The signal to noise ratio (SNR) of surface respiratory electromyography signal is very low. Indeed EMG signal is contaminated by different types of noise especially the cardiac artefact ECG. This article explores the problem of removing ECG artefact from respiratory EMG signal. The new method uses an adaptive structure with an electrocardyographic ECG reference signal carried out by wavelet decomposition. The proposed algorithm requires only one channel to both estimating the adaptive filter input reference noise and the respiratory EMG signal. This new technique demonstrates how two steps will be combined: the first step decomposes the signal with forward discrete wavelet transform into sub-bands to get the wavelet coefficients. Then, an improved soft thresholding function was applied. And the ECG input reference signal is reconstructed with the transformed coefficients whereas, the second uses an adaptive filter especially the LMS one to remove the ECG signal. After trying statistical as well as mathematical analysis, the complete investigation ensures that all details and steps make proof that our rigorous method is appropriate. Compared to the results obtained using previous techniques, the results achieved using the new algorithm show a significant improvement in the efficiency of the ECG rejection.

Le signal électromyographique respiratoire de surface présente un rapport signal sur bruit très défavorable. En effet le signal EMG est contaminé par plusieurs bruits, le plus important en termes de puissance est le signal ECG. Dans cette étude nous étudions le cas de l’élimination du signal ECG du signal EMG respiratoire. Nous proposons une nouvelle structure adaptative où la référence bruit ECG est extraite par décomposition en ondelette. Cette méthode utilise une seule voie pour estimer en même temps la référence bruit et le signal EMG respiratoire d’origine. La nouvelle technique combine deux types de méthodes : premièrement, le signal est décomposé a l’aide d’une transformation directe en ondelette discrète en sous-bande. Les coefficients ainsi obtenus seront transformés à l’aide d’une nouvelle fonction de seuillage doux puis utilisés pour reconstruire une nouvelle référence bruit ECG. Deuxièmement, le signal ECG sera éliminé avec un filtre adaptatif de type LMS. L’analyse statistique et mathématique adoptée pour l’évaluation des résultats nous assurent du bien fondé de tous les détails et de toutes les étapes de la nouvelle méthode. La comparaison des résultats obtenus avec la méthode proposée à ceux obtenus avec d’autres techniques montre une amélioration notable dans le filtrage du signal ECG.