Exam questions
.pdfдемонстрирует расчет по функции сплайна значений равномерно дискретизованного сигнала с частотой отсчетов 4 Гц (или с периодом 0.25 с).
Рис.1 Иллюстрация перехода от последовательности NN-интервалов (а) к равномерно дискретизованному сигналу с частотой 4 Гц (в) с использованием сплайн-интерполяции (б, в).
На рис.2, а, б соответственно показаны ритмограмма для фрагмента ЭКГ продолжительностью 5 мин и рассчитанный по ней равномерно дискретизованный сигнал.
На рис.3 показаны полученные для реализации сигнала сердечного ритма, приведенной на рис.2, оценки СПМ и значения рассчитанных по ним частотных параметров ВСР для двух методов спектрального анализа: метода Уэлча (а) и авторегрессионного (б).
Рис.2Ритмограмма фрагмента ЭКГ длительностью 5 минут (а) и интерполирующая кривая, полученная с использованием сплайнов (б).
Рис.3 Графики оценки СПМ и значения рассчитанных по ним частотных параметров ВСР для двух методов спектрального анализа: метода Уэлча (а) и авторегрессионного (б).
Расчет показателей VLF, LF и HF осуществляется интегрированием СПМ с использованием формулы прямоугольников по соответствующим диапазонам частот:
VLF = ∑ ( ) , 0,003 <= <= 0,04Гц
LF = ∑ ( ) , 0,04<= <= 0,15Гц
HF = ∑ ( ) , 0,15<= <= 0,4 Гц
где = д /N ( д– частота дискретизации, N – число входных значений ДПФ), а ( ) – значение СПМ с индексом k.
Можно видеть, что как вид графиков СПМ, так и значения рассчитанных разными методами параметров несколько различаются между собой, что объясняется случайным характером спектральных оценок, получаемых при использовании любого из методов. Необходимо также обратить внимание на единицы измерения спектральных показателей: СПМ измеряется в мс2/Гц, а мощность – в мс2. Это связано с тем, что в качестве исходных данных длярасчета спектров использовались длительности интервалов времени, измеряемые в миллисекундах.
34) Параметрические методы спектрального анализа. Модель АРСС.
СПМ для моделей АРСС, АР и СС.
Содержание: Идея параметрических методов. Модели АР, СС и АРСС.
Структурные схемы моделей. Характерные формы спектров.
Достоинства и недостатки (по сравнению с методами на основе БПФ)
Формула СПМ для моделей АР, СС и АРСС.
Непараметрические методы – спектральная плотности мощности (СПМ) определена как дискретно-временное преобразование Фурье (ДВПФ) бесконечной автокорреляционной последовательностью (АКП) (под этим полагают функцию, т.е. АКП=АКФ).
К параметрическому описанию оценок второго порядка можно прийти, рассматривая модель временного ряда, соответствующего анализируемому случайному процессу. Тогда СПМ этой модели временного ряда будет некоторой функцией параметров этого процесса, а не АКП, как в случае непараметрического описаний.
Выходные процессы моделей этого класса имеют СПМ, которые полностью описываются с помощью параметров модели и дисперсии белого шума. Значения этих параметров и дисперсии белого шума определяются по автокорреляционной последовательности по специальным соотношениям.
Применение параметрических моделей даёт более точную оценку СПМ и более высокое разрешение СПМ, чем в случае классических методов (лучше посмотреть по вопросам про классические методы оценки СПМ, т.е. вопросы до этого).
Так для всяких периодограммных и коррелограммных методов отсутствие данных или неоценённые значения АКП за пределами применяемого окна неявно полагаются нулю, что даёт искажения СПМ (лучше найти что-нибудь про периодограммный метод оценки СПМ, который через окна разной формы). На практике часто есть какая-то
информация относительно процесса, относительно которого берутся отсчёты данный, а затем на её основе можно построить модель, аппроксимирующую процесс. На основе этой модели можно делать более реалистичные допущения о данных вне окна, чем просто принятие всех значений вне окна равными нулю. Так отпадает необходимость в функциях окна, а значит и связанные с ними искажения.
Уравнение авторегрессии – скользящего среднего (АРСС):
|
|
( ) = − ∑ ( − ) + ∑ ( − )
=1 |
=0 |
|
|
= − ∑ ( − ) + ( ) + ∑ ( − )
=1 |
=1 |
где ( − ) – временная последовательность, сигнал, ( − ) – возбуждающий белый шум, и - параметры, характеризующие авторегрессионную и скользящего среднего части модели соответственно, , – порядок моделей АР и СС соответственно.
Тогда АР и СС модели описываются уравнениями соответственно:
( ) = − ∑ ( − ) + ( )
=1
( ) = ( ) + ∑ ( − )
=1
Структурные схемы моделей АРСС (слева), АР (сверху справа), СС (снизу справа).
Характерные формы спектров для СПМ АС, СС и АРСС моделей слева направо соответственно.
Классическое ДПФ бы дало дополнительные волны в промежутках между экстремумами.
Все модели используют ряд допущений, поэтому ни один из них не даёт истинного значения спектра. На практике АР используют чаще всего, так как пики – самые полезные результаты (это больше к конкретным практическим применениям, так что конкретно сказать, почему пики самые полезные, очень трудно, но можно это увести в сторону того, что в пиковых частотах больше всего энергии, а это интересует чаще всего).
Формула СПМ для АРСС, АР и СС соответственно:
|
|
|
|
1 + ∑ |
|
|
|
− 2 2 |
|||||
|
|
( ) = |
| |
=1 |
|
|
|
|
|
| |
|||
|
1 + ∑ |
|
|
|
|
− 2 |
|||||||
АРСС |
|
|
|
|
|
||||||||
|
|
|
|
=1 |
|
|
|
|
2 |
||||
|
|
|
|
|
|
1 |
|
|
|||||
|
( ) = | |
|
|
|
|
|
| |
|
|||||
|
|
|
|
|
|
|
|
|
|
||||
1 + ∑ |
|
|
|
|
− 2 |
|
|||||||
АР |
|
|
|
|
|
|
|||||||
|
|
|
|
=1 |
|
|
|
|
|
2 |
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
( ) = |
|1 + ∑ |
|
|
− 2| |
|
|
|||||
СС |
|
|
|
|
|
|
|
|
|
|
=1
где = 1/д, – оценка дисперсии возбуждающего белого шума для учёта масштаба реальной мощности исходного сигнала.
Так можно получить только СПМ исходного сигнала, другие данные об исходном сигнале получить нельзя.
Последовательность этапов спектрального анализа с использованием авторегрессионных методов:
1)Предварительная аналоговая фильтрация нижних частот для ограничения спектра.
2)Аналогово-цифровые преобразование с Fд.
3)Взятие участка сигнала.
4)Постоянные состояния и тренд.
5)Выбор порядка модели (обычно от 10 до 50).
6)Оценивание параметров АР модели.
7)Вычисление оценки СПМ.
8)Анализ результатов с целью оценки соотношений между дисперсией и разрешением спектра.
9)Если последний результат неудовлетворителен, то возврат к 5 пункту с выбором другого порядка модели. В ином случае окончание процедур.
При слишком малом значении порядка модели могут теряться определённые частотные составляющие, часто из-за недостаточного разрешения спектра. При чрезмерно большом значении порядка модели сильно усложняется расчёт СПМ.
35) Получение спектральных оценок с помощью АР-методов.
Содержание: Последовательность этапов получения спектральных оценок с помощью АР-методов.
Методы оценки параметров АР-модели.
Последовательность этапов получения спектральной оценки:
Предварительная аналоговая низкочастотная фильтрация. Ограничение спектра сигнала.
Дискретизация сигнала с частотой дискретизации. Получаем последовательность отсчетов.
Удаление линейной составляющей (линейного тренда)
Выбор порядка модели
Оценивание параметров модели (а, ρw)
Вычисление СПМ
Оценка качества СПМ и коррекция порядка р (затем возврат к оценке параметров и по кругу, пока не найдем подходящий порядок)
Если выбрать слишком большой порядок, то в спектре появятся ложные пики и шум (дисперсия спектральной оценки). Однако, если подобрать слишком маленький, то разрешение будет недостаточным и не все пики проявятся. Принятие решение о порядке это компромисс между разрешением (способность различать близкие частотные составляющие) и дисперсией спектра.
Существует критерий Аканке, с помощью которого можно автоматизировать выбор порядка (основан на понятии энтропии).
Методы оценки парметров АР-модели:
Метод Юла-Уокера
Он основан на АКФ (простой). Однако оценка некачетсвенная.Метод Берга
Он основан на критерии максиальной энтропии.
Ковариационный метод
Модифицированный ковариационный метод
Они основаны на теории линейного предсказания вперед и назад. Т.о. выход фильтра является предсказанием следующего значения.
Плюсы этих методов (ковариационного и модифицированного ковариационного):
Правдоподобное предположение о сигнале
Спектр можно построить по короткому фрагменту сигнала
Минусы:
Необходимость субъективного подбора порядка модели
Необратимость спектра
Математическая сложность
36) Сигнал ЭЭГ и его основные свойства.
Содержание: Происхождение сигнала ЭЭГ. Способ съёма. Частотные
свойства. Ритмы и события. Виды помех.
ЭЭГ (волны мозга) - сигнал, снимаемый с головы, содержит электрические сигналы, связанные с деятельностью мозга.
В клинической практике для сравнительного анализа активности различных отделов мозга проводится одновременная запись нескольких каналов ЭЭГ с различных электродов.
Схема съема - система электродов «10-20» Электроды располагаются вдоль центральной линии со значениями шага
равными 10,20,20,20,20,10% от общего расстояния между носом и затылком, остальные цепочки электродов также располагаются в позициях, соответствующих аналогичным долям расстояния. Позиции электродов симметричные.
Средняя амплитуда - 10-30 мкВ Частотный состав - 0-40Гц. Ритмы:
Альфа-ритм
Частота: 8-13 Гц Амплитуда: <100 мкВ Ритм у здоровых людей в расслабленном состоянии с закрытыми глазами, в затылочных отделах.
Бета-ритм
Частота: 14-40 Гц Амплитуда: <15 мкВ Ведущий ритм активного бодрствования, распределяется симметрично с
обеих сторон, больше очевиден в лобной областиДельта-ритм
Частота: 0,5-3 Гц Амплитуда: 40-300 мкВ Наблюдается у взрослых во фронтальной области. Характерен для медленной фазы сна у взрослых.
Тета-ритм
Частота: 4-6 Гц Амплитуда: 40-300 мкВ Ритм у взрослых и детей во время активации или в состоянии дремы, а также в расслабленном состоянии.
События (провления конечной деятельности в ответ на внешние стимулы):
Спайк-волна (пикообразные формы). Наблюдается при различных формах эпилепсии.
Вспышки
К-комплекс (вспышка активности, обычно состоящая из двухфазной высокоамплитудной волны с начальной негативной фазой, иногда сопровждается веретеном)
Мю-ритм (колебания 8-13 Гц над моторной корой головного мозга, идет подавление этого ритма, когда человек визуализирует какие-то движения или смотрит на человека, выполняющего движения)
Лямбда-волны(остроконечные волны с частотой 4-5 герц, которые возникают в затылочных областях коры, когда человек решает определенного типа зрительные задачи)
Веретено - элемент регистрируемый в состоянии естественного сна, имеет частоту от 10 до 16 Гц, появляется в начальной стадии медленного сна
Основа клинического анализа - визуальный анализ нативной ЭЭГ. Виды помех:
Сетевая
Миографическая (от других органов тела, если ближе к лицу, там много мышц)
Имеет широкий спектр.Окулограмма
Помеха от моргания. Нужно ограничить полосу частот с помощью ФНЧ.
Сглатывание слюны
Кардиограмма
Нарушение контакта электрода с кожей
37) Частотные методы анализа сигнала ЭЭГ.
Содержание: Частотные свойства сигнала ЭЭГ, основные ритмы.
Выделение ритмов с использованием ЦФ. Периодометрия. Параметры
спектра ЭЭГ.
Для получения количественных оценок частотных свойств ЭЭГ по рассчитанной спектральной плотности мощности для заданного частотного диапазона ЭЭГ вычисляются следующие основные численные показатели17:
•Aср — средняя амплитуда;
•Аmах — максимальная амплитуда;
•Fcр — средневзвешенная частота;
•Fmах — частота максимальной амплитуды спектра.
Если общее число элементов спектрального разложения равняется N, а частота дискретизации fд, то шаг спектра по оси частот составит f = fд/N. При этом частота, соответствующая элементу спектра с номером k, будет определяться выражением fk = k•Δf, а соответствующее значение СПМ может быть обозначено как P(fk). Если задать границы какого-либо частотного диапазона ЭЭГ номерами соответствующих составляющих спектра k1 и k2, то первые три из перечисленных выше спектральных показателей могут быть рассчитаны по формулам:
Показатель Fmах определяется как частота, соответствующая значению Аmах.
Ритмы ЭЭГ
1.Альфа-ритм с частотой 8-13 Гц и амплитудой до 100 мкВ является основным для предварительного выявления отклонений от нормы, и он регистрируется у 85-95% здоровых взрослых в спокойном расслабленном состоянии с закрытыми глазами. Лучше всего выражен в спокойном расслабленном состоянии с закрытыми глазами. Лучше всего выражен в затылочных (зрительных) отделах, по направлению ко лбу амплитуда его постепенно уменьшается и комбинируется с β-ритом. В лобных отделах