MUSHAK CHARCHOG'INI ANIQLASH JARAYONIDA SPORTCHI BIOSIGNALLARINI SHOVQINDAN TOZALASHNING ADAPTIV KO'PMEZONLI FILTRLASH ALGORITMINI ISHLAB CHIQISH

THE VI INTERNATIONAL SCIENTIFIC CONFERENCE “SCIENTIFIC FOUNDATIONS FOR THE USE OF INFORMATION TECHNOLOGIES OF A NEW LEVEL AND MODERN PROBLEMS OF AUTOMATION”, NOVEMBER 20, 2025 336 MUSHAK CHARCHOG‘INI ANIQLASH JARAYONIDA SPORTCHI BIOSIGNALLARINI SHOVQINDAN TOZALASHNING ADAPTIV KO‘PMEZONLI FILTRLASH ALGORITMINI ISHLAB CHIQISH Sh.I.Xoldorov1, K.E.Shukurov1, A.A.Kaxxarov1, U.K.Xasanov1 1Muhammad al-Xorazmiy nomidagi Toshkent axborot texnologiyalari universiteti https://doi.org/10.5281/zenodo.17768152 Annotatsiya. Mazkur maqolada elektromiografiya signallarini shovqindan tozalash uchun Butterworth, Kalman, Wavelet (chegaraviy qiymatga asoslangan) va Wiener filtrlari ko‘p mezonli baholash yondashuvi bilan solishtirildi. Baholash mezonlari sifatida RMSE, korrelyatsiya koeffitsiyenti, energiya nisbati (ER), SNR/PSNR, shuningdek hisoblash vaqti va algoritmik murakkablik qamrab olindi. 6574 ta EMG namunasida o‘tkazilgan tajribalar natijasida Wavelet filtri eng yuqori natijalarni ko‘rsatdi: RMSE=8.63, r=0.99, SNR=23.08 dB, PSNR=40.83 dB, amaliy ishlash vaqti 0.09 ms. Taklif etilgan adaptiv Wavelet yondashuvi ko‘p masshtabli dekompozitsiyada har bir daraja uchun lokal shovqin baholash va yumshoq thresholdni individual tanlash orqali foydali signal komponentlarini maksimal saqlab qoldi. Natijalar shuni ko‘rsatadiki, Wavelet filtrlash EMG kabi nostaasionar signallar uchun shovqinni bostirish va signal strukturasi/energiyasini saqlashda ustunlikka ega bo‘lib, real vaqtda ishlov berish talablariga javob beradi. Ushbu yondashuv keyingi bosqichlarda aniqlik va barqarorlikni oshirishga xizmat qiladi. Аннотация. В данной статье проведено сравнение фильтров Butterworth, Kalman, Wavelet (с адаптивным пороговым значением) и Wiener для удаления шума из электромиографических сигналов с применением многокритериального метода оценки. В качестве критериев оценки использовались показатели RMSE, коэффициент корреляции, отношение энергий (ER), SNR/PSNR, а также время вычислений и алгоритмическая сложность. Экспериментальные исследования, выполненные на 6574 образцах ЭМГсигналов, показали, что фильтр Wavelet обеспечивает наилучшие результаты: RMSE = 8.63, r = 0.99, SNR = 23.08 дБ, PSNR = 40.83 дБ, при среднем времени обработки 0.09 мс. Предложенный адаптивный Wavelet-подход позволяет на каждом уровне многоуровневой декомпозиции выполнять локальную оценку шума и индивидуальный выбор мягкого порога, что обеспечивает максимальное сохранение полезных компонент сигнала. Результаты показывают, что вейвлет-фильтрация обладает преимуществами при обработке нестационарных сигналов, подобных ЭМГ, обеспечивая эффективное подавление шума при сохранении структуры и энергетических характеристик сигнала. Предложенный подход соответствует требованиям обработки в реальном времени и способствует повышению точности и устойчивости на последующих этапах анализа. Kalit so‘zlar: EMG signallari, biosignalni filtrlash, Wavelet filtri, Butterworth filtri, Kalman filtri, Wiener filtri, shovqinni bostirish, adaptiv filtr, mushak charchog‘ini aniqlash, ko‘p mezonli baholash, signal-shovqin nisbati, algoritmik murakkablik, real vaqtli ishlov berish, sun’iy intellekt, yuklamaga moslashuv. Ключевые слова: ЭМГ сигналы, фильтрация биосигналов, вейвлет-фильтр, фильтр Баттерворта, фильтр Калмана, фильтр Винера, подавление шума, адаптивная THE VI INTERNATIONAL SCIENTIFIC CONFERENCE “SCIENTIFIC FOUNDATIONS FOR THE USE OF INFORMATION TECHNOLOGIES OF A NEW LEVEL AND MODERN PROBLEMS OF AUTOMATION”, NOVEMBER 20, 2025 337 фильтрация, определение мышечной усталости, многокритериальная оценка, отношение сигнал/шум, алгоритмическая сложность, обработка в реальном времени, искусственный интеллект, адаптация к нагрузкам. Kirish. EMG signalning sifatli tahlili asosan uning shovqinlardan tozalangan holatiga bog‘liq. EMG signallarni teri yuzasidan qayd etishda yuzaga keladigan turli manbali shovqinlar - masalan, elektrod interfeysi buzilishi, tana harakati, elektr tarmoq interferensiyasi (50/60 Hz), yurak faoliyati aralashuvi va analog raqamli o‘zgartirgich shovqini - signalning ishonchliligini sezilarli darajada pasaytiradi. Bu shovqinlar faqatgina signal amplitudasiga emas, balki uning chastota spektriga ham bevosita ta’sir ko‘rsatadi. Natijada, charchoq tahlili, mushak faolligini tashxislash kabi sohalarda noto‘g‘ri tahlillar yuzaga kelishi mumkin. Shu sababli, EMG signalining ishonchli tahlilini ta’minlash uchun har bir shovqin turining fizik va spektral xususiyatlarini chuqur tushunish, ularni aniqlash va samarali bartaraf etish zarur hisoblanadi. Quyida EMG signallarni qayd etish jarayonida uchraydigan turli xil shovqin manbalari va ularni bartaraf etish usullarining tahlili bayoni keltiriladi. Elektrod interfeysi va harakat artefaktlari. Harakat artefaktlari signalda 1–20 Hz oralig‘ida amplituda tebranmalari shaklida namoyon bo‘lib, bu holatda elektrod-teri interfeysi va simlar harakati asosiy sabab hisoblanadi. Bunday artefaktlar signalning to‘g‘ri tahlil qilinishiga to‘sqinlik qiladi [1]. Elektrod siljishi artefaktini kamaytirish uchun quyidagi texnikalar qo‘llaniladi: − elektrod va kabelni mustahkam mahkamlash, harakatni cheklash; − high-pass filtrlar (20–30 Hz) signalning past chastotalardagi artefaktlarni samarali bartaraf etish imkonini beradi; − Wavelet o‘zgartirishi yoki empirik usulda parchalanish (Empirical Mode Decomposition, EMD) orqali signalni dekompozitsiyalash va artefakt komponentlarini olib tashlash. Tarmoq interferensiyasi (Power Line Interference, PLI). Tarmoq shovqini, ya’ni 50 yoki 60 Hz chastotasidagi sinusoidi interferensiyalar va garmonikalar EMG signal spektrini keskin buzadi. Bularni kamaytirish uchun quyidagi texnikalar qo‘llaniladi: − notch filtr orqali to‘g‘ridan-to‘g‘ri tarmoq shovqini olib tashlanadi, biroq signalga bo‘lgan ta’siri mavjud [2]; − haqiqiy vaqtli moslashuvchan yondashuv: adaptiv notch filtr va comb filtr algoritmlari yordamida vaqtga bog‘liq oʻzgaruvchan tarmoq shovqinlarni kamaytiradi [3]; − Wavelet + notch filtr kombinatsiyasi spektral aniqlikni saqlagan holda tarmoq shovqinini bartaraf etishda samarali hisoblanadi [2]. Elektrokardiografiya (EKG) signallari aralashuvi. Yurak signallari o‘lchovlarda EMG’ga aralashadi. Bu past chastotadagi, kattalashtirilgan signal kuchi bilan tavsiflanadi. Oq shovqin. ARO‘ kvantlash jarayoni va apparat arxitekturasi oqibatida paydo bo‘ladigan past intensivlikdagi barqaror shovqin signalning barcha chastotali komponentlarini hosil qiladi. Materiallar va usullar. EMG signallarini tadqiqot va amaliy qo‘llanmalarda samarali ishlatish uchun ularni shovqindan tozalash muhim bosqich hisoblanadi. Shovqinlarni bartaraf etish jarayoni signal sifati va aniqligini oshirish, foydali ma’lumotlarni aniq ajratib olish hamda keyingi tahlil bosqichlarida xatoliklarni kamaytirish imkonini beradi. Bu jarayon odatda signalning chastota va vaqt sohalaridagi xususiyatlarini tahlil qilish, ortiqcha komponentlarni aniqlash va ularni kamaytirish orqali amalga oshiriladi. THE VI INTERNATIONAL SCIENTIFIC CONFERENCE “SCIENTIFIC FOUNDATIONS FOR THE USE OF INFORMATION TECHNOLOGIES OF A NEW LEVEL AND MODERN PROBLEMS OF AUTOMATION”, NOVEMBER 20, 2025 338 1-jadval. EMG signallarinidagi shovqinlarni bartaraf etish usullarining solishtirma jadvali Shovqin turi Asosiy qo‘llangan usul(lar) Natijalar Afzalliklar Kamchiliklar kompleks aralashgan shovqinlar Wavelet (db4) signal shaklini saqlagan holda shovqin kamaytirilgan, SNR oshishi > 15 dB statsionar bo‘lmagan shovqinlarga mos, signal shaklini yaxshi saqlaydi filtr parametrini to‘g‘ri tanlash zarur oq shovqin Wiener filtr + Wavelet RMSE 15–25 % ga kamaydi, SNR oshishi ~12–14 dB adaptiv, statistik shovqinlarga mos juda past SNR sharoitida samaradorlik pasayadi EKG aralashuvi Adaptiv Kalman filtr tiklash aniqligi > 90 % dinamik shovqinlarni samarali kamaytiradi parametr sozlash murakkab harakat shovqinlari Wiener filtr + band-pass SNR 20–30 dB gacha yaxshilandi signal shaklini yaxshi saqlaydi yuqori amplitudali shovqinlarda ishlashi qiyin tarmoq shovqini Butterworth +notch 50/60 Hz shovqin sezilarli kamaydi oddiy, haqiqiy vaqtga mos shu chastotadagi foydali signal ham yo‘qolishi mumkin asosiy chiziq siljishi High-pass+ Butterworth (0.5–1 Hz) siljish minimal darajaga tushirildi klassik va oddiy past chastotali foydali signalni ham kesishi mumkin atrof mushak aralashuvi Signal siqish + Wavelet aralashgan komponentlar ajratildi lokal signallarni aniqroq olish ko‘p elektrod talab qiladi Shovqinlarni kamaytirish natijasida signallarning SNR ko‘rsatkichi oshadi, bu esa diagnostika, harakatlarni aniqlash va mushak faolligini tahlil qilishda yanada ishonchli natijalar olish imkonini yaratadi. Mazkur muammoni bartaraf etish uchun tadqiqotchilar [5, 6, 7, 8, 9, 10] turli filtrlash va signallarga ishlov berish usullaridan foydalanishadi. Shovqinlarni bartaraf etish usullarining solishitrma jadvali 1-jadvalda keltirilgan. Jadvaldan ko‘rinib turibdiki, Wavelet filtrlash (xususan, Doubeshi oilasi, db4) EMG signallaridagi non-statsionar va kompleks shovqinlarni bartaraf etishda eng samarali usullardan biridir. Bu usul signal shaklini minimal deformatsiya bilan saqlab qoladi, SNRni sezilarli darajada oshiradi va turli chastota komponentlaridagi shovqinlarni samarali ajratadi. Shu bilan birga, zamonaviy tadqiqotlar orasida Wavelet filtrlash usuli alohida o‘rin egallaydi. Ko‘plab amaliy tajribalarda Wavelet filtrlash kompleks shovqinlarni bartaraf etishda eng samarali usul sifatida THE VI INTERNATIONAL SCIENTIFIC CONFERENCE “SCIENTIFIC FOUNDATIONS FOR THE USE OF INFORMATION TECHNOLOGIES OF A NEW LEVEL AND MODERN PROBLEMS OF AUTOMATION”, NOVEMBER 20, 2025 339 e’tirof etilgan. Turli filtr algoritmlarining samaradorligi tadqiqotlarda farqli natijalarni ko‘rsatgan bo‘lib, bu ularning barcha amaliy sohalar uchun universal qo‘llanishini anglatmaydi. Muayyan tadqiqot vazifalarida optimal filtrni tanlash jarayoni uning samaradorlik mezonlari, hisoblash murakkabligi, shovqinni bostirish darajasi va mumkin bo‘lgan kamchiliklarini tahlil qilish orqali amalga oshiriladi. Tanlov yakuniy bosqichda tajriba natijalariga tayangan holda aniqlanadi. Shu bois ushbu tadqiqotda tanlangan Butterworth, Kalman, Wavelet va Wiener filtrlarining samaradorligi EMG biosignallari asosida ko‘p mezonli baholash usuli yordamida tahlil qilindi. Baholash jarayonida filtrlarning o‘rtacha kvadrat xatolik, korrelyatsiya koeffitsiyenti, energiyalar nisbati, signal-shovqin nisbati, algoritmik va hisoblash murakkabligi kabi mezonlar hisobga olindi. Ushbu yondashuv filtr algoritmlarini tanlashda nafaqat shovqinni kamaytirish samaradorligini, balki ularning amaliy qo‘llanishdagi texnik afzallik va cheklovlarini ham kompleks tarzda baholash imkonini berdi. O‘rtacha kvadrat xatolik (Root Mean Square Error, RMSE) - filtrlangan signal bilan manbadan olingan signal o‘rtasidagi o‘rtacha kvadrat xatolikni ifodalaydi. Ushbu ko‘rsatkichning minimal qiymati 0 bo‘lib, bu ideal holatni bildiradi, ya’ni filtrlangan signal to‘liq original signalga teng. Aksincha, RMSE qiymati cheksizgacha oshishi mumkin, bu esa filtr natijasi juda katta xatolik bilan mos kelayotganini anglatadi. Shuning uchun, RMSE ko‘rsatkichi qanchalik kichik bo‘lsa, filtrlash jarayoni shunchalik aniq, ishonchli bajarilgan deb baholanadi va uning matematik ifodasi quyida ko‘rinishga ega: 𝑅𝑀𝑆𝐸= √1 𝑏−𝑎∫[𝑓(𝑥)−𝑔(𝑥)]2𝑑𝑥 𝑏 𝑎 (1) bu yerda, 𝑓(𝑥) - haqiqiy funksiya; g(𝑥) – haqiqiy funksiyaga yaqinlashgan yoki taxmin qilingan funksiya; [𝑎,𝑏] – integrallash oralig‘i. Korrelyatsiya koeffitsiyenti - filtrlangan signal bilan original signal o‘rtasidagi to‘g‘ridanto‘g‘ri statistik bog‘liqlik darajasini ifodalaydi. Uning qiymati –1 dan +1 gacha oraliqda bo‘ladi. +1 qiymat to‘liq o‘xshashlikni, 0 bog‘liqlik yo‘qligini, –1 esa to‘liq teskari bog‘liqlikni bildiradi. Ko‘rsatkichning qiymati qanchalik 1 ga yaqin bo‘lsa, filtrlangan signal manbadan olingan signalga shunchalik yaqin va strukturaviy mos hisoblanadi. (𝑓⋆𝑔)(𝜏)=∫ 𝑓(𝑡)𝑔(𝑡+𝜏) 𝑑𝑡 ∞ −∞ (2) bu yerda, 𝑓(𝑡),𝑔(𝑡) - signal funksiyalari; 𝜏 - siljish parametri. Energiyalar nisbati (Energy Ratio, ER) - filtrlangan signalning energiyasi original signal energiyasiga nisbatan qanchalik darajada saqlanib qolganligini ko‘rsatadi. Uning ideal qiymati 1 bo‘lib, bu signal energiyasi filtrlash jarayonida deyarli yo‘qotilmaganligini anglatadi. Agar ko‘rsatkich 0 ga yaqinlashsa, bu filtr natijasida foydali signalning katta qismi yo‘qotilganini bildiradi. Yuqori ER qiymatlari filtrning signal tarkibini saqlab qolishdagi samaradorligini ko‘rsatadi. 𝐸𝑅=∫|𝑓(𝑥)|2𝑑𝑥 ∞ −∞ ∫|𝑔(𝑥)|2𝑑𝑥 ∞ −∞ (3) Signal va shovqin nisbati (SNR) - foydali signalning shovqinga nisbatan nisbiy kuchini bildiradi va detsibel (dB) birliklarida o‘lchanadi. SNR qiymati qanchalik yuqori bo‘lsa, filtr shunchalik shovqinni samarali bostirgan va foydali signalni ajratib olgan bo‘ladi. Amaliyotda 20– THE VI INTERNATIONAL SCIENTIFIC CONFERENCE “SCIENTIFIC FOUNDATIONS FOR THE USE OF INFORMATION TECHNOLOGIES OF A NEW LEVEL AND MODERN PROBLEMS OF AUTOMATION”, NOVEMBER 20, 2025 340 40 dB va undan yuqori qiymatlar yaxshi sifatli filtrlash sifatida qabul qilinadi. 𝑆𝑁𝑅=10∙log10 (𝑃𝑠𝑖𝑔𝑛𝑎𝑙 𝑃𝑠ℎ𝑜𝑣𝑞𝑖𝑛)= 10∙𝑙𝑜𝑔10(∫[𝑓(𝑥)]2𝑑𝑥 ∞ −∞ ∫[𝑔(𝑥)]2𝑑𝑥 ∞ −∞ ) (4) Eng yuqori signal va shovqin nisbati (Peak Signal-to-Noise Ratio, PSNR) ko‘rsatkichi - signalning maksimal amplitudasiga nisbatan shovqinning intensivligini baholaydi. U ham (dB) birligida ifodalanadi va odatda 30 dB dan yuqori qiymatlar qoniqarli filtrlash sifatini, 40 dB dan yuqori qiymatlar esa yuqori sifatli tahlil natijasini bildiradi. PSNR ko‘pincha vizual yoki murakkab tuzilgan signal strukturasini tiklashda qo‘llaniladi va uning matematik ko‘rinishi quyidagicha ifodalanadi: 𝑃𝑆𝑁𝑅= 10∙𝑙𝑜𝑔10(𝑀𝐴𝑋2 1 𝑏−𝑎∫[𝑓(𝑥)−𝑔(𝑥)]2𝑑𝑥 𝑏 𝑎) (5) bu yerda, 𝑀𝐴𝑋 – original signalning eng katta amplituda qiymati. Hisoblash vaqti - filtr ishlovining hisoblash davomiyligini ifodalaydi. Bu mezon tajriba asosida millisekund (ms) birligida o‘lchanadi. Haqiqiy vaqtli yoki resurs cheklovli tizimlar uchun filtr ishlash vaqti 100 ms dan kam bo‘lishi muhim hisoblanadi. Qanchalik kam vaqt talab qilinsa, filtr tezroq va samaraliroq deb baholanadi. Algoritmik murakkablik - filtrning hisoblash xarajatlarini signal uzunligiga nisbatan baholaydi. U asosan 𝑂(𝑛), 𝑂(𝑛∙𝑙𝑜𝑔(𝑛)), 𝑂(𝑛2) kabi asemptotik notatsiyalar orqali ifodalanadi. Natijalar va munozaralar. Ko‘plab ilmiy manbalarni [5, 6, 7, 8, 9, 10, 11, 12] tahlil qilish asosida aniqlanishicha, biosignallarga dastlabki ishlov berish jarayonida optimal filtr tanlash, uning asosiy ko‘rsatkichlarini optimallashtirish, hamda tanlangan filtrlarni maksimal darajada signalga moslashtirish - yuqori aniqlikli signal tahlilini ta’minlashda muhim ahamiyatga ega. Shu nuqtai nazardan kelib chiqib, ushbu tadqiqot doirasida tanlangan barcha filtrlar signal tabiati, mashg‘ulot dinamikasi va tahlil sohasining texnik talablariga mos ravishda sozlandi va ularning ko‘rsatkichlari tajribalar orqali eng maqbul. Quyidagi 2-jadvalda keltirilgan natijalar sportchilar mushaklaridan yozib olingan 6574 ta namuna asosida o‘tkazilgan tajribalar orqali olindi. Olingan barcha tadqiqot natijalari chuqur tahlil qilindi va umumlashtirildi. 2-jadval. Filtrlarni ko‘rsatkichlar orqali baholash tajribasining solishtirma jadvali Filtr nomi RMSE Korrelyatsiya koeffitsiyenti Energiya nisbati SNR (dB) PSNR (dB) Hisoblash vaqti(ms) Algoritm murakkabligi Butterworth 25,73 0,97 0,91 14,39 32,11 0,19 𝑂(𝑛) Kalman 88,66 0,74 0,87 2,60 20,53 11,87 𝑂(𝑛2) Wavelet (Taklif etilgan) 8,63 0,99 0,90 23,08 40,83 0,09 𝑶(𝒏𝟐) Wiener 13,30 0,99 0,90 19,24 36,99 0,11 𝑂(𝑛3) Yuqoridagi 2-jadvalda keltirilgan natijalar sportchilar mushaklaridan yozib olingan 6574 ta namuna asosida o‘tkazilgan tajribalar orqali olindi. Olingan barcha tadqiqot natijalari chuqur tahlil qilindi va umumlashtirildi. Optimallashtirish jarayonida har bir filtr ko‘rsatkichlar orqali baholash natijalari asosida haqiqiy vaqtga moslik va signal sifati o‘rtasidagi muvozanat tahlil qilindi. THE VI INTERNATIONAL SCIENTIFIC CONFERENCE “SCIENTIFIC FOUNDATIONS FOR THE USE OF INFORMATION TECHNOLOGIES OF A NEW LEVEL AND MODERN PROBLEMS OF AUTOMATION”, NOVEMBER 20, 2025 341 1-rasm. O‘rtacha kvadrat xatolik ko‘rsatkichining tajriba natijalari Natijalarga ko‘ra, Wavelet (taklif etilgan) filtri 8.63 qiymati bilan eng yuqori aniqlik va eng past xatolikni ta’minladi. Bu usul signalning statsionar bo‘lmagan tabiati bilan moslashib, vaqt-chastota sohasida shovqinni kerakli qismini bartaraf etish imkonini berdi. 2-rasm. Korrelyatsiya koeffitsiyenti va energiya nisbati ko‘rsatkichlarining tajriba natijalari Jadval tahlilidan ko‘rinadiki, korrelyatsiya koeffitsiyenti va energiya nisbati ko‘rsatkichlari bo‘yicha Wavelet (taklif etilgan) va Wiener filtrlari eng yuqori qiymatlarni ko‘rsatdi (r=0.99), bu ularning filtrlashdan so‘ng signal shaklini deyarli to‘liq saqlab qolganini bildiradi. 3-rasm. Signal shovqin nisbati ko‘rsatkichlarining tajriba natijalari Jadvaldagi SNR va PSNR ko‘rsatkichlari bo‘yicha tahlil shuni ko‘rsatadiki, Wavelet (Chegaraviy qiymatga asoslangan) filtri SNR=23.08 dB va PSNR=40.83 dB qiymatlari bilan eng yuqori natijalarni ko‘rsatgan. Bu uning shovqinni samarali bostirgan holda signal sifatini maksimal 25,73 88,66 8,63 13,3 0 20 40 60 80 100 Butterworth Kalman Wavelet Wiener O‘rtacha kvadratik xatolik qiymatlari Filtr nomlari O‘rtacha kvadrat xatolik 0 0,5 1 Butterworth Kalman Wavelet Wiener 0,97 0,74 0,99 0,99 0,91 0,87 0,9 0,9 Korrelyatsiya va energiya nisbati Filtr nomlari Korrelyatsiya koeffitsiyenti Energiya nisbati 14,39 2,6 23,08 19,24 32,11 20,53 40,83 36,99 0 50 Butterworth Kalman Wavelet Wiener Siganl-shovqin nisbati Filtr nomlari SNR (dB) PSNR (dB) THE VI INTERNATIONAL SCIENTIFIC CONFERENCE “SCIENTIFIC FOUNDATIONS FOR THE USE OF INFORMATION TECHNOLOGIES OF A NEW LEVEL AND MODERN PROBLEMS OF AUTOMATION”, NOVEMBER 20, 2025 342 darajada saqlaganini bildiradi. Wavelet (taklif etilgan) filtrini qo‘llashning ikki asosiy yondashuvi mavjud: klassik Wavelet filtrlash - bu yondashuvda standart DWT yordamida signal bir daraja yoki ko‘p darajali komponentalar orqali ajratiladi, filtrlash va qayta tiklash klassik Hara yoki Doubeshi kabi koeffitsiyentlar asosida amalga oshiriladi. Tadqiqotga mos optimallashtirilgan Wavelet filtr bu yondashuvda filtr darajasi, to‘lqin turi, chegaraviy qiymat va konvolyutsiya parametrlari signalning fiziologik xususiyatlariga va mashg‘ulot bosqichlariga qarab dinamik tarzda moslashtirilgan. Boshlash signal(x(t)), Wavelet qatlami(k)=4, α =0.47 Wavelet o zgartirishni amalga oshirish DWT(x(t)) {A_k, D_k, D_{k-1}, ..., D_1} Mediana qiymatlarni hisoblash(MD) Signal energiyasini hisoblash(E) Wavelet koeffitsiyentilari yig indisini hisoblash(W) Eng katta(mx) va eng kichik(mn) qiymatlarni topish Shovqin dajasini hisoblash Umumiy bo sag aviy qiymatni hisoblash O rtacha Wavelet koeffitsiyentini hisoblash Moslashuv koeffitsiyentini hisoblash Moslashuvchan bo sag aviy qiymatni hisoblash Optimal bo sag aviy qiymatni hisoblash Signalni tiklashni amalga oshirish Filtrlangan signal Tamom Ha Yo q Ha Yo q Ha Yo q j k 4-rasm. Taklif etilgan Wavelet filtrining algoritm blok-sxemasinng ko‘rinishi Klassik Wavelet filtr usuli taklif etilgan optimallashtirilgan Wavelet yondashuvidan tubdan farq qiladi. Taklif etilgan usulda har bir signal komponentasi (ko‘p masshtabli dekompozitsiya natijasida olingan chastota oraliqlari) uchun alohida chegaraviy qiymat adaptiv ravishda tanlanadi va ushbu qiymat asosida komponentlar filtrlanadi. Bunday yondashuv signalning turli chastota qismlaridagi shovqin darajasini individual baholash hamda foydali ma’lumotlarni maksimal darajada saqlab qolish imkonini beradi. Yuqoridagi 4-rasmda signalni shovqindan tozalash jarayoni Wavelet qatlamlarga yoyish va yumshoq chegaraviy qiymat usullari orqali ko‘rsatilgan. Algoritm uch asosiy bosqichni o‘z ichiga oladi: Boshlang‘ich bosqich. Kirish ma’lumotlari sifatida signal, Wavelet turi va qatlam soni olinadi. Shovqin parametrlarini hisoblash va optimal chegaraviy qiymat tanlash. Signal maksimal amplitudasi aniqlanadi. Wavelet approksimatsiya koeffitsiyentlari (A) va detal koeffitsiyentlari (D) hisoblanadi, umumiy chegaraviy qiymat aniqlanadi (𝜏), signalning minimal energiyasi, MAD (Median Absolute Deviation) ko‘rsatkichi va moslashuvchan approksimatsiya koeffitsiyentlari THE VI INTERNATIONAL SCIENTIFIC CONFERENCE “SCIENTIFIC FOUNDATIONS FOR THE USE OF INFORMATION TECHNOLOGIES OF A NEW LEVEL AND MODERN PROBLEMS OF AUTOMATION”, NOVEMBER 20, 2025 343 baholanadi, ushbu ko‘rsatkichlar asosida optimal chegaraviy qiymati tanlanadi. Signalni shovqindan tozalash. Wavelet detal(D) koeffitsiyentlariga yumshoq chegaraviy qiymat usuli qo‘llanadi, moslashuvchan approksimatsiya koeffitsiyentlari bilan optimal chegaraviy qiymat asosida shovqinli komponentlar kamaytiriladi, natijada signalning shovqindan tozalangan ko‘rinishi olinadi. Teskari Wavelet o‘zgartirishi. Wavelet detal (D) va approksimatsiya (A) koeffitsiyentlari asosida signal qayta tiklanadi, yakuniy chiqishda shovqindan tozalangan signal olinadi. Wavelet qatorlarga yoyish –> yumshoq chegeraviy qiymat –> qayta tiklash sikli qo‘llanilgan. Chegaraviy qiymatni adaptiv ravishda tanlash orqali shovqin komponentlari samarali kamaytiriladi, signalning foydali qismi esa maksimal darajada saqlanadi. Bu jarayon signallarga ishlov berish, shovqinni bostirish va sifat ko‘rsatkichlarini yaxshilashda keng qo‘llaniladi. Har bir daraja signalning ma’lum chastota oralig‘iga mos keladi va lokal chegaraviy qiymati asosida filtrlanadi. Quyida taklif etilgan Wavelet filtrining amalga oshirish bosqichlari bayon qilinadi. Kiruvchi signalni olish. Mushak EMG signali tizimga kiritiladi. Bu signal odatda noaniq strukturaga va ko‘plab chastotali shovqinlarga ega bo‘ladi. Signalni k-bosqichli to‘lqin komponentalariga ajratish. Signal diskret Wavelet o‘zgartirish orqali past va yuqori chastotali komponentalarga ajratiladi va bu ajratish k marta takrorlanadi, ya’ni har bir bosqichda signalning yangi sathdagi komponentasi olinadi. Har bir bosqich uchun alohida filtrlash bosqichlari bajariladi: − umumiy chegaraviy qiymat strategiyasini tanlash - universal, optimal yoki energiyaga bog‘liq moslashuvchan chegaraviy qiymat turlari aniqlanadi. − wavelet koeffitsiyentlarini va kiruvchi signal amplitudasini hisoblash - signal intensivligi va strukturasiga qarab chegarviy qiymat moslashtiriladi. − shovqin darajasini hisoblash - komponentadagi dispersiya, maksimum yoki RMS qiymatlar asosida shovqin mavjudligi baholanadi. − moslashuvchan chegaraviy qiymat yoki ruxsat etilgan minimal energiya darajasi aniqlanadi. − optimal chegaraviy qiymat tanlanadi - bu chegaraviy qiymat asosida keraksiz komponentalar bostiriladi. − koeffitsiyentlar chegaraviy qiymat bo‘yicha baholanadi - past darajadagi (shovqinli) koeffitsiyentlar nolga tenglashtiriladi yoki silliqlashtiriladi. − signal komponentasi tozalanadi - har bir bosqichdan keyin shovqinsiz signal komponentalari (𝐴1 ′,𝐴2 ′,… 𝐴𝑘 ′) olinadi. − Teskari DWT orqali signalni qayta tiklash. Tozalangan barcha komponentalar (approksimatsion va detal) asosida signal teskari Wavelet o‘zgartirish orqali to‘liq tiklanadi. THE VI INTERNATIONAL SCIENTIFIC CONFERENCE “SCIENTIFIC FOUNDATIONS FOR THE USE OF INFORMATION TECHNOLOGIES OF A NEW LEVEL AND MODERN PROBLEMS OF AUTOMATION”, NOVEMBER 20, 2025 344 Kiruvchi signal Signalni k ta qatlamga ajratish Umumiy (bir xil) chegaraviy qiymat Wavelet koeffitsiyentlari Kiruvchi signal amplitudasi Shovqin darajasini hisoblash Moslashuvchan chegaraviy qiymat Wavelet koeefitsiyentlari o rtachasi Minimal energiya darajasi Optimal chegaraviy qiymat tanlash Moslashuvchan koeffitsiyent (A1) Wavelet koeffitsiyentlarini baholash Signalni shovqindan tozalash Komponentalarga ajratishning 1 - qatlami Umumiy (bir xil) chegaraviy qiymat Wavelet koeffitsiyentlari Kiruvchi signal amplitudasi Shovqin darajasini hisoblash Moslashuvchan chegaraviy qiymat Wavelet koeefitsiyentlari o rtachasi Minimal energiya darajasi Optimal chegaraviy qiymat tanlash Moslashuvchan koeffitsiyent (Ak) Wavelet koeffitsiyentlarini baholash Signalni shovqindan tozalash Komponentalarga ajratishning k - qatlami Tozalangan signalni olish uchun signalni qayta tiklash Shovqindan tozalangan signal ... 5-rasm. Taklif etilgan Wavelet filtrining algoritmik ishlov berish bosqichlari Shovqindan tozalangan signal. Yakuniy signal - fiziologik xususiyatlari saqlangan, struktura jihatidan silliqlashtirilgan va shovqindan tozalangan biosignal hisoblanadi. Bu signal keyingi tahlil, tasniflash yoki neyron tarmoq modeliga kiritish uchun tayyor holatga keladi. Xulosa. Tadqiqot davomida EMG biosignallarini shovqindan tozalashda qo‘llaniladigan Butterworth, Kalman, Wavelet va Wiener filtrlari ko‘p mezonli baholash yondashuvi asosida tahlil qilindi. Baholash mezonlari sifatida o‘rtacha kvadrat xatolik (RMSE), korrelyatsiya koeffitsiyenti, energiyalar nisbati, signal-shovqin nisbati (SNR va PSNR), hisoblash vaqti hamda algoritmik murakkablik ko‘rsatkichlari tanlandi. 6574 ta real EMG namunasi asosida o‘tkazilgan tajribalar shuni ko‘rsatdiki, tanlangan filtrlar orasida Wavelet (chegaraviy qiymatga asoslangan) filtri barcha asosiy ko‘rsatkichlar bo‘yicha ustunlikka ega bo‘ldi. Ushbu filtrning RMSE qiymati 8.63 bo‘lib, bu eng past xatolikni ifodalaydi. Korrelyatsiya koeffitsiyenti 0.99 ga teng bo‘lib, signalning shakli va strukturasi deyarli to‘liq saqlanganini ko‘rsatdi. Signal-shovqin nisbati (SNR = 23.08 dB, PSNR = 40.83 dB) filtrning foydali signalni maksimal darajada tiklab, shovqinni samarali bostirganini isbotladi. Hisoblash vaqti 0.09 ms bo‘lib, bu uni real vaqt rejimida ishlov berish tizimlariga mosligini ko‘rsatadi. Taklif etilgan adaptiv Wavelet yondashuvi har bir signal komponentasi uchun shovqin darajasiga qarab optimal chegaraviy qiymatni individual tanlash imkonini beradi. Bu esa turli chastotalarda joylashgan shovqinlarni selektiv kamaytirish, foydali signal energiyasini esa saqlab qolish imkonini beradi. Natijada filtrlangan signal fiziologik ma’noda to‘liq saqlanadi, strukturaviy buzilishlar minimal darajada bo‘ladi. Foydalanilgan adabiyotlar 1. Boyer, M., Bouyer, L., Roy, J.-S., & Campeau-Lecours, A. (2023). Reducing Noise, Artifacts and Interference in Single-Channel EMG Signals: A Review. Sensors, 23(6), 2927. https://doi.org/10.3390/s23062927