Signals are often used to detect and solve problems for the purpose of making the life easier. Biomedical signals are used to represent the activities of the body. Biomedical signals play an important role in detecting medical abnormalities. Therefore, a noise that may occur during the obtaining of biomedical signals will be a problem. Noise is defined as an unwanted or disturbing sound that can be found in every area of daily life and can also be seen in biomedical signals. Thus, the noise comprised of in the biomedical signal should be removed in order to make the right medical decision. In this study, suppression of white and random noise on the EMG biomedical signal is performed. Kalman filter having a wider response range is preferred in these types of noise that do not represent any frequency range. The physical state EMG dataset in the UCI database is taken as the input signal. White noise and random noise are added to all signals as noise functions. Hereby, EMG signals have been converted to a very different signal from the original state. Noise suppression is performed with Kalman filter on these noisy EMG signals. The performance of the study is presented with graphical representations and SNR tables.

İşaretler, hayatı kolaylaştırmak amacıyla sorunların tespit edilmesi ve çözülmesi işlemlerinde sıklıkla kullanılmaktadır. Biyomedikal işaretler ise vücuttan alındığı yerin aktivitelerini temsil etmek için kullanılmaktadır. Biyomedikal işaretler, tıbbi anormallik durumunu tespit etmede önemli rol oynamaktadır. Bu yüzden biyomedikal işaretlerin elde edilmesi esnasında oluşabilecek bir gürültü problem teşkil edecektir. Gürültü, günlük yaşamda her alanda bulunabilen istenmeyen ya da rahatsız edici ses olarak tanımlanmakta olup biyomedikal işaretlerde de kendini gösterebilmektedir. Dolayısıyla doğru tıbbi kararın verilmesi için biyomedikal işaretlerde oluşmuş gürültünün temizlenmesi gerekmektedir. Bu çalışmada EMG biyomedikal işaretleri üzerine eklenen beyaz ve rastgele gürültülerin bastırılması işlemi gerçekleştirilmiştir. Herhangi bir frekans aralığını temsil etmeyen bu gürültü türlerinde tepki aralığı daha geniş olan Kalman filtresi tercih edilmiştir. Kaynak işaret olarak UCI veri tabanında yer alan fiziksel durum EMG veri setindeki işaretler alınmıştır. Gürültü fonksiyonu olarak da tüm işaretlere beyaz gürültü ve rastgele gürültüler bindirilmiştir. Böylelikle EMG işaretleri orijinal durumundan çok daha farklı bir işarete dönüştürülmüştür. Elde edilen bu gürültülü EMG işaretleri üzerinde Kalman filtresi ile gürültü bastırma işlemleri yapılmıştır. Yapılan çalışmanın başarımı, grafiksel gösterimler ve SNR tabloları ile sunulmuştur.