چکیده: الکترومایوگرام (EMG) یک سیگنال الکتریکی است که ناشی از فعالیت عضلات می باشد. این سیگنال‌ شامل مجموع پتانسیل الکتریکی کلیه واحدهای حرکتی در حوزه ی آشکارسازی الکترود است. تحلیل سیگنال های الکترومایوگرام سطحی ابزاری پرقدرت برای تشخیص طیف گسترده ای از بیماری ها هستند. از سیگنال های الکترومایوگرام به‌طور گسترده‌ای در زمینه‌های علوم اعصاب، طب ورزش و توان‌بخشی استفاده می‌شود. زمانی که سیگنال های الکترومایوگرام ثبت می شوند، پارازیت‌هایی مانند نویز دستگاه های آشکارساز و ثبت‌کننده، نویزهای ناشی از حرکت، ناپایداری ذاتی سیگنال های بیولوژیکی و ... از منبع های متفاوتی دریافت می شود و بر روی سیگنال های الکترومایوگرام ثبت‌شده اثر می‌گذارند. زمانی که سیگنال های الکترومایوگرام از ماهیچه های نیم‌تنه‌ی بالایی ثبت می شود، سیگنال الکتریکی که توسط قلب ایجاد شود(ECG) تأثیر به سزایی در تحلیل سیگنال های الکترومایوگرام می گذارد و آنالیزها و اندازه گیری های آن را غیرقابل اعتماد می کند. درنتیجه بررسی داده ها وقتی ثبت سیگنال پزشکی به‌شدت تحت تأثیر نویزها قرارگرفته باشد، غیرممکن می شود. انتخاب یک روش مؤثر برای حذف نویز سیگنالهای پزشکی و انجام مطمئن پردازش سیگنال بسیار مهم است. روشهای گوناگونی برای حذف نویز ECG از سیگنال های EMG پیشنهاد شده است اما مطالعات محدودی مقایسه ی مستقیمی بین روش های گوناگون انجام داده اند. مشکلات اصلی در مقایسه ی بین تحقیقات مختلف شامل متفاوت بودن سیگنا ل ها، الکترو د ها و سیستم های جمع آوری آن‌ها می باشد. درک تأثیر رو ش های حذف ECG بر روی پارامترهای دامنه و بسامد حیاتی است زیرا موارد استفاده ی EMG را بسیار گسترش می دهد. همچنین لازم است روش هایی که برای اندازه گیری EMG استفاده می شوند ازنظر بازده و عوارض احتمالی مورد ارزیابی قرار بگیرند. ازاین‌رو هدف ما از این پژوهش ارزیابی دیدگاه های استفاده شده ی رایج و پیشنهاد روشی مناسب برای بهبود جداسازی سیگنال های ECG و EMG می باشد. در این پایان نامه یک روش با نظارت به منظور انتخاب واحدهای زمان-فرکانس مناسب بر پایه ویژگی های ضرایب تٌنٌک ارائه می شود. در روش پیشنهادی ابتدا نمونه های سیگنال های ECG و EMG مدل سازی شده است که این مدل-سازی از طریق آموزش دیکشنری و به دست آوردن بردارهای پایه مربوط به هرکدام از سیگنال ها انجام می-گیرد. بعد از مدل سازی سیگنال های ECG و EMG، برای هر سیگنال مطابق با مؤلفه‌های فرکانسی مربوط به آن ، عمل جداسازی انجام می شود. بررسی نتایج بدست آمده، پس از اعمال موارد ذکر شده نشان می دهد که روش پیشنهادی عملکرد قابل‌توجهی در مقایسه با روش ICA-Wavelet دارد.