- •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
7.5 Равенство Парсеваля
7.6. Системы базисных функций
Кратные синусоиды не единственная система базисных функций, но исторически она была первой. Часто используются базисные ряды в виде полиномов. Все подобные разложения называют Фурье разложениями, а ряды найденных коэффициентов - спектрами. Желательно, что бы произвольный базисный ряд обладал свойством ортогональности. Напомним, что разложения Фурье одновременно являются:
а) нахождением коэффициентов, при которых члены базисного ряда становятся наименее уклоняющимися от исходной функции,
б) нахождением корреляций между функцией и членами базисного ряда,
в) нахождением проекций функции на систему базисных векторов.
Точное разложение требует бесконечного числа членов ряда, но на практике желательно использовать ограниченное их число. Возникает погрешность разложения. Погрешность оценивается величиной среднего квадрата остаточной ошибки или «невязки». Квадрат невязок нам уже знаком и имеет вид:
,
где θi(t)
является членом ряда Фурье. Проверка
достаточности разложения состоит в
сравнении величины невязки при добавлении
нового члена разложения. Если при этом
невязка изменяется мало, то число членов
выбрано правильно.
Набор базисных функции можно конструировать самостоятельно в каждом конкретном случае, например раскладывать сигнал на заданное число фрагментов известных образов. Этот набор не обязан быть ортонормированным, однако тогда теряются удобства независимости нахождения коэффициентов спектра. Как следствие будет требоваться одновременное, совместное нахождение коэффициентов разложения .
7.7. Разложение функций по ортогональным полиномам
Базисный ряд синусоид хорошо применим для композиции осцилирующих функций, однако многие функции монотонны. Для них удобнее другие базисные системы, например на основе полиномов типа А+Бх+Сх2+... Для обеспечения свойств ортонормированности полином А+Бх+Сх2+... перегруппируется, тогда он называется полиномом Лежандра: аР0+бР1+сР2… . Покажем последовательность перегруппировки:
Р0=1, Обратно: 1=Р0,
Р1=х, х=Р1,
Р2=1/2(3х2-1), х2=1/3(2Р2+Р0),
Р3=1/2(5х3-3х), х3=1/5(2Р3+3Р1),
Р4=35/8х4-15/4х2+3/8, и т.д.
Многочлены Лежандра ортогональны на интервале Х= -1,+1. Коэффициенты разложения при каждом Рi так же называются Фурье коэффициентами и обладают всеми свойствами спектров.
Кроме полиномов Лежандра используются ортогональные полиномы Чебышева, Лаггера, Эрмита и др. Они отличны тем, что исходный полином типа А+Бх+Сх2+... умножается на весовую функцию Ф(х). У них различны интервалы существования. При этом ортогональность достигается только с учетом весовой функции:
.
где
[a,b]- интервал ортогональности, Аn является
квадратом нормы каждого члена ряда, n
- номер члена ряда. Для приведения к
ортонормированному виду каждый член
ряда необходимо разделить на
.
Список некоторых весовых функций собран
в таблице 2:
Таблица 2
Тип полинома |
Весовая функция Ф(х). Интервал ортогональности Х: |
Вид первых членов полинома (P0=L0=H0=T0=1) An - квадрат нормы |
Лежандра (Р) |
Ф(х)=1, Х от -1 до +1 |
Р1=х, Р2=1/2(3х2-1), ... An=2/(2n+1) |
Лагерра (L) |
Ф(х)=ехр(-х),
Х от 0 до + |
L1=-x+1, L2=x2-4x+2, ... An=(n!)2 (0!=1) |
Эрмита (H) |
Ф(х)= ехр(-х2), Х от - до + |
H1=2x,
H2=4x2-2,
..... An=2nn! |
Чебышева (T) |
Ф(х)=1/( |
T1=x, T2=2x2-1,
An=
π/2(при
n=m = π (при m=n=0) |
Вид графика первых членов перечисленных полиномов показан на рис 7.5.
О
тметим
еще базисную систему меандровых функций
Уолша. На рис
7.6
показана форма разложения непрерывной
функции по меандровым полиномам Уолша.
Каждый член полинома принимает только
два значения +1 и -1. Такое дискретное
представление обеспечило широкое
их применение в вычислительной технике.
Система полиномов Уолша ортогональна
на интервале
0-N (обычно приводится к интервалу 0-1).
Функции Уолша часто упоминаются рядом
с фамилиями Адамара, Пелли, Радамахера,
развивавших подобные системы меандровыых
функций. В заключение отметим, что
преобразование функции к точечным
отсчетам Котельникова/Уиттакера так
же является формой преобразования
Фурье.
