Mostrar el registro sencillo del ítem
dc.contributor.author
Ruiz, Joaquin Victorio
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.contributor.author
Colominas, Marcelo Alejandro
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.date.available
2023-09-06T15:23:54Z
dc.date.issued
2022-08
dc.identifier.citation
Ruiz, Joaquin Victorio; Colominas, Marcelo Alejandro; Wave-shape function model order estimation by trigonometric regression; Elsevier Science; Signal Processing; 197; 8-2022; 1-13
dc.identifier.issn
0165-1684
dc.identifier.uri
http://hdl.handle.net/11336/210709
dc.description.abstract
The adaptive non-harmonic (ANH) model is a powerful tool to compactly represent oscillating signals with time-varying amplitude and phase, and non-sinusoidal oscillating morphology. Given good estimators of instantaneous amplitude and phase we can construct an adaptive model, where the morphology of the oscillation is described by the wave-shape function (WSF), a 2π-periodic more general periodic function. In this paper, we address the problem of estimating the number of harmonic components of the WSF, a problem that remains underresearched, by adapting trigonometric regression model selection criteria into this context. We study the application of these criteria, originally developed in the context of stationary signals, to the case of signals with time-varying amplitudes and phases. We then incorporate the order estimation to the ANH model reconstruction procedure and analyze its performance for noisy AM-FM signals. Experimental results on synthetic signals indicate that these criteria enable the adaptive estimation of the waveform of non-stationary signals with non-sinusoidal oscillatory patterns, even in the presence of considerable amount of noise. We also apply our reconstruction procedure to the task of denoising simulated pulse wave signals and determine that the proposed technique performs competitively to other denoising schemes. We conclude this work by showing that our adaptive order estimation algorithm takes into account the interpatient waveform variability of the electrocardiogram (ECG) and respiratory signals by analyzing recordings from the Fantasia Database.
dc.format
application/pdf
dc.language.iso
eng
dc.publisher
Elsevier Science
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.rights
info:eu-repo/semantics/restrictedAccess
dc.rights.uri
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
dc.subject
BIOMEDICAL SIGNAL DENOISING
dc.subject
MODEL ESTIMATION
dc.subject
SIGNAL MODELING
dc.subject
TRIGONOMETRIC REGRESSION
dc.subject
WAVE-SHAPE FUNCTION
dc.subject.classification
Otras Ingeniería Eléctrica, Ingeniería Electrónica e Ingeniería de la Información
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.subject.classification
Ingeniería Eléctrica, Ingeniería Electrónica e Ingeniería de la Información
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.subject.classification
INGENIERÍAS Y TECNOLOGÍAS
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.title
Wave-shape function model order estimation by trigonometric regression
dc.type
info:eu-repo/semantics/article
dc.type
info:ar-repo/semantics/artículo
dc.type
info:eu-repo/semantics/publishedVersion
dc.date.updated
2023-07-07T20:56:34Z
dc.journal.volume
197
dc.journal.pagination
1-13
dc.journal.pais
Países Bajos
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.journal.ciudad
Amsterdam
dc.description.fil
Fil: Ruiz, Joaquin Victorio. Universidad Nacional de Entre Ríos. Instituto de Investigación y Desarrollo en Bioingeniería y Bioinformática - Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Santa Fe. Instituto de Investigación y Desarrollo en Bioingeniería y Bioinformática; Argentina
dc.description.fil
Fil: Colominas, Marcelo Alejandro. Universidad Nacional de Entre Ríos. Instituto de Investigación y Desarrollo en Bioingeniería y Bioinformática - Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Santa Fe. Instituto de Investigación y Desarrollo en Bioingeniería y Bioinformática; Argentina
dc.journal.title
Signal Processing
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.relation.alternativeid
info:eu-repo/semantics/altIdentifier/url/https://linkinghub.elsevier.com/retrieve/pii/S0165168422000901
dc.relation.alternativeid
info:eu-repo/semantics/altIdentifier/doi/http://dx.doi.org/10.1016/j.sigpro.2022.108543
Archivos asociados