مشاوره پروژه نرم افزاری
مارس 29, 2018
تحلیل آماری
مارس 29, 2018

آموزش پردازش سیگنال

آموزش پردازش سیگنال

آموزش پردازش سیگنال

هرگاه روند تغییرات یک پدیده یا کمیت را در طول زمان مورد مطالعه قرار دهیم، در واقع با یک سیگنال روبرو هستیم.

در علم پردازش سیگنال­های حیاتی با سيگنال­هايي كه توسط ارگان­هاي بدن توليد مي­شوند و در واقع منشا بیولوژیکی سر و کار خواهیم داشت.

این سیگنال­ها می­توانند نظیر سیگنال الکتروکاردیوگرافی (ECG) نتيجه دپلاريزاسيون سلول هاي ماهيچة قلب باشند و منشا الکتروشیمیایی داشته باشند

و یا همچون صداي توليد شده توسط دريچه­ هاي قلب که به وسیله سمع صدای قلب قابل ثبت و ضبط می­باشد

و به Auscultation Signal یاHeart Sound  شهرت دارد، منشا مكانيكي داشته باشند.

امروزه در انجام پروژه مهندسی پزشکی، روند استفاده از این سيگنال­هاي حياتي براي تشخيص و تحقيقات بالینی به شدت دارای نرخ صعودی است.

بدون شک استفاده از آموزش پردازش سیگنال نقش سرنوشت سازی در این زمینه دارد.

مسلما اولین و شاید مهمترین گام در این زمینه همان ثبت داده­های بالینی می­باشد که در اصطلاح داده برداری یا data acquisition گفته می­شود.

امروزه با وجود پیشرفت­های شگرف در ساختار تجهیزات پزشکی و حسگرهای با دقت بالا، ثبت سیگنال­ های مهندسی پزشکی با بالاترین کیفیت صورت می­پذیرد.

در اين مرحله سيگنال­هاي مكانيكي يا اکتروشيميايي به  سيگنال­هاي  الكتريكي تبديل مي­شوند

و  پس از تقویت معمولا به صورت فایل­های با پسوندهای با فرمت dat، txt، csv، xls، wav، mat و … بسته به نرم افزار ثبت داده ­ها قابل تغییر می­باشد.

آموزش پردازش سیگنال

آموزش پردازش سیگنال

پیش پردازش سیگنال­ های حیاتی

این مرحله از انجام پروژه سیگنال  شامل مراحل زیر می باشد:

۱-  فراخوانی داده ­های ثبت شده و آماده سازی آنها برای مراحل بعدی

۲-  کاهش فرکانس نمونه برداری (Down-sampling) در صورت نیاز

۳-  حذف نویز از سیگنال که در مورد سیگنال­های حیاتی از اهمیت ویژه­ای برخوردار است

در مورد روش­های حذف/کاهش نویز چند روش را به صورت اجمالی مرور خواهیم کرد.

به عنوان مثال در هنگام ثبت سیگنال ECG نویزهای متفاوتی بر روی آن اثر می­گذارند و یا آن را آلوده می­سازند که شامل موارد زیر می­باشند.

۱) تغییرات در پایه سیگنال (Baseline Wandering) که معمولا به صورت نویزهایی با فرکانس پایین مدل می­شود.

۲) آرتیفکت یا تداخل نویز با فرکانس ۵۰-۶۰ هرتز ناشی از خطوط انتقال برق شهری.

۳) تداخل با سیگنال الکترومایوگرافی (EMG) که سیگنالی الکتریکی است و از فعالیت عضلات دیگر اطراف قلب و نزدیک به الکترودها ناشی می­شود.

۴) نویز ایجاد شده به خاطر تکان خوردن­های الکترود روی پوست و در نتیجه تغییر امپدانس اتصال الکترود که در زمان ثبت سیگنال معمولا اجتناب ناپذیر است.

 

استخراج ویژگی پردازش سیگنال

استخراج ویژگی با استفاده از روشهای مدلسازی و آموزش پردازش سیگنال

یکی از روش­های مهم در زمینه استخراج ویژگی از سیگنال­ها مربوط است به روشی که در آن ابتدا با استفاده از مدل­های ریاضی

(که بیشتر در مبحث شناسایی سیستم از آنها یاد می­شود نظیر AR، ARMA، ARMAX در حالت­های خطی و غیرخطی (Nonlinear))

و یا مدل­های آماری نظیر مدل مخفی مارکوف (Hidden Markov Model) سیگنال را مدلسازی می­کنند

و در آخر ضرایب این مدل­ها را به عنوان ویژگی­های استخراج شده از سیگنال مد نظر قرار می­دهند.

استفاده از این روش خصوصا در زمینه­ های پردازش صوت و گفتار، پردازش سیگنال EEG،

پردازش سیگنال تغييرات نرخ ضربان قلب معروف به HRV،

و پردازش سیگنال­های مربوط به تعادل افراد بر روی صفحه نیرو (Force Plate) در سالیان اخیر در مقالات زیادی به چشم می­خورد

و مزایای زیادی از جمله مقاومت بالا به داده ­های پرت و نویز را می­توان از جمله مشخصه های آن دانست.

در برخی موارد به این ویژگی­ها، ویژگی­های مبتنی بر تحلیل سری زمانی نیز اتلاق می­شود.

 

آموزش پردازش سیگنال پزشکی

پس از استخراج ویژگی مرحله آخر انجام پروژه های پردازش سیگنال

استفاده از مباحث یادگیری ماشین به منظور تکمیل نمودن چرخه تشخیص در پردازش سیگنال مطرح خواهد شد.

این طبقه بندی بر اساس ویژگی­های استخراج شده

و شکاره کلاس مربوط به داده­ها انجام می­پذیرد

و البته برحسب اینکه کلاس داده­ها به عنوان خروجی در دسترس باشد یا نباشد

معمولا با نام­های کلاسه بندی و خوشه بندی تفکیک می­شود.

روش­های شبکه عصبی MLP، شبکه عصبی خودسازمانده SOM، ماشین بردار پشتیبان SVM،

شبکه فازی عصبی ANFIS، درخت تصمیم­گیری و … همه و همه می­توانند در این قسمت بسته به نوع کار مورد استفاده قرار گیرند.

آموزش برنامه نویسی

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

WhatsApp chat