- •Часть 2
- •1.1. Клиническая оценка эффективности
- •1.2 Инженерные методы оценок качества приборов.
- •1.3 Информативность методик обследования
- •2 Электроды
- •Характеристики электродов
- •3 Усилители электробиосигналов (убс)
- •3.1. Построение усилителей биосигналов (убс)
- •3.2 Согласование усилителя с электродами
- •3.4. Методы подавления сетевой помехи
- •3.5. Подавление сетевой помехи вычитанием в усилителе
- •3.6. Типовое построение схем убс (Рис 2.7-2.9)
- •3.7. Шумовые характеристики убс
- •3.8. Защита убп от статических разрядов и импульса дефибриллятора.
- •3. Современное построение эк
- •4. Выбор частоты квантования ацп
- •4.1. Влияние неограниченности спектра сигнала
- •4.3. Искажение сигнала во входном фильтре. Метод парных эхо
- •4 .4. Погрешности амплитудного квантования ацп
- •4.5. Погрешности за счет выходного интерполирующего фильтра
- •4.6. Пример выбора частоты квантования
- •5. Простейшие элементы цифровой фильтрации
- •5.1 Общие свойства цифровой фильтрация
- •5.2 Примеры простых, легко реализуемых фильтров
- •5.3 Использованием пропуска и добавления отсчетов
- •5.4 Комбинаторика структур простейших фильтров.
- •5.6. Дифференцирующие фильтры
- •7.16. Распознавание образов
- •6. Морфологический, контурный анализ, измерение
- •6.1 Выделение комплексов
- •6.2 Измерение параметров
- •6.3 Обнаружители r пика
- •6.3.2. Технологии "Фильтр - ограничитель - фильтр (фоф)
- •6.4 Измерение амплитуды и длительности
- •Измерение моментов точек начала и конца
- •7. Математические методы обработки биосигналов
- •7.1. Удобными считаются аналитические функции
- •7.4. Преобразование Фурье
- •7.5 Равенство Парсеваля
- •7.6. Системы базисных функций
- •7.7. Разложение функций по ортогональным полиномам
- •7.8. Векторное представление сигнала.
- •7.9. Интегральное преобразование Фурье
- •7.10 Использование интегральных преобразований
- •7.12. Теорема отсчетов как преобразование Фурье
- •7.13. Фильтрация
- •7.14 . Интерполяция
- •7.15. Экстраполяция
- •8. Статистические методы
- •8.2 Оптимальная фильтрация сигнала в шуме
- •8.3 Оценка параметров. Потенциальная точность
- •8.3.1. Байесовский метод
- •8.3.2 Разделение сигнальной и шумовой функции
- •8.3.3 Ошибки случайного смещения
- •8.3.4 Ошибки неоднозначности
- •8.3.5 Метод функции правдоподобия. Проблема априорной недостаточности
- •8.4. Фильтрация Калмана - Бьюиси
- •8.5 Проверка гипотез
- •8.6 Статистические методы распознавания образов
- •8.8 Персептрон Розенблата
- •Приложение 1
- •Доказательство принципа взаимности
- •Приложение 2.
- •Приложение 3.
- •Приложение 4
- •Приложение 5
- •5.1 Проверка гипотез
- •5.2 Последовательный анализ
- •Приложение 6 Технический уход за электродами и их подготовка.
- •1) Удаление с электродов старого слоя хлористого серебра
- •2) Хлорирование серебряных электродов
- •Приложение 7
- •Приложение 8
- •8.1. Работа процессора в реальном времени
- •Приложение 9
- •Приложение 10
- •9.1. Требования к защите медицинских приборов от питающей сети 220в 50Гц.
- •6.4 Обеспечение безопасности
- •9.2. Безопасность при комплексировании приборов
- •9 .3 Безопасность при работе с электродефибрилятором
- •9.4. Измерение токов утечки
7.4. Преобразование Фурье
Качество совмещения экспериментальной функции с выбранной нами заменой может оказаться очень плохой, с большой невязкой Q. Тогда можно предположить, что экспериментальная функция является отображением не одной, а набора, суммы различных функций. Этот набор функций принято называть базисным рядом, причем каждая функция базисного ряда может иметь свои параметры оптимизации.
Ж.Б. Фурье предложил в качестве базисного ряда использовать набор синусоид с кратными частотами. Он показал, что при увеличении числа членов базисного ряда подмена исходной функции происходит уже не приближенно, а точно. Более того, у кратных синусоид базисного ряда имеется замечательное свойство: они ортогональны. Как следствие, нахождение, оценка параметров одной составляющей базисного ряда никак не влияет на нахождение остальных: ортогональность позволяет независимо находить оценки параметров каждого члена базисного ряда.
Фурье
Жан Батист Жозеф (1768-1830),
французский математик, член Парижской
АН (1817). Окончил военную школу. Первые
труды относятся к 1796г. В 1807 он представил
Парижской АН свои открытия в теории
теплопроводности, в 1822 издал книгу
«Аналитическая теория тепла», В основе
его методов лежало представление
функций тригонометрическими рядами, с
тех пор такие ряды называются рядами
Фурье.
Сегодня набор кратных синусоид называется базисным рядом Фурье. А разложение - преобразованием Фурье
Пусть функция f(t) задана на интервале Т. Мы можем считать ее периодической, если повторим ее вне этого интервала с тем же периодом. Преобразование Фурье на интервале Т есть разложение в ряд по функциям sin(i2π/Т)t, i=1,2,3.... Каждый член разложения Фурье находится как наименее уклоняющаяся синусоида от функции Ф(t), т.е. используется метод Гаусса. Процесс разложения может интерпретироваться как нахождение проекций функции Ф(t) на систему базисных векторов.
Т.к. форма каждого члена базисного ряда заранее известна, то информативны только параметры члена ряда, например амплитуда и фаза синусоиды. Распределение найденных амплитуд (коэффициентов) разложения называется спектром. В зависимости от формы представления базисного ряда используются три формы разложения и спектральных коэффициентов:
Спектральные коэффициенты а,б,А,φ,С находятся из уравнений, знакомых из определения проекций функций:
,
,
.
Связь между коэффициентами определяется
соотношениями:
,
φ- фаза синусоиды, Ci=1/2(ai-jbi),
i -номер гармоники
разложения i=1,2,3...., ω=1/Т-частота
первой гармоники разложения на интервале
периодичности Т.
Соответствие функции и ее спектра коротко обозначается: f(t) с(i ω), т.е. функция Ф(t) имеет спектр с(i ω), i=1,2,3.....
Преобразование утверждает, что функция Ф(t) и сумма синусоид с подобранными спектральными коэффициентами совпадают по форме. Это значит, что преобразование обратимо. Имея спектр мы можем получить точное выражение исходной функции методом обратного преобразования Фурье (т.е. суммированием спектральных синусоид с известными спектральными амплитудами). Таким образом без потери информации вместо Ф(t) мы можем рассматривать график спектра с(iω) или выбирать тот вид представления, который удобен.
Преобразование переводит нас из пространства времени в пространство спектров. В пространстве времени нет понятия спектра, в пространстве спектров нет понятия времени. Операции умножения двух функций в пространстве спектров называются фильтрацией (изменение формы спектра). В пространстве времени операции умножения называются модуляцией или гетеродинированием.
П
ри
взятии производной функции ее спектр,
умножается на jω.
Поэтому преобразование Фурье приводят
решение дифференциальных уравнений к
алгебраическим. Таким
образом преобразование Фурье является
мощным средством решения дифференциальных
уравнений (именно это свойство привлекло
Фурье). На рис
7.4
представлены спектры некоторых
периодических сигналов.
