MỘT ĐỀ XUẤT THAY ĐỔI KÍCH THƯỚC BƯỚC THÍCH NGHI
CỦA THUẬT TOÁN LMS CHO LỚP BÀI TOÁN LỌC NHIỄU
TRONG THU NHẬN TÍN HIỆU Y SINH
Hoàng Mạnh Hà
Trường Cao Đẳng Kỹ thuật Thiết bị Y tế
1/89 Lương Đình Của - Phương Mai - Đống Đa – Hà Nội
hoangmanhha@yahoo.com
ABSTRACT
Trong thu nhận tín hiệu y sinh, môi trường
nhiễu luôn thay đổi. Để giải quyết bài toán lọc nhiễu
này, mô hình lọc nhiễu thích nghi và thuật toán trung
bình bình phương tối thiểu (LMS) được lựa chọn vì tính
đơn giản và hiệu suất của thuật toán khi cài đặt. Tuy
nhiên cũng như các thuật toán thích nghi khác. Việc
chọn kích thước bước thích nghi nếu thoả mãn yêu cầu
ổn định cho thuật toán sẽ làm cho thời gian hội tụ
không đáp ứng được các yêu cầu hiện nay và ngược lại.
Do vậy rất khó khăn khi phải chọn giá trị kích thước
bước thích nghi sao cho thuật toán đáp ứng được các
yêu cầu ngày càng cao về tính ổn định cao, tốc độ hội tụ
nhanh, nhưng yêu cầu đơn giản về phần cứng. Bài viết
này đề xuất một hướng giải quyết yêu cầu trên, với kích
thước bước thích nghi của thuật toán thay đổi theo độ
lớn của Gradient, và kết quả một số thử nghiệm trên
Matlab cho tín hiệu điện tâm đồ
KEY WORDS
LMS: Least Mean Squares
1. Giới thiệu
Tiền đề của các mô hình và các thuật toán xử lý thích
nghi bắt đầu được đề cập vào những năm ‘50 và 60 của
thế kỷ 20 thông qua các tác giả như:
- H. W. Bode và C. E. Shanon trong bài “A simplified
derivation of linear least squares smoothing and
prediction theory”. Proc, IRE, vol 38, pp 417-425, Apr.,
1950
- B. Widrow M. E Hofl. Jr. trong bài “ Adaptive
switching circuits”, IRE WESCON Conv, Rec., pt, 4,
pp 96 – 104, 1960.
- R. E. Kalman trong bài “ On the general theory of
control”, Proc. First IFAC Congress. London: Butter
Worth, 1960.
- R. E. Kalman và R. S Bucy trong bài “ New results in
linear filtering and prediction theory” Trans. ASME,
Ser. D. J Basic Eng., vol 83. pp 95 – 107, Dec 1961
- D. Gabor và W. P. L Wilby và R. Woodcock trong bài
“ A universal nonlinear filter predictor and simulator
which optimizes itself by a learning process” Proc. Inst.
Electr. Eng., vol. 108B, July 1960
- J. S Koford và G. F. Groner trong bài “ The use of an
adaptive threshold element to design a linear optimal
pattern classifier”. IEEE Trans. Inf, theory, vol. IT-12,
pp 42-50. Jan 1966.
Nhưng phải đợi đến giữa những năm của thập
kỷ 70, Xử lý Thích nghi chính thức được đề xuất bởi
Bernard Widrow-Trường Đại học Stanford và Samuel
D. Stearns-Phòng thí nghiệm quốc gia Sandia (Hoa Kỳ).
Ban đầu các tác giả tập trung vào xây dựng cơ sở Toán
học cho bốn mô hình chính, đó là Tiên đoán, Nhận
dạng, Sửa sóng, Lọc nhiễu. Đồng thời ứng dụng của mô
hình lọc nhiễu đã được B. Widrow gợi ý rất sớm trong “
Adaptive Noise Canceling Principles and Applications”
Dec 1975, IEEE. Một trong các ứng dụng quan trọng
của bài viết trên là lọc nhiễu 50Hz – 60Hz cho tín hiệu
điện tâm đồ. Cho đến ngày nay, thực tế đã chứng minh
rằng mô hình này vẫn luôn là giải pháp duy nhất cho
các bài toán lọc nhiễu cho các tín hiệu y sinh như điện
tâm đồ, điện não đồ, điện cơ đồ. Song tuy nhiên sự phát
triển cao của Y học trong những năm gần đây đã làm
phát sinh thêm những yêu cầu mới cho các thuật toán
chạy trên mô hình lọc nhiễu. Đó là độ chính xác cao
hơn, tốc độ hội tụ nhanh hơn, độ ổn định cao hơn. Để
giải quyết yêu cầu mới của bài toán cũ này, những năm
gần đây (từ 2002 đến 2005) đã có một số công trình
nghiên cứu giải quyết bằng các hướng mới như:
- Lọc nhiễu thông qua ngưỡng sau khi thực hiện WT
của các nhà khoa học Mỹ, Pháp...
- Giải quyết bằng các thuật toán lập trình song song của
các nhà khoa học Mỹ và Canada
- Thay đổi bậc (Order) thuật toán LMS của các nhà
khoa học Hàn quốc
- Cải tiến trên các thuật toán như: LMS, RLS theo
hướng thay đổi kích thước bước thích nghi của các nhà
khoa học Pháp
Trong hai hướng nghiên cứu đầu, yêu cầu cao
về phần cứng và khả năng cài đặt thuật toán đang làm
chậm việc triển khai trên thực tế. Hướng nghiên cứu thứ
ba và thứ tư có ưu điểm là độ phức tạp của thuật toán là
vừa phải, chấp nhận được. Tuy nhiên các thuật toán đề
xuất chưa vẫn chưa đạt được các chỉ tiêu mong muốn về
tính ổn định, tốc độ hội tụ.
2. Mô tả thuật toán LMS
Mô hình chung của hệ thống thích nghi được cho
bởi hình 1.
 Đặt
dk ⎛ x02k x0k x1k x0k x2k L x0k xLk ⎞
⎜ 2 ⎟
Xk Bộ lọc thích yk ⎜ x1k x0k x
1k x1k x2k L x1k xLk ⎟ (1.6)
nghi
R = E[Xk XkT ] = E⎜ M ⎟
⎜ ⎟
Wk ⎜ xLk x0k
⎜
⎟
⎟
εk ⎝ ⎠
Đặt
P = E[d k X k ] = E [ d k x0 k d k x1k d k x 2 k ... d k xLk ]T (1.7)
Các thuật toán
thích nghi
(1.5) được viết lại
ξ = E[ε k2 ] = E[d k2 ] + W T RW − 2 PT W (1.8)
Hình 1 Mô hình chung của hệ thống thích nghi Ta tính gradient của ξ
∂ξ (1.9)
∇= = 2 RW − 2 P
Trong đó: ∂W
X k : Vector tín hiệu đầu vào tại thời điểm k. Khi ξ đạt min vector W đạt đến giá trị tối ưu W , tại
*

X k = [x k x k −1 xk −2 ... x k − L ] (1.1)
T đó ∇ = 0 = ∂ξ = 2 RW * − 2 P (1.10)
∂W
Xk là vector cột có độ dài L+1 ⇒ W * = R −1 P (1.11)
Wk : Vector trọng số của bộ lọc thích nghi tại thời điểm
Nếu ta cắt paraboloid bằng các mặt phẳng song
k
song với mặt phẳng (w1, w2)
Wk = [w0 wL ] (1.2)
T
w1 w2 ... ta sẽ được các elip đồng tâm, toạ độ điểm cực
yk: Tín hiệu đầu ra tại thời điểm k tiểu chính là toạ độ của tâm của elip
y k = X kT Wk (1.3)
dk: Tín hiệu mong muốn đạt đến W1
εk: Sai số giữa tín hiệu mong muốn dk và tín hiệu tại đầu
ra yk
ε k = d k − y k = d k − X kT Wk (1.4)
Bài toán thích nghi tự điều chỉnh ma trận các
trọng số Wk sao cho sai số εk nhỏ nhất.
Để đi đến công thức cập nhật ma trận trọng số
ta đi theo trình tự sau W*
Bình phương 2 vế rồi lấy kỳ vọng ta có
ξ = E [ε k2 ]= E [d k2 ]+ E [W kT X k X kT W k ] − 2 E [d k X kT W k ] (1.5)
W2
ξ
ξ Hình 3 Các đường Elip trên mặt phẳng (w1, w2)
chính là các hình chiếu của các đường mức của ξ trên mặt
phẳng (w1, w2)

Bài toán tìm điểm cực tiểu trên mặt bậc II của
ξ trở thành bài toán tìm tâm của elip trong mặt phẳng
w1
(w1, w2)
Trong thuật toán LMS, chiều của gradient
được điều chỉnh tại mỗi bước thích nghi. Chiều đi tới
ξ của thuật toán trên mặt phẳng (w1, w2) luôn ngược chiều
với chiều của gradient tại bước đó và có độ lớn khác
một giá trị μ

Wk +1 = Wk + μ (−∇ k ) (1.12)

w2 Theo (1.4) ta có

Hình 2: Mặt đặc tính bậc II ε k = d k − X kT Wk

 ⎡ ∂ε k2 ⎤ ⎡ ∂ε k ⎤ 3.3. Mô hình lọc nhiễu động trong thu
⎢ ⎥ ⎢ ⎥ nhận tín hiệu y sinh của Bernard
⎢ ∂w0 ⎥ ⎢ ∂w0 ⎥
⎢ ∂ε 2 ⎥ ⎢ ∂ε ⎥ Widrow
^
⎢ k ⎥ ⎢ k ⎥
∇ ⎢ ∂w0
= ⎥ = 2ε k ⎢ ∂w0 ⎥ = − 2ε k X k (1.13) primary sk + nk Notch filter
⎢M ⎥ ⎢M ⎥ input +
Σ
output
⎢ ⎥ ⎢ ⎥ - εk
⎢ ∂ε k2 ⎥ ⎢ ∂ε k ⎥
⎢ ∂w ⎥ ⎢ ∂w ⎥
⎣ L ⎦ ⎣ L ⎦ Reference w1,k
yk
x1,k
input
Ta có công thức cập nhật ma trận trọng số như sau
+
^ w2,k + Σ
900
Wk +1 = Wk − μ ∇ k (1.14) Delay
x2,k

= Wk + 2 με k X k
LMS
algorithm

3. Thuật toán LMS với kích thước Hình 6: Mô hình bộ lọc thích nghi triệt tần nhiễu hình Sin của
do B. Widrow đề xuất
bước thay đổi
3.1. Giới thiệu bộ lọc triệt tần (Notch Trong đó
sk: Tín hiệu y sinh chưa bị nhiễu tại thời điểm k
Filter): nk: Nhiễu cộng ảnh hưởng đến tín hiệu y sinh tại thời
- Triệt 1 tần số
điểm k
- Tần số triệt chính là tần số của nhiễu
sk + nk : Tín hiệu y sinh lẫn nhiễu thu được tại thời điểm
k
Power x1,k : là tín hiệu nhiễu thu được tại đầu vào tham chiếu
output (Reference Input) tại thời điểm k
x2,k : Là trễ 900 của x1,k
x1,k và x2,k được mô tả như sau:
f x1,k = C cos(kω 0 + φ ) (1.15)
50Hz
x 2,k = C sin( kω 0 + φ ) (1.16)
Hình 4 : Triệt tần số của nhiễu 50Hz
y k = x1,k w1,k + x 2,k w2,k (1.17)
3.2. Bài toán lọc nhiễu trong thu ε k = s k + nk − y k (1.18)
nhận tín hiệu y sinh trong môi w1,k và w2,k : là 2 trọng số của bộ lọc thích nghi triệt tần.
được cập nhật theo (1.19) và (1.20)
trường động
Có sự thay đổi tần số của nhiễu do vậy để lọc w1,k +1 = w1,k + 2 με k x1,k (1.19)
nhiễu không thể cố định tần số triệt w2,k +1 = w2,k + 2 με k x 2,k (1.20)
Không được phép triệt trên một dải tần số,
tránh mất các thông tin có ích cho chẩn đoán μ: Kích thước bước thích nghi
Bài toán lọc nhiễu trong thu nhận tín hiệu tín 1
hiệu sinh trong môi trường động trở thành bài toán tìm Thuật toán ổn định khi 0 < μ < (Xem [1])
điểm cực tiểu mới trên parapoloid mới mỗi khi nhiễu
λ max
thay đổi. Khi đó bộ lọc thích nghi triệt tần xác lập tần số triệt tại
Trong điều kiện tốc độ thay đổi nhanh của môi đúng tần số của nhiễu
trường nhiễu, Yêu cầu với thuật toán LMS phải hội tụ
nhanh đồng thời tính ổn định cao 3.3. Một đề xuất cải tiến thuật toán
LMS và các kết quả
Power Thuật toán LMS chưa đáp ứng được yêu cầu
output về tốc độ hội tụ trong môi trường nhiễu thay đổi nhanh
và rộng như ở Vietnam
Do LMS phải giải quyết bài toán chọn giá trị
của μ , nếu thoả mãn điều kiện ổn định thì không thoả
45Hz 55Hz mãn yêu cầu tốc độ hội tụ và ngược lại
Nhận xét: Gradient có giá trị lớn khi ở xa điểm
Hình 5: Triệt trên dải tần cực tiểu, nhỏ khi ở gần điểm cực tiểu
 -4 Fixed Step Size -4 Fixed Step Size
x 10 x 10

5 5

4 4

MSE,step size = 3

MSE,step size = 5
3 3

2 2

1 1

0 0
0 50 100 150 200 0 50 100 150 200

Hình 8: MSE của bộ lọc nhiễu thích nghi với kích thước bước
cố định
Trường hợp μ=3 (bên trái) thuật toán LMS ổn
Hình 7: Gradient của ξ trên mặt phẳng (w1, w2) định hơn trường hợp μ=5 (bên phải).

Without Noise ECG Signal

2

Đề xuất chọn μ có thể thay đổi được theo Gradient 0

trong tính toán sau
-2
0 100 200 300 400 500 600 700 800 900 1000
Output of Adaptive Notch Filter, Fixed step size, = 3

μ1,k +1 = μ1,k + x1k (ε k − ε k −1 )

2

(1.21)
μ 2,k +1 = μ 2,k + x 2 k (ε k − ε k −1 )
0

-2
0 100 200 300 400 500 600 700 800 900 1000
With Noise ECG Signal
2

Trong đó 0
μ1,k : Kích thước bước cho việc điều chỉnh w1
tại thời điểm k -2
0 100 200 300 400 500 600 700 800 900 1000
μ2,k : Kích thước bước cho việc điều chỉnh w2
tại thời điểm k Hình 9: Ttín hiệu điện tim trước và sau lọc và tín hiệu điện tim
x1,k, x2,k : Nhiễu thu được ở đầu vào tham sạch, trường hợpμ=3
chiếu tại thời điểm k
εk: Đầu ra của bộ lọc nhiễu tại thời điểm k 2
Without Noise ECG Signal

4. Thực nghiệm và kết quả 0

Để đánh giá kết quả ta dùng công thức sau:

-2
0 100 200 300 400 500 600 700 800 900 1000
T Output of Adaptive Notch Filter, Fixed step size, = 5

∑ (ε (nT + i) − s(nT + i))

i =1
2 2

MSE (n) = 0
T
(1.22) -2
0 100 200 300 400 500 600 700 800 900 1000
Trong đó With Noise ECG Signal
ε(nT+i): Đầu ra của bộ lọc nhiễu 2

s(nT+i): Tín hiệu điện tim sạch

length(ε )
0

n=1,2 ...
10 -2
0 100 200 300 400 500 600 700 800 900 1000
Ta chọn T=10 trong các thực nghiệm sau đây
Hình10:Ttín hiệu điện tim trước và sau lọc và tín hiệu điện tim
sạch trường hợpμ=5
Thực nghiệm 1: Trong trường hợp μ=3, tín hiệu sau lọc dần
Để chứng minh mối quan hệ giữa độ ổn định dần sạch nhiễu, mặc dù với tốc độ thấp. Trong trường
của thuật toán LMS với kích thước bước thích nghi ta hợp μ=5 tín hiệu điện tim sau lọc vẫn còn rất nhiều
chọn μ=3 và μ=5. Cả hai trường hợp đều dùng kích nhiễu
thước bước cố định
Thực nghiệm 2 Trên cùng là tín hiệu ecg sạch, ở giữa là tín
Thực nghiệm 2 so sánh trường hợp thuật toán hiệu ecg sau khi được lọc nhiễu, dưới cùng là tín hiệu
LMS dùng bước thích nghi (μ = 3) cố định với bước ecg trước khi được lọc nhiễu
thích nghi thay đổi được (bắt đầu với μ=3).
x 10
-4 Fixed Step Size -4
x 10 Variable Step Size
Thực nghiệm 3:
2.5 2.5
Thực nghiệm 3 so sánh trường hợp thuật toán
LMS dùng bước thích nghi (μ = 5) cố định với bước
2 2 thích nghi thay đổi được (bắt đầu với μ=5).
Qua hình 14 ta thấy rằng thuật toán sử dụng

MSE,step size begin at 5

bước thích nghi thay đổi được (phải) ổn định hơn thuật
MSE,step size=3

1.5 1.5
toán dùng bước thích nghi cố định
Sự thay đổi của kích thước bước thích nghi dẫn
1 1
đến các trọng số của bộ lọc thay đổi, được mô tả trong
hình vẽ 15 dưới đấy
0.5 0.5

-4 -4
x 10 Fixed Step Size x 10 Variable step size

0 0
0 50 100 150 200 0 50 100 150 200
5 5

Hình:11 MSE trong trường hợp μ =3

MSE, variable step size, begin at 5

4 4

MSE, Fixed step size = 5

Qua hình 11 ta thấy rằng thuật toán sử dụng
bước thích nghi thay đổi được (phải) ổn định hơn thuật 3 3

toán dùng bước thích nghi cố định

Sự thay đổi của kích thước bước thích nghi 2 2
dẫn đến các trọng số của bộ lọc thay đổi, được mô tả
trong hình vẽ 12 dưới đấy
Trong so W1 1 1
1.5

1
0 0
0 50 100 150 200 0 50 100 150 200
0.5

0
Hình 14 MSE trong trường hợp kích thước bước thích nghi cố
-0.5 định(trái)và kích thước
bước thích nghi thay đổi được(phải)μ =5
0 200 400 600 800 1000 1200 1400 1600 1800 2000

Trong so W2
1

W1 in case step size begin at 5

0.5 2

1.5
0
1

0.5
-0.5
0 200 400 600 800 1000 1200 1400 1600 1800 2000 0

Hình 12: Sự thay đổi của kích thước bước thích nghi -0.5
0 200 400 600 800 1000 1200 1400 1600 1800 2000

Kết quả sau lọc nhiếu được mô tả trong hình W2 in case step size begin at 5
vẽ 13 dưới đây. Without Noise ECG Signal 1

2
0.5

0
0
-2
0 100 200 300 400 500 600 700 800 900 1000
Output of Adaptive Notch Filter, variable step size, begin at 3 -0.5
0 200 400 600 800 1000 1200 1400 1600 1800 2000
2

-2
0 100 200 300 400 500 600 700 800 900 1000
Hình15: Sự thay đổi của các trọng số trường hợp kích thước
With Noise ECG Signal bước thích nghi bắt đầu =5
2

-2
0 100 200 300 400 500 600 700 800 900 1000

Hình 13: So sánh tín hiệu điện tim trước và sau lọc với tín
hiệu điện tim sạch trường hợp kích thước bước thích nghi thay
đổi, bắt đầu với μ=3
 hơn Adaptive Notch Filter có kích thước bước thích
Without Noise ECG Signal nghi cố định.
2

0
Tài liệu dẫn
-2
0 100 200 300 400 500 600 700 800 900 1000
Output of Adaptive Notch Filter, variable step size, begin at 5 [1] Daniel Olguín Olguín, Frantz Bouchereau, Sergio
2
Martínez, “Adaptive Notch Filter for EEG Signals
0
Based on the LMS Algorithm with Variable Step-Size
-2
0 100 200 300 400 500 600 700 800 900 1000
Parameter” . Proceedings of the Conference on
With Noise ECG Signal Information Sciences and Systems, The John Hopkins
2
University, March 16-18, 2005
0

-2
0 100 200 300 400 500 600 700 800 900 1000
[2] B. Widrow, Samuel D. Stearns ‘Adaptive Signal
Processing ‘ (Englewood Cliffs, NJ 07632: Prentice-
Figure 16: So sánh tín hiệu điện tim trước và sau lọc với tín Hall, 1985).
hiệu điện tim sạch trường hợp kích thước bước thích nghi thay
đổi, bắt đầu vớiμ=5 [3] Jonathan Richard Shewchuk, ‘An Introduction to the
Conjugate Gradient Method Without the Agonizing
Kết quả sau lọc nhiếu được mô tả trong hình vẽ 16 Pain’, School of Computer Science Carnegie Mellon
trên đây. Trên cùng là tín hiệu ecg sạch, ở giữa là tín University, August 4, 1994
hiệu ecg sau khi được lọc nhiễu, dưới cùng là tín hiệu
ecg trước khi được lọc nhiễu [4] Hoang Manh Ha “ Variable Step Size LMS Filter for
ecg signal” Proceedings of the International
5. Kết luận Conference on BioMedical Engineering, The Hanoi
Từ các thực nghiệm trên ta thấy rằng Adaptive University of Technology, July 27-29, 2007
Notch Filter có kích thước bước thích nghi thay đổi
được có thể hội tụ nhanh hơn và có độ ổn định tốt