A novel EMG artifact removal algorithm based on complete local convolutional sparse dictionary learning in ECG signals
Dit artikel stelt een nieuw, efficiënt algoritme voor op basis van Complete Local Convolutional Sparse Dictionary Learning (CLCSDL) dat effectief willekeurige EMG-artefacten uit ECG-signalen verwijdert door gebruik te maken van lokale korte ondersteuningen voor dictionary learning en ijle representatie, waardoor datatruncatie en spookartefacten worden vermeden terwijl een hoge computationele snelheid en een laag geheugengebruik voor grootschalige klinische gegevens worden gegarandeerd.