Rejection of Power-Line Interference in EMG Signals Using a Notch Filter Initialized with Non-Zero States

eng Article in English DOI: 10.14313/PAR_257/13

send Michał Tyrpa , Jacek Piskorowski West Pomeranian University of Technology, Department of Systems, Signals and Electronics Engineering

Download Article

Abstract

This paper presents an improved method for rapid suppression of power-line interference (50 Hz) from electromyographic (EMG) signals. The proposed technique utilizes a digital notch filter initialized with carefully chosen non-zero initial conditions, combined with time-varying pole radius r(n) of the filter. Unlike classical solutions, which typically suffer from prolonged transient artifacts due to zero initialization and fixed filter parameters, the proposed approach achieves immediate interference attenuation by pre-setting the filter states as if the interference were already in steady-state. The performance of this approach was quantitatively assessed through experimental comparisons with a conventional fixed-radius notch filter and an adaptive LMS-based filter. Results demonstrate superior transient suppression, exhibiting lower mean square error (MSE) and minimal distortion of the useful EMG signal components. The proposed solution is particularly beneficial for biomedical signal processing applications where rapid settling and minimal signal distortion are critical, such as myoelectric prostheses and neurorehabilitation devices.

Keywords

electromyography, interference cancellation, real-time filtering, time-varying notch filtering, transient suppression

Tłumienie zakłóceń od sieci energetycznej w sygnałach EMG za pomocą filtru Notch z niezerowymi warunkami początkowymi

Streszczenie

W artykule przedstawiono udoskonaloną metodę szybkiego tłumienia zakłóceń od sieci energetycznej (50 Hz) w sygnałach elektromiograficznych (EMG). Proponowane rozwiązanie wykorzystuje cyfrowy filtr wycinający (notch), inicjalizowany starannie dobranymi niezerowymi warunkami początkowymi, w połączeniu z czasowo zmiennym promieniem bieguna filtru r(n). W przeciwieństwie do klasycznych metod, które zazwyczaj cechują się długotrwałymi artefaktami przejściowymi wynikającymi z zerowej inicjalizacji i stałych parametrów filtru, zaprezentowane podejście umożliwia natychmiastowe tłumienie zakłóceń poprzez wstępne ustawienie stanu filtru w taki sposób, jakby zakłócenie znajdowało się już w stanie ustalonym. Skuteczność metody została oceniona na podstawie analizy średniego błędu kwadratowego (MSE), poprzez porównanie wyników z filtracją przy użyciu konwencjonalnego filtru wycinającego o stałym promieniu oraz adaptacyjnego filtru opartego na algorytmie LMS. Wyniki potwierdzają skuteczniejsze tłumienie przejściowe, niższy średni błąd kwadratowy oraz minimalne zniekształcenie użytecznych komponentów sygnału EMG. Proponowane rozwiązanie jest szczególnie przydatne w zastosowaniach przetwarzania sygnałów biomedycznych, w których kluczowe są szybkie ustalenie się sygnału i minimalizacja jego zniekształceń – na przykład w protezach mioelektrycznych i urządzeniach do neurorehabilitacji.

Słowa kluczowe

elektromiografia, eliminacja interferencji, filtracja w czasie rzeczywistym, filtracja wycinająca o zmiennych parametrach w czasie, tłumienie stanów przejściowych

Bibliography

  1. Mewett D.T., Nazeran H., Reynolds K.J., Removing power line noise from recorded EMG, 2001 Conference Proceedings of the 23rd Annual International Conference of the IEEE Engineering in Medicine and Biology Society, DOI: 10.1109/IEMBS.2001.1017205.
  2. Butkevičiūtė E., Bikulčienė L., Sidekerskienė T., Blažauskas T., Maskeliūnas R., Damaševičius R., Removal of Movement Artefact for Mobile EEG Analysis in Sports Exercises, “IEEE Access”, Vol. 7, 2019, 7206–7217, DOI: 10.1109/ACCESS.2018.2890335.
  3. Górecka J., Biedka A., Determination of ocular artifacts in the clinical EEG software by a peripheral device, “Electronics”, Vol. 10, No. 2, 2021, DOI: 10.3390/electronics10020108.
  4. Pei S.-C., Tseng C.-C., Elimination of AC interference in electrocardiogram using IIR notch filter with transient suppression, “IEEE Transactions on Biomedical Engineering”, Vol. 42, No. 11, 1995, 1128–1132, DOI: 10.1109/10.469385.
  5. Piskorowski J., Powerline interference rejection from sEMG signal using notch filter with transient suppression, “Proceedings of IEEE International Instrumentation and Measuring Technology Conference”, Graz, Austria, 2012, 1872–1876, DOI: 10.1109/I2MTC.2012.6229332.
  6. Acharyya A., Jadhav P.N., Bono V., Maharatna K., Naik G.R., Low-complexity hardware design methodology for reliable and automated removal of ocular and muscular artifact from EEG, “Computer Methods and Programs in Biomedicine”, Vol. 158, 2018, 123–133, DOI: 10.1016/j.cmpb.2018.02.009.
  7. Kocoń S., Piskorowski J., Digital finite impulse response notch filter with non-zero initial conditions, based on an infinite impulse response prototype filter, “Metrology and Measurement Systems”, Vol. 19, No. 4, 2012, 767–776, DOI: 10.2478/v10178-012-0068-X.
  8. Okoniewski P., Kocoń S., Piskorowski J., Linear time-varying multi-notch FIR filter for fast EMG measurements, 23rd International Conference on Methods & Models in Automation & Robotics (MMAR), 2018, DOI: 10.1109/MMAR.2018.8486122.
  9. Widrow B., Glover J.R., McCool J.M., Kaunitz J., Williams C.S., Hearn R.H., Adaptive noise cancelling: Principles and applications, “Proceedings of the IEEE”, Vol. 63, No. 12, 1975, 1692–1716, DOI: 10.1109/PROC.1975.10036.
  10. Lin Y.-D., Tan Y.-K., Tian B., A novel approach for decomposition of biomedical signals in different applications based on data-adaptive Gaussian average filtering, “Biomedical Signal Processing and Control”, Vol. 71, Part A, 2022, DOI: 10.1016/j.bspc.2021.103104.
  11. Goldberger A.L., Amaral L.A., Glass L., Hausdorff J.M., Ivanov P.C., Mark R.G., Mietus J.E., Moody G.B., Peng C.K., Stanley H.E., PhysioBank, PhysioToolkit, and PhysioNet: Components of a new research resource for complex physiologic signals, “Circulation”, Vol. 101, No. 23, 2000, e215–e220, DOI: 10.1161/01.cir.101.23.e215.

Database Examples of Electromyograms, 2009, DOI: 10.13026/C24S3D.