چطور این مقاله مهندسی پزشکی را دانلود کنم؟
فایل انگلیسی این مقاله با شناسه 2009379 رایگان است. ترجمه چکیده این مقاله مهندسی پزشکی در همین صفحه قابل مشاهده است. شما می توانید پس از بررسی این دو مورد نسبت به خرید و دانلود مقاله ترجمه شده اقدام نمایید
حجم فایل انگلیسی :
588 Kb
حجم فایل فارسی :
5 مگا بایت
نوع فایل های ضمیمه :
pdf+word
کلمه عبور همه فایلها :
www.daneshgahi.com
عنوان فارسي
یک روش جدید برای حسگری فشرده EEG
عنوان انگليسي
A New Method for EEG Compressive Sensing
نویسنده/ناشر/نام مجله
Advances in Electrical and Computer Engineering
این مقاله چند صفحه است؟
این مقاله ترجمه شده مهندسی پزشکی شامل 6 صفحه انگلیسی به صورت پی دی اف و 22 صفحه متن فارسی به صورت ورد تایپ شده است
چکیده
این مقاله درباره امکان پذیری استفاده از تکنیک های حسگری برای جمع آوری و بازسازی سیگنال های EEG شامل پتانسیل برانگیخته P300 تحقیق می کند. یک روش حسگری فشرده EEG بر اساس هم بستگی فیزیولوژیکی کانال های EEG پیشنهاد می شود. بازسازی سیگنال های جمع آوری شده 55 کانال EEG توسط حسگر تراکمی (فشرده)، از یک دیکشنری شامل سیگنال های EEG حاصل از 9 کانال با جمع آوری نرمال استفاده می کند.
-1مقدمه
مفهوم جمع آوری فشرده یا حسگری فشرده (CS) (1-4) به بازسازی یک سیگنال از تعداد کمی پروجکشن روی بردارهای تصادفی گفته می شود، در صورتی که یک پایه وجود داشته باشد که در آن، سیگنال، پراکنده باشد. CS مثالی از استفاده عملی از نتایج تئوری جدید است که در سال های اخیر بطور گسترده توسط ریاضیدانان و مهندسان مطالعه شده است تا کاربردپذیری عملی برای اصول ریاضی را بیابند.
با شروع از مفهوم پراکندگی یک سیگنال در یک پایه خاص و استفاده از برنامه نویسی خطی، الگوریتم هایی نظیر روش چارچوب ها (MOF)، تعقیب انطباقی (MP)، بهترین پایه متعامد (BOB) یا تعقیب متعامد (BP)، مقالات سال های اخیر امکان پذیری جالب تلفیق مفاهیم فشردگی سیگنال و جمع آوری تحت نام CS را نشان داده اند. از نظر ریاضی ثابت شده است که اگر سیگنال های یک گروه اجازه نمایش چند مولفه در یک پایه به درستی انتخاب شده را بدهد، یعنی اگر سیگنال ها در آن پایه، "پراکنده" باشند، آنها را می توان با حل یک مسئله برنامه نویسی خطی مانند بالا، بطور کامل یا با دقت بسیار خوبی از چند اندازه گیری تصادفی بازسازی نمود…
الکتروانسفالوگرافی
:کلمات کلیدی
Abstract
The paper investigates the possibility of using compressive sensing techniques for the acquisition and reconstruction of EEG signals containing the evoked potential P300. A method of EEG compressive sensing based on the physiological correlation of EEG channels is proposed. The reconstruction of 55 EEG channels signals acquired by compressive sensing uses a dictionary consisting of EEG signals from other nine channels with normal acquisition.
Keywords:
Terms—Compressed sensing Biomedical signal processing Electrocardiography Pursuit algorithms
سایر منابع مهندسی پزشکی در زمینه حسگری فشرده