پاورپوینت در مورد سیگنال ها و سیستم ها

لینک دانلود و خرید پایین توضیحات

دسته بندی : پاورپوینت

نوع فایل :  .ppt ( قابل ویرایش و آماده پرینت )

تعداد اسلاید : 18 اسلاید

 قسمتی از متن .ppt : 

درس هشتم

سیگنال ها و سیستم ها

تبدیل فوریه

مثال‌هایی از تبدیل فوریه

تبدیل فوریه سیگنال‌های پریودیک

خصوصیات تبدیل فوریه

موضوعات این جلسه

x(t) را یک سیگنال غیرپریودیک در نظر بگیرید

این سیگنال را می‌توانید یک سیگنال پریودیک با پریود بی‌نهایت فرض کنید

برای یک سیگنال پریودیک، هارمونیک‌ها به فاصله‌ی ω0=2π/T از هم قرار دارند

پس اگر T∞ بنابراین ω00 و لذا اجزای هارمونیک‌ها در بعد فرکانس به هم نزدیک و نزدیکتر می‌شوند

سری فوریه تبدیل می‌شود به تبدیل فوریه

تبدیل فوریه سیگنال پیوسته در زمان

یک مثال جالب: موج مربعی

تبدیل فوریه سیگنال پیوسته در زمان

ثابت نگه می‌داریم

افزایش می‌دهیم

همچنانکه T افزایش می‌یابد نقاط گسسته در بعد فرکانس فشرده‌تر می‌شوند

تحقیق درمورد سیگنال

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 19

تبدیل

در واقع سیکنالها توسط تبدیلی قابل آنالیز و تحلیل است که بخوبی خواص حوزه فرکان و زمان را به صورت توئما توصیف کند . لذا تبدیلات ویولست و تبدیلات حوزه زمان – فرکانس در این زمینه بسیار راه گشا میباشد . تبدیل دیولیت پیوسته تصویر سیگنال X با مجموعه ای از توابع با متوسط سنو است این مجموعه شیفت زمانی و فرکانسی توابع پایه است .

a نماینده مقیاس است چنانچه 1 باشد موجکها کشیده (باز ) میشوند و چنانچه باشد موجکها فشرده میشوند . درواقع تبدیل دیولیت نوعی تبدیل زمان مقیاس است تا زمان فرکانس.

CWT و میتواند نوعی تحلیل بانک فیلتری که از فیلترهای میان کرز با عرض بانه نسبتا ثابت تشکیل شده اند در نظر گرفت . خواص تبدیل ویولیت

تبدیل موجکها محاسبه کود ریانی بین موجکها تغییر مقیاس داده شده و شیفت شیفت یافته در زمان میباشد .

مسئله مهم دراین جا اینست که مقادیر to و vo به گونه ای انتخاب شوند که حجم اطلاعات اضافی مینیمم شوند بدون آنکه هیچ گونه اطلاعاتی از دست بدهیم برای این قطور باید to vo باشد .

اینچنین اتمهایی ( hnto ,mvo ) خانواده ای از توابع غیر متعامد گسسته با نمونه برداری زیاد که ( Frame ) نامیده میشود را تشکیل میدهد .

چنانچه foxvo باشدصفحه زمان – فرکانس توسط اتمها اتمها hnto,mvo به اندازه کافی پوشش داده نمی شوند . و بین اتمهای کناری فاصله وجود خواهد داشت . چنانچه با انتخاب مناسب پنجره 1=to × vo شود این خانواده اتمها یک مجموعه عمود را تشکیل میدهد .

پراکندگی انرژی :

تاکنون تبدیل زمان فرکانس سیگنال و به خبر های پایه ( اتمهای متمرکز شده در زمان و فرکانس ) تجربه نمود این تبدیل و نمایش تدیل خطی سیگنال بود .

و دیگر به مسئله پاشیدگی و پراکندگی انرژی سیگنال در طول دو محور زمان و فرکانس میباشد .

سرفصل The spectrogram

مربع بخشی از STFT خیلی طیف انرژی سیگنال محلی پنجره شده ( t – u ) × h ( u ) x و را Specfrogram گویند .

این پراکندگی مقدار حقیقی و غیر منفی خواهد داشت .

چنانچه پنجره h تبدیل STFT انرژی واحد داشته باشد . نمایش طیف Specfrogram خاصیت پراکندگی انرژی کلی خواهد داشت . بنابراین Specfogram معیاری از محتوای انرژی سیگنال است که در حوزه زمان فرکانس د رنقطه (v و t ) قرار دارد نمونه آن نسبت به تمرکز localizatiom مستقل میباشد .

خصوصیات نمودار انرژی

کوار یانس زمان فرکانس : یک نتیجه مستقیم از تعریف Spectrogram اینست که شیفت زمان و فرکانس و حفظ میکند .

Spectrogram یکی از عناصر توزیع ها یعمود زمان – فرکانس میباشد . که سبب انتقال زمان و فرکانس دارای خاصیت همبستگی است به این خانواده از توزیع cohnenlo گفته میشود .

تفکیک پذیری زمان فرکانس

بنابراین تفکیک پذیری آن دقیقا مانند تبدیل STFT مربع دامنه تبدیل STFT ، مقدار Spectrogram میباشد . لذا بین تفکیک پذیری در زمان و تفکیک پذیری در فرکانس یک مصالحه وجود دارد . تفکیک پذیری پاپین بزرگترین ایراد این نوع نمایش است .

برای بررسی اثر پنجره کوتاه hو پنجره بلند h بر دقت زمان – فرکانس به مثال زیر توجه کنید .

چنانچه نرخ رشد فرکانس زیاد نباشد پنجره با طول زیاد بهتر است چرا که میتوان در طول پنجره فرض شبیه ایستان و در نظر گرفت بنابراین دقت زمانی به اندازه دقت فرکانسی اهمیت ندارد و در این مورد دقت فرکانسی اهمیت ندارد و در این مورد دقت فرکانسی دقت خوبی خواهیم داشت .

بررسی پراکندگی : در مقایسه با نمایش زمان فرکانس خطی که سیگنال را به مولفه های پایه ( اتم ها ) تجزیه میکند مقایسه contrast

هدف از توزیع انرژی ، دریافت چگونگی پراکندگی انرژی ، سیگنال بر روی توزیع زمان و فرکانس میباشد .

پاورپوینتی در مورد سیگنال ها و سیستم ها

لینک دانلود و خرید پایین توضیحات

دسته بندی : پاورپوینت

نوع فایل :  .ppt ( قابل ویرایش و آماده پرینت )

تعداد اسلاید : 18 اسلاید

 قسمتی از متن .ppt : 

درس هشتم

سیگنال ها و سیستم ها

تبدیل فوریه

مثال‌هایی از تبدیل فوریه

تبدیل فوریه سیگنال‌های پریودیک

خصوصیات تبدیل فوریه

موضوعات این جلسه

x(t) را یک سیگنال غیرپریودیک در نظر بگیرید

این سیگنال را می‌توانید یک سیگنال پریودیک با پریود بی‌نهایت فرض کنید

برای یک سیگنال پریودیک، هارمونیک‌ها به فاصله‌ی ω0=2π/T از هم قرار دارند

پس اگر T∞ بنابراین ω00 و لذا اجزای هارمونیک‌ها در بعد فرکانس به هم نزدیک و نزدیکتر می‌شوند

سری فوریه تبدیل می‌شود به تبدیل فوریه

تبدیل فوریه سیگنال پیوسته در زمان

یک مثال جالب: موج مربعی

تبدیل فوریه سیگنال پیوسته در زمان

ثابت نگه می‌داریم

افزایش می‌دهیم

همچنانکه T افزایش می‌یابد نقاط گسسته در بعد فرکانس فشرده‌تر می‌شوند

تحقیق در مورد روش های تولید سیگنال الکتروکاردیوگرام 4 ص

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 5

روش های تولید سیگنال الکتروکاردیوگرام (‏ECG‏)

در سال های اخیر توجه زیادی به تولید مصنوعی سیگنال های الکتروکاردیوگرام(‏‎ (ECG‎به کمک مدل های ریاضی معطوف شده است . یکی از کاربردهای مدل های دینامیکی که سیگنال های ‏ECG‏ مصنوعی تولید می کند، ارزیابی آسان دستگاه های پردازش سیگنال تشخیصی ‏‎  ECGاست.

همچنین باید مدل از توانایی لازم برای تولید سیگنال های ‏ECG‏ طبیعی و غیر طبیعی برخوردار باشد.اختلاف پتانسیل ثبت شده بین دو الکترود که روی سطح پوست قرارداده شده اند، به الکتروکاردیوگرام ‏‎(ECG)‎‏ سطحی معروف است . دی پلاریزاسیون/ ری پلاریزاسیون های دهلیزی و بطنی متوالی که در هر دوره قلبی اتفاق می افتد قله و دره هایی در یک سیکل منفرد سیگنال ‏ECG‏ طبیعی ایجاد می کند . این قله ها و دره ها با حروف ‏T,S,R,Q,P‏ نام گذاری می شوند.‏تنوع ضربان - ضربان در ‏RR‏ داخلی ، تنوع درمحدوده مقیاس زمانی از ثانیه تا روز است بعضی از این تغییرات به خوبی قابل درک هستند و برگرفته از :‏

/

 شکل 1- اتصال سیستم عصبی به قلب

‏1- حمله قلبی بین مکانیزم کنترل متفاوت فیزیولوژی از قبیل آریتمی سینوس تنفسی ‏‎(RSA)  ‎‏ و موج های مایراست. 2- میزان فعالیت فیزیکی و ذهنی3- ریتم ‏circadian‏ 4- اثرات مراحل مختلف خوابانتشار ضربان قلب از گره سینوسی - دهلیزی به دهلیزها و سپس به دسته دهلیزی بطنی هیس و سرانجام به بطن ها همراه با تغییرات پتانسیل الکتریکی است که می توان آن را در فاصله ای دورتر از قلب ثبت کرد. منحنی تغییرات الکتریکی قلب را الکتروکاردیوگرام یا به اختصار ‏ECG‏ می نامند .‏سیستم اعصاب مرکزی ‏‎(ANS) ‎‏ مسئول تنظیم کوتاه مدت فشار خون  است . ‏ANS، قسمتی  ‏از سیستم اعصاب مرکزی ‏‎(CNS) ‎‏ است. ‏ANS‏ از دو زیر سیستم سمپاتیک و پاراسمپاتیک استفاده می کند. سیستم سمپاتیک در شرایط استرس فعال می شود تا نرخ ضربان قلب را بالا ببرد . سیستم سمپاتیک می تواند نرخ ضربان قلب را تا 180 ضربان دردقیقه ‏‎(bpm)‎‏ بالا ببرد ‏‎.‎فیبر های عصبی سمپاتیک تمام قلب از جمله گره سینوسی - دهلیزی ، گره دهلیزی - بطنی ، مسیر های هدایتی و عضلات دهلیزی و بطنی را تحت تاثیر قرار می دهد‏‎.‎‏ با افزایش فعالیت سمپاتیک نرخ ضربان قلب و نیروی انقباضی افزایش می یابد. به علاوه میزان هدایت قلب افزایش و مدت انقباض آن کاهش می یابد. در مقابل ، سیستم پاراسمپاتیک در زمان استراحت فعال می شود و می تواند نرخ ضربان قلب را تا ‏bpm‏ 60 پایین بیاورد. سیستم پاراسمپاتیک مسیر های هدایت دهلیزی - بطنی و عضلات دهلیزی‎ ‎را تحت تأثیر قرار  می دهد‏‎.

‎روش های مختلفی برای تولید سیگنال وجود دارد که می توان به دو بخش عمده خطی و غیر خطی تقسیم کرد.

/

شکل2- مسیر حرکت نمونه تولید شده توسط مدل ‏Mc sharry

چند نمونه از روش های غیر خطی به صورت ذیل است:

روش ‏MC sharry‏ ، شبکه عصبی، ‏IPFM‏ ، مدل دینامیکی، مدل ‏zeeman، مدل ترکیبی ‏GCM‏ و از روش های خطی نیز می توان به روش های پارامتری مانند مدل های ‏AR,ARMA,‎‏ نام برد.‏مدل ‏McSharry‏  یک سیکل جدی در فضای سه بعدی ‏‎(x,Y,Z)‎‏ ایجاد می کند به طوری که هر حرکت کامل روی آن متناظر با یک سیکل قلبی در نظر گرفته می شود. تصویر مسیر حرکت روی صفحه ‏x-y‏ یک دایره است. تصویر این حرکت روی محور ‏z‏ ، سیگنال ‏ECG‏ را فراهم می کند.‏‎ ‎در مدلIPFM‏ از ورودی انتگرال گرفته می شود تا هنگامی که  حاصل انتگرال به سطح آستانه ای برابر ‏TH‏ برسد، در این زمان پالسی به عنوان ضربان قلب می شود. سطح آستانه ‏Th‏ را می توان با یک توزیع تصادفی گوسی انتخاب کرد. ورودی انتگراتور مجموع دو سیگنال است . یکی ‏m(t)‎‏ که بیانگر فعالیت اعصاب سمپاتیک و پاراسمپاتیک است و دیگری ‏‏ که به‏‎ ‎عنوان یک ورودی داخلی برای گره ‏SA‏ در نظر گرفته می شود. هنگامی که ‏m(t)‎‏ برابر صفر باشد ، پالس های تولید شده دارای فرکانس متناسب با ‏‏ خواهد بود. البته باید توجه کرد که  باید همواره مثبت باشد. بلوک دیاگرام مدل ارائه شده برای تولید ‏HRV‏ توسط ‏IPFM‏ به صورت روبه رواست.در مدل غیر خطی از مبنای شبکه های عصبی برای تولید سیگنال الکتروکاردیوگرام همراه با شبکه عصبی با توابع شعاعی ‏‎(RBF) ‎‏ در یک مدل دینامیکی غیر خطی که بر پایه مدل دینامیکی ‏Mc Sharry ‎‏ و همکاران بنا شده است استفاده شده که ، روش مناسبی برای تولید مصنوعی سیگنال های الکتروکاردیوگرام است.‏

/

شکل3-  بلوک دیاگرام مدل ‏IPFM

درروش مدل ‏zeeman‏  یک مدل جبرانی برای تولید سیگنال ‏ECG‏ مصنوعی مطرح شده است .  این مدل اثر آریتمی سینوسی تنفسی ، موج های مایر از همه مهم تر مولفه فرکانس پایین در طیف توان ‏HRV‏ را دخالت داده است . در مدل ، اثرات فعالیت های سمپاتیک و پاراسمپاتیک در مولفه های ‏LF , HF , VLF‏ در طیف توان ‏HRV‏ شامل می شود .  درروش تولید سیگنال ‏ECG‏ با استفاده از مدل ترکیبی گوسین ‏‎(GCM)‎‏ برای تولید الکترو کاردیو گرام ‏‎(ECG)‎‏ مولد سیگنال ویژگی های مورفولوژی ‏ECG‏ را در اطراف نقاط اکسترمم بیان می کند. دو روش برای تعداد شناسه های گوسین وجود دارد:1 روش  دستی : اپراتور تعداد گوسین ها را در این مدل پیشنهاد می کند .2 روش اتوماتیک : تعداد گوسین ها به طور اتوماتیک شناسایی شده و بر پایه خطای نهایی مطلوب است. در تولید ‏ECG‏ با استفاده از روش ‏GCM‏ باید تطبیقی بین صحت و زمان اجرا شدن وجود داشته باشد. نتایج تطبیق در این روش به تعداد گوسین ها بستگی دارد.‏HRV‏  به عنوان یکی از مهم ترین راه ها برای در نظر گرفتن سیستم قلبی - عروقی و کنترل آن است. ‏HRV‏ به ضربان - ضربان نرخ قلب به عنوان استخراج از ضربان های پیوسته زمان داخلی ، ‏RR‏ داخلی و حدود مقدار میانگین ‏‎ (HR - RR)‎است.‏طبقه بندی سری زمانی یکی از مسائلی است که کاربرد وسیعی در زمینه های متنوع دارد و اخیراً مورد توجه بسیاری از محققان بوده است. تحقیق های اخیر برروی طبقه بندی داده های استخراجی از مدل های ‏ARMA‏ با استفاده از الگوریتم های ‏K-means‏ و ‏K-medoids‏ با فاصله اقلیدسی بین پارامترهای تخمینی مدل، تمرکز شده است. در این تحقیقات ثابت شده که طبقه بندی به وسیله دیتای برش خورده، مزایای زیر را به دنبال خواهد داشت:

/

شکل4- بلوک دیاگرام مدل ارائه شده برای تولید ‏HRV‏ توسط ‏IPF