Новости Словари Конкурсы Бесплатные SMS Знакомства Подари звезду
В нашей
базе уже
59876
рефератов!
Логин

Пароль

Непрерывное Вейвлет-преобразование.

Непрерывное Вейвлет-преобразование Непрерывное Вейвлет-преобразование ОГЛАВЛЕНИЕ
1. ВВЕДЕНИЕ
2. ПОСТАНОВКА задачки
3. ПОДХОДЫ К АНАЛИЗУ НЕСТАЦИОНАРНЫХ СИГНАЛОВ
3.1 способы обработки нестационарных сигналов
3.2 лаконичный обзор преобразования Фурье
3.3 главные положения вейвлет-анализа
3.3.1 способы вычисления непрерывного вейвлет преобразования
3.3.1.1 Во временной области
3.3.1.2 В частотной области
3.3.2 Выбор материнского вейвлета
4 ОПРЕДЕЛЕНИЕ УЗЛОВЫХ ТОЧЕК ЭКГ НА базе НЕПРЕРЫВНОГО ВЕЙВЛЕТ-ПРЕОБРАЗОВАНИЯ
4.1 Стандарты описания и обозначения ЭКГ.
4.2 Постановка задачки идентификации.
4.3 Построение модели идеальной ЭКГ.
4.4 Анализ модели ЭКГ
4.4.1 В системе Matlab
4.4.2 С внедрением “Vision”
4.4.3 Сравнительный анализ полученных результатов.
5. ПРОГРАММНАЯ РЕАЛИЗАЦИЯ
5.1. Структура программы
5.2. Форматы данных
5.3 Тестирование
1.ВВЕДЕНИЕ
На сегодняшний день одним из самых распространенных способов диагностики и распознавания сердечно-сосудистых заболеваний является электрокардиография. Сигнал ЭКГ характеризуется набором зубцов, по временным и амплитудным характеристикам которых ставится диагноз. До недавнего времени функцию нахождения черт зубцов выполнял врач-кардиолог, использую при этом лишь чертежные принадлежности. Таковая схема довольно проста и надежна, но просит много времени, и она работала в течении долгого времени из-за отсутствия альтернативных подходов к решению данной задачки.
С развитием компьютеров стали появляться специализированные комплексы, позволяющие выявлять сердечные заболевания, на базе автоматизированного анализа временных характеристик ЭКГ. На сегодняшний день известны разработки компаний MedIT, Innomed Medical Co. Ltd. И остальные. Кардиографы этих компаний выполняют главные операции, нужные для работы в настоящих условиях. Цены на них колеблются в спектре от 1’500$ до 15’000$.
В то же время, в нашей стране технический уровень профессионалов довольно высок, чтоб создать собственный аналог схожих комплексов, стоящий при этом дешевле западных.
Программное обеспечение является одной из частей кардиографической системы. Данный раздел включает в себя три главных этапа: фильтрация сигналов, анализ данных и постановка диагноза на базе этих черт.
Данная работа посвящена исследованию вопроса идентификации особенностей ЭКГ, как одного из шагов комплексного анализа сигнала. Это очень принципиальный этап так как допущение ошибки тут сильно сказывается на врачебном заключении.
2. ПОСТАНОВКА задачки
В рамках задачки предобработки и вычислении характеристик ЭКГ в компьютерном кардиологическом комплексе, нужно создать модуль анализа главных черт электрокардиограммы человека на базе метода непрерывного вейвлет-преобразования.
Для этого следует:
изучить форму, стандарты описания и обозначения ЭКГ; выстроить модель идеальной ЭКГ провести сравнительный анализ эффективности системы Matlab и разработанного модуля проанализировать временные издержки с учетом характеристик съема ЭКГ и аппаратного обеспечения
При проведении исследований употреблять систему Matlab 5.0, для разработки модуля употреблять среду программирования Delphi 5.0.
3. ПОДХОДЫ К АНАЛИЗУ НЕСТАЦИОНАРНЫХ СИГНАЛОВ 3.1. способы обработки нестационарных сигналов
большая часть медицинских сигналов имеет сложные частотно-временные свойства. Как правило, такие сигналы состоят из близких по времени, короткоживущих высокочастотных компонент и длительных, близких по частоте низкочастотных компонент.
Для анализа таковых сигналов нужен способ, способный обеспечить не плохое разрешение и по частоте, и по времени. Первое требуется для локализации низкочастотных составляющих, второе – для разрешения компонент высокой частоты.
Вейвлет преобразование стремительно завоевывает популярность в столь различных областях, как телекоммуникации, компьютерная графика, биология, астрофизика и медицина. Благодаря хорошей приспособленности к анализу нестационарных сигналов оно стало мощной альтернативой преобразованию Фурье в ряде медицинских приложений. Так как многие медицинские сигналы нестационарны, способы вейвлет анализа употребляются для распознавания и обнаружения ключевых исследовательских признаков.
Преобразование Фурье представляет сигнал, заданный во временной области, в виде разложения по ортогональным базисным функциям (синусам и косинусам), выделяя таковым образом частотные составляющие. Недочет преобразования Фурье заключается в том, что частотные составляющие не могут быть локализованы во времени, что накладывает ограничения на применимость данного способа к ряду задач (к примеру, в случае исследования динамики конфигурации частотных характеристик сигнала на временном интервале).
Существует два подхода к анализу нестационарных сигналов такового типа. Первый – локальное преобразование Фурье (short-time Fourier transform). Следуя по этому пути, мы работаем с нестационарным сигналом, как со стационарным, предварительно разбив его на сегменты (окна), статистика которых не изменяется со временем. Второй подход – вейвлет преобразование. В этом случае нестационарный сигнал анализируется методом разложения по базисным функциям, полученным из некого прототипа методом сжатий, растяжений и сдвигов. Функция прототип именуется материнским, либо анализирующим вейвлетом.
3.2 лаконичный обзор преобразования Фурье
Классическим способом частотного анализа сигналов является преобразование Фурье, суть которого можно выразить формулой (1)
итог преобразования Фурье – амплитудно-частотный диапазон, по которому можно найти присутствие некой частоты в исследуемом сигнале.
В случае, когда не встает вопрос о локализации временного положения частот, способ Фурье дает отличные результаты. Но при необходимости найти временной интервал присутствия частоты приходится использовать остальные способы.
Одним из таковых способов является обобщенный способ Фурье (локальное преобразование Фурье). Этот способ состоит из следующих этапов:
1. в исследуемой функции создается “окно” – временной интервал, для которого функция f(x)? 0, и f(x)=0 для других значений;
2. для этого “окна” рассчитывается преобразование Фурье
3. “ окно” двигается, и для него также рассчитывается преобразование Фурье
“Пройдя” таковым “окном” вдоль всего сигнала, выходит некая трехмерная функция, зависящая от положения “окна” и частоты.
Данный подход дозволяет найти факт присутствия в сигнале хоть какой частоты, и интервал её присутствия. Это существенно расширяет способности способа по сравнению с классическим преобразованием Фурье, но есть и определенные недочеты. Согласно следствиям принципа неопределенности Гейзенберга в данном случае нельзя утверждать факт наличия частоты w 0 в сигнале в момент времени t0 - можно только найти, что диапазон частот (w 1,w 2) находится в интервале (t1,t2). Причем разрешение по частоте (по времени) остается неизменным вне зависимости от области частот (времен), в которых делается исследование. Поэтому, если, к примеру, в сигнале существенна лишь высокочастотная составляюща
Умар.Ш. был тут !!!!!
 
давайте изгоним мат !!!
 
ДОБРОЙ НОЧИ ОТ Ъ
ЛОКИ ИНО
 
ДМК МЭ
 
где инфааа?