

Wavelet Transform (WT) has been extensively used in biomedical signal processing, mainly due to the versatility of the wavelet tools. The WT has been shown to be a very efficient tool for local analysis of non-stationary and fast transient signals due to its good estimation of time and frequency (scale) localizations. Being a multi-scale analysis technique, it offers the possibility of selective noise filtering and reliable parameter estimation.

Often WT systems employ the discrete wavelet transform, implemented on a digital signal processor. However, in ultra low-power applications such as biomedical implantable devices, it is not suitable to implement the WT by means of digital circuitry due to the relatively high power consumption associated with the required A/D converter. Low-power analog realization of the wavelet transform enables its application in vivo, e.g. in pacemakers, where the wavelet transform provides a means to extremely reliable cardiac signal detection.

In Ultra Low-Power Biomedical Signal Processing we present a novel method for implementing signal processing based on WT in an analog way. The methodology presented focuses on the development of ultra low-power analog integrated circuits that implement the required signal processing, taking into account the limitations imposed by an implantable device.