Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:

Vychislitelny_praktikum

.pdf
Скачиваний:
12
Добавлен:
16.03.2015
Размер:
7.27 Mб
Скачать

Рисунок П 18.5 – Экранная форма подсистемы аппроксимации КФ с отображением результатов эксперимента

Рисунок П 18.6 – Экранная форма подсистемы построения модели СПМ

273

Рисунок П 18.7 – Экранная форма подсистемы аппроксимации СПМ

Результаты проведения аппроксимации отражены на экранной форме, представленной на рисунке П 18.8. Нажатием правой кнопки мыши по графическому плоту, на котором отображается функциональная зависимость и ее ортогональная модель, выгружается информационное окно с обобщенными спектральными характеристиками.

Рисунок П 18.8 – Экранная форма подсистемы аппроксимации СПМ с отображением результатов эксперимента

274

По параметрам аппроксимативной модели СПМ можно восстановить исходную модель КФ. Результаты построения КФ представлены в подсистеме восстановления взаимной корреляционной функции (см. рисунок П 18.9). При необходимости в указанную подсистему можно передать исходную корреляционную функцию из подсистемы формирования взаимной корреляционной функции нажатием соответствующей кнопки. Результаты наложения исходной и полученной корреляционных функций представлены на рисунке П 18.10.

Рисунок П 18.9 – Экранная форма подсистемы восстановления ВКФ

Рисунок П 18.10 – Экранная форма подсистемы восстановления ВКФ с наложением исходной ВКФ

275

Приложение 19

Формат вводимых и выводимых файлов

Процесс с

Процесс с

 

Спектраль-

ВКФ с регу-

ная плот-

регулярной

нерегуляр-

лярной дис-

ность мощ-

дискретиза-

ной дискре-

кретизацией

ности (па-

цией

тизацией

*txt

рам. модели)

*rd

*nrd

 

*txt

 

 

 

M

M j

J max,п

ω

t

x(1)

J max,л

ωэ

x(1)

τ

Sx (ωэ )

ρx,п (1)

ωэ

x(M j )

Sx (1)

t(1)

ρx,п (J max,п )

Sx (2)

ρx,л (1)

 

 

 

 

 

 

 

 

 

 

 

 

x(M)

t(M j )

ρx,л (J max,л )

Sx (N)

Спектральная плотность мощности

*txt

ω

ωэ

Sx (ωэ )

ωэ

Sx (1) Sx (2)

Sx (N)

Параметры ортогональных функций

*txt

αп

β0,п

βm1,п

αл

β0,л

βm2,л

τm

ρxymax

m

τ(k2)

τ(k4)

276

Приложение 20

ПРИМЕР ОБРАБОТКИ ЭКСПЕРИМЕНТАЛЬНЫХ ДАННЫХ

КОРРЕЛЯЦИОННО-СПЕКТРАЛЬНЫЙ АНАЛИЗ ФОТОПЛЕТИЗМОГРАММ

Описание предметной области и постановка задачи

Движение крови в сосудах обусловлено работой сердца. При сокращении миокарда желудочков кровь под давлением изгоняется из сердца в аорту и легочную артерию. Ритмические сокращения миокарда образуют ритмические расширения сосудистой стенки (пульс), которые под действием распространения волн давления от начальной части аорты к артериолам и капиллярам вызывают распространение пульсовых волн. В фотоплетизмографии (ФПГ) участок тканей, в котором исследуется кровоток, например палец руки, располагают на пути луча света между источником излучения и фотоприемником. Поскольку поглощение света в тканях пропорционально объему крови, проходящему через освещаемый участок, то усиливая сигнал фотоприемника, можно зарегистрировать изменения его амплитуды и параметров объемной пульсовой волны, обусловленные артериальной пульсацией сосуда [13, 14].

Решим следующие задачи с использованием автоматизированной системы аппроксимативного корреляционно-спектрального анализа в ортогональных базисах:

1)определить частоту пульсаций по фотоплетизмограмме с использованием аппроксимативного корреляционно-спектрального анализа в ортогональных базисах;

2)определить корреляцию параметров пульсовых волн по спектру мощности фотоплетизмограммы;

3)определить корреляцию параметров пульсовых волн по различным реализациям фотоплетизмограммы одного объекта, либо нескольких объектов, относящихся к одной группе.

Перед проведением корреляционно-спектрального анализа, исходный процесс необходимо отцентрировать, например, с применением ортогональных полиномов

[21].Вид центрированных фотоплетизмограмм, являющихся набором исходных данных для обработки и решения вышеуказанных задач, приведен в Приложении 21.

Определение частоты пульсаций по фотоплетизмограмме

Для определения частоты пульсаций проведен корреляционно-спектральный анализ. На рисунке П 20.1 представлен исходный центрированный процесс FPG - 13 (см. Приложение 21).

277

Рисунок П 20.1 - Центрированный процесс, полученный с датчика с интервалом в 10 мс, объем выборки - 2854

Ниже на рисунках П 20.2 и П 20.3 – АКФ с интервалом дискретизации τ = 0,01 и числом ординат восстановления Nx = 1500 и ее фазовый портрет соответственно.

Рисунок П 20.2 - АКФ с параметрами τ = 0,01 , N x = 1500

278

Рисунок П 20.3 – Фазовый портрет АКФ

Построим ортогональную модель АКФ с помощью ортогональных функций Со- нина-Лагерра (1) (см. рисунок П 20.4).

Рисунок П 20.4 – Аппроксимация АКФ ортогональными функциями Сонина-Лагерра (1); γ = 10 , m = 280 , δ = 0,087

Тогда, по параметрам ортогональной модели АКФ оценим СПМ процесса и определим обобщенные спектральные характеристики (см. рисунок П 20.5). На рисунке построены графики реальной части СПМ и модуля СПМ, а прямоугольником указана найденная эквивалентная ширина.

279

 

 

Рисунок П 20.5 – Модель СПМ и его составляющие с характеристиками

 

 

 

ωe =7,85 , S(ωe )= 0,83047 , ωe

= 8,151

 

 

 

Известно, что СПМ представляет собой распределение частот процесса. В свою

очередь частота пульсаций соответствует экстремальной частоте

ωe =7,85 рад с.

Данное

значение представлено

в относительных

единицах.

Следовательно,

fп

=

ωe

= 1,25 уд с или fп =75

уд мин.

 

 

 

 

2π

 

 

 

 

Определение корреляции параметров пульсовых волн по спектру мощности фотоплетизмограммы

Заметим, что разработанная автоматизированная система при необходимости позволяет найти решении обратной задачи, а именно, по имеющейся спектральной плотности мощности, построив ее ортогональную модель в выбранном базисе, восстановить КФ с заданным числом ординат восстановления.

Воспользуемся данной возможностью для определения корреляции различных параметров сигнала (в данном случае параметров объемной пульсовой волны) через определение его корреляционной функции.

В качестве исходных данных используем СПМ, полученную при решении прямой задачи (см. рисунок П 20.5), и построим ортогональную модель ее действительной компоненты в ортогональном базисе Лагерра. На рисунке П 20.6 – результаты аппроксимации.

280

Рисунок П 20.6 – Аппроксимация действительной части СПМ ортогональными функциями Лагерра; γ = 5 , m = 350 , δ =0,0362

По параметрам ортогональной модели СПМ (мнимая компонента равна нулю) можно оценить КФ и спектральные характеристики (см. рисунок П 20.7).

Рисунок П 20.7 – Модель КФ, восстановленная по параметрам модели СПМ

Для проверки адекватности предложенных алгоритмов корреляционноспектрального анализа и достоверности результатов, получаемых при обработке реальных сигналов, наложим модель исходной АКФ (см. рисунок П 20.4) и модели КФ, полученной при решении прямой и обратной задачи. Результат наложения графиков представлен на рисунке П 20.8.

281

Рисунок П 20.8 – Модель КФ, восстановленная по параметрам модели СПМ, и исходная АКФ

Итак, при сравнении полученных таким образом корреляционных функций можно судить об изменении параметров исходного сигнала и об их влиянии друг на друга по спектру мощности, а также о виде сигналов, поступающих на вход по характеру получаемой корреляционной функции: АКФ либо ВКФ.

Определение корреляции параметров пульсовых волн по различным реализациям фотоплетизмограммы

Проведем исследование коэффициента корреляции двух сигналов – различных реализаций фотоплетизмограммы. Исходные данные для обработки представлены в Приложении 21.

Для решения данной задачи необходимо сформировать ВКФ. На рисунках П 20.9 и П 20.10 представлены результаты построения ВКФ и ее фазового портрета для сигналов FPG – 13 и FPG – 14.

282

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]