فشرده سازی اطلاعات با استفاده از تبدیل ویولت و کاربرد آن در سیگنال های ecg
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه تبریز
- نویسنده شبنم افکاری
- استاد راهنما محمد علی طینتی بهزاد مظفری تازه کند
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1388
چکیده
هدف از فشرده سازی دیتا نمایش آن با حتی الامکان تعداد بیتهای کمتر، در مقابل ایجاد اعوجاج قابل قبول در دیتای بازسازی شده می باشد. در این پایان نامه سعی بر این است که از تبدیل ویولت بدلیل خواص منحصر به فرد آن بعنوان ابزاری با راندمان بالا در فشرده سازی سیگنالهای دیجیتالی استفاده شود که در آن سیگنالهای ecg بعنوان ورودی، در نظر گرفته شده است. روش های فشرده سازی به سه گروه تقسیم می شوند که عبارتند از: روش استخراج ویژگیها، روش حوزه زمان و روش حوزه تبدیل. در این پایان نامه به دلیل عملکرد بهتر روشهای حوزه تبدیل، توجه ما روی این روش ها معطوف شده است. الگوریتم ارائه شده برای فشرده سازی دیتای ecg، در حوزه تبدیل ویولت به صورت real time بوده و با استفاده از تکنیک resampling روشی جدید برای محاسبه آستانه متغیر در حوزه تبدیل ارائه می دهد که بر پایه پارامترهای آماری ضرایب حاصل از تجزیه ویولت سیگنال بنا شده است. الگوریتم پیشنهادی شامل مراحل پیش پردازش، اعمال تبدیل ویولت گسسته، فریم بندی ضرایب حاصل از تجزیه ویولت، آستانه گذاریadaptive ضرایب ویولت و کدگذاری به روش rle می باشد. نتایج بدست آمده از اعمال روش پیشنهادی بر روی سیگنالهای ecg از پایگاه داده های mit-bih (با رزولوشن 11 بیت و نرخ نمونه برداری hz360)، حاکی از کارآمدی آن در توصیف سیگنال ecg دلخواه با حداقل پارامترها می باشد و به متوسط نرخ فشرده سازی 92/17 و متوسط prd 34/2% منجر می شود.
منابع مشابه
فشرده سازی سیگنال ecg با استفاده از تبدیل مالتی ویولت
در دو دهه اخیر نظریه ویولت ها برای آنالیز سیستم های مهندسی بکار گرفته شده اند و در این مدت کوتاه توانایی این ابزار ریاضی آشکار شده است. استفاده از ویولت ها در پردازش سیگنال و تصویر، پردازش صوت، فشرده سازی داده ها ، تئوری تقریب، کاربردهای عددی و … مورد استفاده قرار گرفته و منجر به نتایج جالب و مطلوبی گردیده است. خصوصیاتی نظیر محمل فشرده و کوتاه، تعامد، تقارن، ممانهای صفر و غیره، منجر به کارآیی و...
15 صفحه اولآشکار سازی مولفه های شناختی سیگنال مغز با استفاده از ضرایب ویولت
مولفه P300 یکی از مهمترین سیگنال های الکتریکی مرتبط با فعالیت های شناختی مغز است. در این تحقیق، با استفاده از تبدیل ویولت گسسته، سیگنال های تک ثبت گرفته شده از روی سر، به مولفه های مختلف فرکانسی تجزیه گردیده و از ضرایب به دست آمده به عنوان ویژگی های مرتبط با فعالیتهای شناختی مورد مطالعه استفاده شده است. بررسی ویژگی ها نشان می دهد اغلب پردازش های شناختی مورد بررسی در ویژگی های مربوط به باندهای د...
متن کاملکدینگ سیگنال ecg برای بهبود فشرده سازی به منظور استفاده در پزشکی از راه دور
همواره سرعت بخشیدن روند رساندن اطلاعات به کارگروه مراقبت پزشکی از مهمترین اهدافی است که به منظور افزایش بازده تشخیص و درمان دنبال می شود. امروزه با دست یابی به فناوری های جدید انتقال اطلاعات و با توجه به وجود محدودیت هایی در روش های قدیم، بکارگیری این فرایندها روز به روز در حال گسترش است. در این تحقیق پیشنهاد شده است برای انتقال سیگنال الکتروکاردیوگرام ابتدا سیگنال را به صورت دنباله ای از ضرا...
متن کاملمتراکم سازی و بازسازی سیگنال چندکاناله ecg بااستفاده از دریافت فشرده و تبدیل موجک
کنترل مداوم علائم حیاتی بیماران قلبی، که یکی از مهمترین آنها سیگنال ecg می باشد، از اهمیت ویژه ای برخوردار است. ارسال سیگنال ecg در شبکه یا ذخیره سازی آن، با چالش هایی نظیر محدودیت حافظه و پهنای باند مواجه می گردد. مهم ترین راهکار این چالش، فشرده سازی سیگنال ecg است. cs یک پروتکل بسیار ساده وکارآمد است، که از سیگنال در یک نرخ پایین نمونه برداری کرده و سپس به کمک محاسباتی قدرتمند، سیگنال اصلی را...
فشرده سازی سیگنال 12 کاناله ecg با استفاده از تبدیل موجک گسسته و روش ویژه اسکن ضرایب
در سال های اخیر، روش های بسیاری برای فشرده سازی داده های دیجیتالی معرفی شده اند، که کاربرد بسیاری در سیستم های مخابراتی دارند. این روش ها در زمینه های دیگری از جمله سیستم های تشخیص پزشکی کاربرد یافته-اند. هدف این پروژه یافتن روشی کارآمد جهت فشرده سازی تلفاتی سیگنال 12 کاناله قلب است به گونه ای که اطلاعات تشخیصی از بین نرود. روش پیشنهاد شده در این رساله، با به کارگیری پیش پردازش ها و استفاده از ...
منابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه تبریز
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023