Signalbehandling: definition, tekniker och tillämpningar för ljud, bild & EKG

Grundläggande begrepp

Signalbehandling bygger på några centrala principer:

• Sampling och kvantisering: Analoga signaler måste sampas och kvantiseras för digital behandling. En viktig regel är Nyquist–Shannonteoremet: samplingsfrekvensen måste vara minst dubbla den högsta frekvensen i signalen för att undvika aliasing.
• Tids- och frekvensdomän: Signalens innehåll kan analyseras i tidsdomänen (värden över tid) eller i frekvensdomänen med hjälp av Fouriertransformer (DFT/FFT). Tids–frekvensmetoder som STFT och wavelet ger lokaliserad frekvensinformation.
• Filtrering: Att undertrycka oönskade komponenter (t.ex. brus eller drift) eller förstärka önskad information använder lågpass-, högpass-, bandpass- och notch-filter, både i analog och digital form (FIR/IIR).
• Mått på kvalitet: Vanliga mått är signal-brus-förhållande (SNR), medelkvadratfel (MSE) och peak signal-to-noise ratio (PSNR) för bilder och ljud.

Vanliga tekniker och algoritmer

• Transformmetoder: FFT/DFT för spektralanalys, diskreta wavelettransformer för flerskaleanalys och Karhunen–Loève-transform/PCA för dimensionsreduktion.
• Filtrering och brusreduktion: Konvolutionella filter (t.ex. Gaussisk, median), adaptiva filter som LMS och RLS, och statistiska metoder som Wienerfilter.
• Källseparation: ICA och NMF används för att separera flera överlagrade källor (t.ex. separera tal från bakgrundsmusik).
• Funktionsextraktion: MFCC och kromatiska funktioner för ljud, kanter och texturfilter för bildanalys, samt tids- och frekvensegenskaper för EKG.
• Komprimering: Lossless (t.ex. PNG, FLAC) och lossy (t.ex. JPEG, MP3, AAC) tekniker baserade på transformkodning, kvantisering och entropikodning.
• Maskininlärning och djupa nätverk: Klassificering, segmentering och regressionsuppgifter med SVM, Random Forest och i dag ofta CNN (bilder), RNN/transformers (sekvenser, tal) och specialiserade nätverk för medicinska signaler.

Tillämpningar: ljud

• Tal- och ljudigenkänning: Från enkla röstaktiveringar till fullständiga tal-till-text-system. Funktioner som MFCC och spektrogram används ofta som indata till maskininlärningsmodeller.
• Ljudeffekter och brusreduktion: Denoising med spektral subtraktion, Wiener-filter eller neurala nätverk; eko- och reverb-borttagning i kommunikationssystem.
• Källseparation: Separera sång och instrument eller extrahera tal i bullriga miljöer med ICA, NMF eller djupa nätverk (t.ex. U-Net för ljud).

Tillämpningar: bild

• Förbehandling: Brusreducering (Gaussian, median), kontrastförbättring och geometrisk korrigering.
• Feature- och kantdetektion: Filtrering med Sobel, Canny; extraktion av lokala deskriptorer (SIFT, SURF) för matchning och igenkänning.
• Segmentering och objektigenkänning: Tröskling, kmeans/watershed för enklare uppgifter; CNN-baserade metoder (t.ex. U-Net, Mask R-CNN) för avancerad medicinsk bildsegmentering och autonom körning.
• Komprimering och överföring: JPEG/HEIF för foton, bildkvalitetsmätningar som SSIM och PSNR används för att bedöma förlust vid komprimering.

Tillämpningar: EKG och andra biologiska signaler

• Förbehandling: Avlägsna baslinjeförskjutning (baseline wander) med högpassfilter, ta bort nätbrus med notch-filter (50/60 Hz) och använd bandpass för att isolera relevant frekvensband.
• Detektion av hjärtslag: QRS-detektorer som Pan–Tompkins-algoritmen och wavelet-baserade metoder används för att hitta R-vågor och beräkna hjärtfrekvens.
• Feature-extraktion och klassificering: Tidsdomäns- och frekvensdomänsegenskaper användas för att klassificera arytmier; moderna metoder använder djupa nätverk tränade på stora EKG-databaser.
• Kliniska tillämpningar och övervakning: Telemetri, automatisk alarmsystem och beslutsstöd där kvalitet, latens och patientsäkerhet är kritiska.

Praktiska verktyg och bibliotek

Populära verktyg och bibliotek för utveckling och experiment:

• Matlab — omfattande verktygslådor för signal- och bildbehandling.
• Python — bibliotek som NumPy, SciPy, librosa (ljud), OpenCV och scikit-image (bild), samt TensorFlow/PyTorch för djupa nätverk. För EKG finns paket som WFDB/PhysioNet för datahantering.
• Specialiserad mjukvara: Audacity för ljudredigering, och bildbehandlingsprogram som ImageJ inom forskning.

Mätningar, utvärdering och praktiska aspekter

• Prestandamått: SNR, MSE, PSNR, SSIM, samt klassificeringsmått som precision, recall och F1-score.
• Realtidskrav: Låg latens och begränsad beräkningskapacitet kräver effektiva algoritmer och ibland hårdvaruacceleration (GPU/FPGA).
• Datakvalitet: Bristande signal- eller annoteringskvalitet påverkar både traditionella algoritmer och maskininlärningsmodeller.
• Etik och integritet: För medicinska signaler som EKG är anonymisering, dataskydd och patientsäkerhet avgörande.

Vanliga utmaningar och framtida riktningar

Utmaningar inkluderar brusiga mätningar i fält, variation mellan sensorer och patienter, samt behovet av stora annoterade datamängder för övervakade metoder. Framtida trender är:

• Ökad användning av djupa nätverk och självövervakad inlärning för att lära representationer från stora mängder ospecificerade data.
• Edge computing för realtidsbearbetning nära sensorn (t.ex. bärbara EKG-enheter eller inbyggda ljudsystem).
• Fusionsmetoder som kombinerar flera sensorer och modaliteter (t.ex. ljud + bild) för bättre robusthet.

Signalbehandling är ett brett fält med både teoretisk grund och direkta praktiska tillämpningar inom medicin, kommunikation, multimedia, radar och många andra områden. Genom rätt kombination av förbehandling, funktionsextraktion, algoritmer och utvärdering kan man få fram användbar information även från mycket störiga eller begränsade signaler.