Будь умным!


У вас вопросы?
У нас ответы:) SamZan.net

ТЕМАХ ОБРОБКИ ВИПАДКОВИХ СИГНАЛІВ ТИПУ ЕЛЕКТРОЕНЦЕФАЛОГРАМ УДК 621

Работа добавлена на сайт samzan.net:

Поможем написать учебную работу

Если у вас возникли сложности с курсовой, контрольной, дипломной, рефератом, отчетом по практике, научно-исследовательской и любой другой работой - мы готовы помочь.

Предоплата всего

от 25%

Подписываем

договор

Выберите тип работы:

Скидка 25% при заказе до 24.11.2024

17

Міністерство освіти і науки України

Національний аерокосмічний університет

ім. М.Є. Жуковського „Харківський авіаційний інститут”

ХАРЧЕНКО Оксана Ігорівна

МЕТОДИ ЧАСТОТНОГО ТА ЧАСОВОГО АНАЛІЗУ В СИСТЕМАХ ОБРОБКИ ВИПАДКОВИХ СИГНАЛІВ ТИПУ ЕЛЕКТРОЕНЦЕФАЛОГРАМ

УДК 621.391:615.47:616-072.7

05.12.17 –радіотехнічні та телевізійні системи

Автореферат

дисертації на здобуття наукового ступеня

кандидата технічних наук

Харків –

 

Дисертацією є рукопис.

Робота виконана в Харківському національному університеті радіоелектроніки Міністерства освіти і науки України

Науковий керівник:  доктор технічних наук, професор Волощук 

Юрій Іванович, Харківський національний університет  радіоелектроніки, професор кафедри „Мережі звязку”

Офіційні опоненти:

доктор технічних наук, професор Леховицький   

Давід Ісаакович, головний науковий співробітник Науково–дослідного центру інтегрованих інформаційних радіоелектронних систем і технологій Харківського національного університету радіоелектроніки;

кандидат технічних наук, старший науковий співробітник Тютюнник Владислав Олександрович, начальник Науково-дослідної лабораторії кафедри №502 Харківського університету Повітряних Сил імені Івана Кожедуба.

Захист відбудеться „ 26 ” жовтня 2007 року о  12.00  годині на засіданні спеціалізованої вченої ради Д 64.062.07 у Національному аерокосмічному університеті ім. М.Є. Жуковського „Харківський авіаційний інститут” за адресою: 61070, м. Харків, вул. Чкалова, 17.

З дисертацією можна ознайомитися у науково–технічної бібліотеці Національного аерокосмічного університету ім. М.Є. Жуковського „Харківський авіаційний інститут” за адресою: 61070, м. Харків, вул. Чкалова, 17.

Автореферат розісланий „ 13 ”  вересня  2007 року

Вчений секретар спеціалізованої вченої ради      В.В. Лукін

ЗАГАЛЬНА ХАРАКТЕРИСТИКА РОБОТИ

Актуальність теми. Випадковий характер шумів і завад, які завжди присутні у всіх радіотехнічних пристроях і системах, а також статистична структура джерел інформації зумовлює широке застосування в радіотехніці імовірнісних методів. Підвищення достовірності інформації про властивості явища, що вивчається, отриманої за допомогою радіотехнічних систем, вимагає розробки методів аналізу, що враховують характер шумів та завад, і алгоритмів роботи радіотехнічних пристроїв, що реалізують найкращі (за певними критеріями) оцінки характеристик явища.

Задача дослідження значно ускладнюється коли сигнали, які несуть інформацію про властивості досліджуваного явища, самі є випадковими. Така ситуація характерна для багатьох явищ, зумовлених сумісною дією великої кількості елементарних компонентів, що служать джерелами сигналів і функціонують за алгоритмом, вихідні посилки яких заздалегідь не відомі. До таких систем відноситься, зокрема, головний мозок, що є однією з найважливіших і найменш вивчених структур організму живої істоти. Виказана Н. Вінером гіпотеза про наявність в мозку взаємозв'язаних нелінійних осциляторів, що знаходяться під впливом випадкових процесів типу броунівського руху, лежить в основі застосування методів радіотехніки для аналізу електричних сигналів, що генеруються клітинами мозку і відображають його активність.

Розробка методів аналізу часових функцій, що дозволяють в умовах сильних завад знаходити інформативні частоти випадкових сигналів і вимірювати їх параметри, є актуальною задачею широкого кола радіотехнічних систем, зокрема, в електроенцефалографії.

Електроенцефалографія - це метод дослідження головного мозку, заснований на реєстрації його електричних потенціалів. Електроенцефалограма (ЕЕГ) є складною часовою функцією, яка є типовим прикладом випадкового процесу, спектральні характеристики якого змінюються у часі.

Задача обробки ЕЕГ полягає у виявленні гармонійних складових (їх частот, ритмів), викликаних активністю головного мозку. Виявлення гармонік здійснюється на фоні сильних шумів, викликаних активністю нейронів, що є джерелами елементарних біоелектричних сигналів. Крім того, ритми відрізняються нестабільністю, параметри якої також є інформативними для діагностики.

На даний час стандартним методом аналізу ЕЕГ в клінічній діагностичній практиці є візуальний метод. При візуальному аналізі фахівець характеризує частоту хвиль і їх амплітуду, характер їх розподілу по корі головного мозку. Очевидно, що такий підхід до аналізу ЕЕГ є суб'єктивним. Крім того, при тривалому динамічному спостереженні цей процес стає надто трудомістким, що вимагає постійної присутності при реєстрації ЕЕГ фахівця-нейрофізіолога, який повинен володіти достатньо високим рівнем підготовки і досвідом роботи. Використання чисельних методів в електроенцефалографії зазвичай обмежується спектрально–кореляційними методами, які далеко не повністю відображують динаміку процесів в структурі мозку. Сучасний підхід до діагностики мозку полягає в сумісному  використанні різних методів аналізу ЕЕГ.

На даний час в літературі запропоновано багато методів спектрально-кореляційного аналізу ЕЕГ. До їх числа можна віднести, зокрема, безпосереднє перетворення Фур’є, розрахунок та аналіз кореляційної функції тощо. В той же час жоден з відомих методів ізольовано не в змозі повністю забезпечити повноцінну діагностику та дослідження біоелектричної активності мозку. Кожний з методів дозволяє охарактеризувати лише окрему сторону даного фізіологічного процесу, і для повноцінної діагностики мозку як складної системи потрібні різні способи або їх поєднання.

Тому розробка нових методів, алгоритмів обробки та аналізу сигналів типу ЕЕГ, які забезпечують комплексну повноцінну діагностику головного мозку та враховують специфічні особливості ЕЕГ, є актуальною задачею.

З іншого боку, неухильне зростання кількості патологій головного мозку і складність їх діагностики також вимагає, окрім відомих методів, розвитку нових методів діагностики, що складає практичну спрямованість досліджень. Все вище висловлене визначає актуальність теми дисертації.

Зв'язок з науковими програмами, планами, темами. Дослідження, результати яких подано в дисертаційній роботі, проводились в межах спільної наукової діяльності кафедри „Мережі зв’язку” Харківського національного університету радіоелектроніки і Національного наукового центру „Харківський фізико-технічний інститут” НАН України при виконанні НДР № III-9-06 АНТ “Аналіз генерації та випромінювання потужних імпульсних електромагнітних полів ультракороткої і короткої тривалості за допомогою збудження спіральної ЕПА сильнострумовим РЕП”, також Інституту неврології, психіатрії і наркології за замовленням Академії медичних наук при виконанні НДР АМН.ГФ.3.04, у яких автор приймав участь в якості одного з виконавців. Результати дисертаційних досліджень використано в навчальному процесі та розробці навчально-методичного забезпечення дисциплін „Приймання та оброблення сигналів”, „Методи медичних досліджень та завадостійкість РЕЗ”, „Обробка біомедичної інформації” та спецкурсі підготовки магістрів за спеціальністю „Радіоелектронні пристрої, системи та комплекси” кафедри радіоелектронних пристроїв ХНУРЕ МОН України. Впровадження результатів досліджень підтверджується відповідними актами.

Мета і задачі дослідження. Метою роботи є виявлення та візуалізація інформаційних параметрів випадкових сигналів типу ЕЕГ за рахунок об'єднання і адаптації частотних і часових методів їх обробки для підвищення якості діагностики мозку.

Для досягнення поставленої мети в дисертації вирішені наступні задачі:

  1.  Провести порівняльний аналіз відомих чисельних методів  електро-енцефалографії і визначити межи їх застосовності в клінічній діагнос-тиці.
  2.  Розробити нові методи виділення, обробки і візуалізація характерис-тик випадкових процесів типу ЕЕГ.

  1.  Розвинути методи непараметричної сегментації ЕЕГ–сигналу.
  2.  Розробити структурну схему блоку цифрової обробки сигналів електроенцефалографічного комплексу.

Об’ект дослідження – випадкові процеси типу ЕЕГ.

Предмет дослідження –методи обробки випадкових сигналів типу ЕЕГ.

Методи дослідження –спектральний та кореляційний аналіз, вейвлет–перетворення, цифрова фільтрація, цифрове статистичне моделювання.

Наукова новизна отриманих результатів.

  1.  Розвинено методи обробки випадкових процесів типу ЕЕГ.
  2.  Вперше запропоновані, апробовані та порівняні методи дослідження електроенцефалограм: аналіз сигналів ЕЕГ симетричних відведень; оцінка зміни миттєвої частоти коливань потенціалів мозку в часі на основі частотного детектування ковзним вікном; метод виділення ритмів ЕЕГ–сигналу на основі обробки автокореляційної функції при урахуванні її значень на ділянках відсутності шумової складової.
  3.  На основі статистик Колмогорова–Смирнова удосконалено метод визначення меж стаціонарності ділянок ЕЕГ.

Обґрунтованість і достовірність отриманих наукових результатів забезпечені використанням апробованих математичних методів аналізу, збігом отриманих результатів в окремих випадках з висновками інших авторів, несуперечністю отриманих результатів з висновками, зробленими досвідченими лікарями на основі об'єктивних медичних показників без використання ЕЕГ.

Практичне значення отриманих результатів полягає в тому, що розроблені методи обробки ЕЕГ дозволяють підвищити якість та достовірність діагностики, вони можуть використовуватися в інших типах радіотехнічних систем, зокрема, в комплексах пасивної радіолокації джерел випромінювання.

Особистий внесок здобувача. Основні результати дисертаційної роботи отримані автором самостійно. Зокрема, роботи [2,5] виконано без співавторів. В сумісних публікаціях особистий внесок здобувача полягає в наступному:

  1.  В роботі [1] автором обґрунтовано методики розробки програм досліджень і здійснення розрахунків, проведено аналіз результатів та написано рукопис;
  2.  В роботі [3] автором сформульована наукова задача, обґрунтовані методики розробки програм досліджень і здійснення розрахунків, проведено аналіз результатів та написано рукопис;
  3.  В роботі [4] автором сформульована наукова задача, обґрунтуванні методики аналізу результатів та написано рукопис.

Апробація результатів дисертації. Основні результати роботи доповідалися на:

  1.  Joint Meeting of the 13th European Frequency and Time Forum 1999 IEEE International Frequency Control Symposium (Besancon, France, 12-16 April, 1999).
  2.  Міжнародній науковій конференції “Теорія і техніка передачі, прийому і обробки інформації”(Харків, Туапсе, 7–жовтня 2003).
  3.  I Українській науковій конференції „Проблеми біологічної і медичної фізики” з міжнародним представництвом, (Харків, Харківський національний університет ім. В.Н. Каразіна, 20-22 вересня 2004).
  4.  Конференції „Комп'ютерна медицина 2005” (Харків, липень, 2005).
  5.  15-й Міжнародній Кримській конференції “НВЧ-техніка та телекомунікаційні технології” (КриМіКо2005). (Севастополь, Крим, Україна, 12-16 вересня 2005).
  6.  10-му ювілейному міжнародному молодіжному форумі “Радіоелектроніка і молодь в XXI столітті”(Харків, ХНУРЕ, 2006).
  7.  Міжнародній науково-технічній конференції студентів, аспірантів і учених: Молодь і сучасні проблеми радіотехніки і телекомунікацій „РТ-2006” (Севастополь, 17-21 квітня 2006).
  8.  Сьомій міжнародній науково-практичній конференції „Сучасні інформаційні і електронні технології” (Одеса, Україна, 22–травня 2006).

Публікації. Результати роботи опубліковані в 3 статтях в наукових фахових виданнях [1–], включених в перелік ВАК України,  2 статтях у зарубіжних науково–технічних журналах [4,5]. Крім того, результати досліджень опубліковані в 8 тезах доповідей на наукових конференціях [6–]. 2 статті та 1 доповідь виконано автором особисто.

Структура і обсяг дисертації. Робота складається із вступу, чотирьох розділів, висновків та додатків. Повний обсяг роботи становить 253 сторінки, у тому числі: 73 рисунка і 21 таблиця (з них 18 рисунків і 1 таблиця, розміщених на 13 окремих сторінках), список використаних джерел з 160 найменувань на 14 сторінках, 3 додатка на 90 сторінках.

ОСНОВНІЙ ЗМІСТ РОБОТИ

У вступі  розглянуто актуальність тематики наукових досліджень, мета і задачі дослідження, практична цінність роботи. Визначена наукова новизна отриманих результатів. Наведено відомості про апробацію роботи і кількість публікацій з її тематики.

В першому розділі розглянуто основні характеристики електроенцефалограм. Показано, що сигнали біоелектричної активності мозку, які відображають його функціональну активність, мають виражений сегментний характер і є сумішшю квазібілого шуму і ритмічних складових, що локалізуються в певних частотних смугах (–ритм: 8ч13 Гц; –ритм: 14ч40 Гц; –ритм: 0,5ч3 Гц; –ритм: 4ч6 Гц). Проведено аналіз діагностичних ознак ЕЕГ-сигналів і виділено характерні показники ЕЕГ в нормі і ЕЕГ з патологією. Відзначено, що багаточисленні нейрони, які генерують електричні сигнали, первинні давачі, які реєструють сигнали на фоні шумів та завад, електроенцефалограф, якій реалізує операції фільтрації, підсилення і вторинної обробки з метою здобування інформації, у сукупності являють собою специфічну радіотехнічну систему. Розглянуто структурну схему апаратних засобів для реєстрації ЕЕГ і алгоритм її функціонування. Показано, що існуючі апаратні засоби ЕЕГ–діагностики забезпечують, насамперед, вихідні данні для візуального аналізу ЕЕГ, що обумовлює суттєву вагу суб’ективного підходу до діагностики та потребує високої кваліфікації фахівця-електроенцефалографіста. Проаналізована часова залежність характеристик зареєстрованого сигналу первинних давачів ЕЕГ, розроблено методику розрахунку послаблення сигналу при реєстрації на необробленій поверхні. На підставі аналізу стану проблеми, огляду публікацій і аналізу структури апаратних засобів і програмного забезпечення сформульовано задачу дисертаційних досліджень.

В другому розділі проведено критичний аналіз традиційних методів клінічної електроенцефалографії. Як вихідні дані в роботі використані ЕЕГ, що отримані при спостереженнях на лабораторних тваринах, а також здорових і хворих обстежуваних (в Інституті неврології, психіатрії і наркології і в Інституті кріобіології і кріомедицини).

На основі проведених досліджень ефективності фільтра Калмана (ФК) при сгладжуванні випадкових сигналів в комплексах пасивної радіолокації джерел випромінювання запропоновано використання ФК в якості метода первинної обробки ЕЕГ-сигналів. Підвищення якості і об'єктивності діагностики забезпечується застосуванням спектрально-кореляційних методів аналізу випадкових процесів при обробці ЕЕГ-сигналів. Показано, що перетворення Фурье забезпечує усереднену оцінку спектру сигналу і не дозволяє визначити динаміку процесів функціональної активності мозку.

Однією з практичних задач, яка розв'язувалася в роботі, було проведення порівняльного аналізу характеристик ЕЕГ–сигналів, зареєстрованих до і після лікування сучасними методами, та подальша оцінка їхньої ефективності.

Іншою практичною задачею було дослідження впливу Шуманівських або глобальних резонансів (коливань, що виникають в сферичному резонаторі Земля –іоносфера) на функціональну активність мозку. Проведено синхронні записи зовнішнього електричного і магнітного полів і електричної активності головного мозку. Показано, що спектральний аналіз сигналів до і після спалаху магнітного поля не дозволяє виявити зміни функціональної активності мозку.

Класичні методи спектрального аналізу на базі перетворення Фур’є характеризуються недостатньою роздільною здатністю і не дозволяють розділити частоти, які знаходяться достатньо близько. Разом з тим, виділення близько розташованих частот є важливим при аналізі ЕЕГ. Проведено аналіз параметричних методів обробки випадкових процесів на прикладі ЕЕГ. Показано, що авторегресійний метод і метод Проні мають високу роздільну здатність при виділенні частотних компонент сигналу.

Проведено аналіз частотно-часових методів обробки ЕЕГ. Показано, що методи віконного перетворення Фурье (ВПФ) і вейвлет-перетворення (ВП) дозволяють проаналізувати динаміку функціональної активності мозку і виділяти ділянки стаціонарності ЕЕГ. Для кожного ритму розраховано індекс ритму, середнє значення і дисперсію частоти кожного ритму. Під індексом розуміється час (у відсотках), в перебігу якого дана ЕЕГ активність присутня в даній епосі ЕЕГ.

Отримані результати дозволяють вирішувати як науково-дослідну задачу дослідження динаміки складної системи, зокрема мозку, так і актуальну клініко-діагностичну задачу. І в тому, і в іншому випадку відповідальність за прийняття рішення і його результат лежить на лікарі–електроенцефалографісті. Тому метою дисертаційних досліджень був пошук наочних, простих технічних методів, які „доступно інтерпретуються”.

В третьому розділі проведено аналіз експериментально знятих ЕЕГ частотно–часовим методом з використанням перетворення Гільберта, а також розроблено методи частотного і часового аналізу, що забезпечують підвищення якості діагностики.

Показано, що однією з характерних ознак динамічного стану мозку є миттєва частота ЕЕГ–сигналу. Розрахунок миттєвої частоти за допомогою фазово–частотного аналізу за Гілбертом дає можливість детально прослідити та чисельно охарактеризувати динаміку змини структури ЕЕГ у часі, зміну та тривалість ритмів.

На основі подання повної фази у вигляді  , де  –середня частота процесу, за допомогою лінії регресії визначається середня частота:  для наведеного прикладу 9,19 Гц (рис. 1,а) і 4,28 Гц (рис. 1,б).

Як видно з рис.1,б ЕЕГ–сигнал хворого на епілепсію характеризується значною нестабільністю частоти і високим рівнем  низькочастотних складових. В табл.1, 2 наведено розрахунок інформаційних параметрів ЕЕГ.

Дослідження часової залежності миттєвої частоти ЕЕГ сигналів людини, знятих безпосередньо після спалаху магнітного поля, дозволили знайти наступну залежність: через  с після спалаху магнітного поля миттєва частота на інтервалі завдовжки   с приймає значення   Гц в 95% випадків.

Таблиця 1

Результати аналізу інформаційних параметрів ЕЕГ здорової людини

при розрахунку методом фазово–частотного аналізу ЕЕГ

з використанням перетворення Гільберта

ритм

Індекс ритму, %

Середнє значення, Гц

Дисперсія частоти, Гц

,42

,44

,57

1,33

,44

,06

Таблиця 2

Результати аналізу інформаційних параметрів ЕЕГ хворого

при розрахунку методом фазово–частотного аналізу ЕЕГ

з використанням перетворення Гільберта

ритм

Індекс ритму,%

Середнє значення, Гц

Дисперсія частоти, Гц

.03

,99

,97

15,98

,79

,29

44,14

,90

,42

2,11

,47

,99

Показано, що використання методу фазово-частотного аналізу за Гілбертом дозволяє здійснювати розрізнення сигналів від хворої та здорової людини за значенням миттєвої частоти та прослідити динаміку зміни частоти у часі.

                    а)      б)

Рис. 1. Залежності миттєвої частоти від часу, які відповідають ЕЕГ здорової людини, що не спить, (а) і хворої на епілепсію (б)

Особливістю багатоканальних вимірювань ЕЕГ є встановлення парних домінуючих ознак, які називаються симетричністю. Під симетричністю розуміється істотний збіг амплітуд, частот, фаз гомотопних областей двох півкуль мозку. На основі компенсаційної моделі побудовано новий метод аналізу сигналів симетричних відведень. Загалом, суть запропонованого методу полягає в наступному: визначається різниця сигналів ЕЕГ симетричних відведень і їх сума, потім на одному графіку будуються спектри сумарного і різницевого процесу. Виходячи з лінійності перетворення Фурє, прояв симетричності полягатиме в тому, що спектр сумарного процесу повинен значно перевершувати спектр різницевого процесу. За відсутності симетричності спектр різницевого процесу є сумірним із спектром суми. У якості чисельної характеристика введено коефіцієнт симетрії. Виявивши наявність міжнапівкульової асиметрії ЕЕГ, можна встановити локалізацію патологічних процесів.

Розглянуто ЕЕГ здорових та хворих лабораторних тварин. ЕЕГ знімалася в правому і лівому гіпокампі (для перевірки результативності дії ліків при лікуванні епілепсії). Побудовано спектри сумарного і різницевого процесу для здорової і хворої тварини (рис.2). Видно, що амплітудний спектр сумарного процесу значно перевищує спектр різницевого для здорової тварини (рис.2,а), для хворої тварини (рис.2,б) ці спектри сумірні.

Таким чином, показано, що за розрахунками спектральної густини сумарного і різницевого сигналів можна проводити діагностику міжнапівкульової асиметрії, для чого введено коефіцієнт симетрії

,       

де   –площа під кривою спектральної густини сумарного процесу:

      –площа під кривою спектральної густини різницевого процесу.

Згідно величині  можна судити про ступінь симетричності сигналів від двох відведень. При 3 симетрія висока; якщо 1,73 –помірна; при 1,7 –слабка.

а)            б)

Рис.2. Модулі спектральної густини сумарного (верхній) і різницевого процесу (нижній): а) –у відсутності епілепсії, б) –при епілепсії)

Таким чином, доведено, що визначення спектральної густини суми і різниці симетричних відведень ЕЕГ забезпечує об'єктивну діагностику і дозволяє проводити чисельну оцінку асиметрії сигналів. Метод є достатньо наочним, а його використання не вимагає інформації про спектральний склад. Метод дослідження міжнапівкульової симетрії ЕЕГ може використовуватися при диспансеризації і інших формах первинного медичного обстеження. Його застосування не вимагає високого рівня кваліфікації –навіть фахівець середньої ланки може знаходити пацієнтів з відсутністю симетричності ЕЕГ і направляти їх до фахівця.

Як відомо, особливістю ЕЕГ є значна флуктуація амплітуди сигналу. Для досліджень характеристик ділянок слабкої інтенсивності розроблено метод оцінки зміни миттєвої частоти коливань в часі на основі частотного детектування ковзним вікном. При цьому ЕЕГ представляється у формі частотно–модульованого (ЧМ) сигналу з подальшим вимірюванням частоти за допомогою цифрового частотного детектора.

Запропоновано використовувати методику розрахунку середньої частоти за  формулою

.

де   –кількість точок перетину нульового рівня на інтервалі часу   (розмір вікна).

Даний метод використовувався для розділення фаз сну і пильнування лабораторних тварин. Перехідний процес характеризується падінням частоти і зменшенням її потужності, тому ВПФ і ФП не дозволили виділити дану частоту. Результат аналізу часової залежності миттєвої частоти  на основі визначення числа перетинів нульового рівня за фіксований момент часу після спалаху магнітного поля дозволило підтвердити закономірність, отриману при аналізі фазово–частотним методом за Гілбертом. Але в цьому випадку результати є більш наочним, оскільки частота усереднюється за інтервал вікна і, отже, девіація частоти на виділеній ділянці менше ( Гц).

Розроблено корелограмний метод виділення ритмів ЕЕГ–сигналу на основі обробки автокореляційної функції (АКФ). Оскільки ЕЕГ–сигнал є адитивною сумішшю квазібілого шуму і гармонійних складових, в даному методі використовується відмінність АКФ квазібілого шуму і гармонійних складових. На рис. 3,а наведено амплітудний спектр ЕЕГ лабораторної тварини, хворої на епілепсію. Очевидно, що візуальний аналіз наведеного спектру ЕЕГ не дозволяє виділити характерні ритми внаслідок високого рівню шумової компоненти процесу. Представимо ЕЕГ сигнал  як суму

,                                                 

де   –лінійна комбінація гармонійних складових;

–шумова складова.

Тоді АКФ сумарного процесу визначатиметься так (взаємними кореляційними функціями зневажаємо):

.                                          

Оскільки значення  із зростанням  швидко зменшуються, то при достатньо великих значеннях  АКФ процесу визначатиметься гармонійними складовими сигналу .

Використовуючи теорему Вінера–Хінчина, знаходимо спектральні складові ЕЕГ по відрізку АКФ, що знаходиться достатньо далеко від нульової точки (рис.3,б). Порівняння кривих, наведених на рис. 3,а і рис. 3,б, показує, що  в спектрі процесу після обробки міститься значно менше спектральних складових, що суттєво полегшує діагностику.

Проведено порівняльний аналіз методів обробки ЕЕГ за п’ятибальною системою, якій дозволяє визначити основні критерії діагностики. Дано практичні рекомендації щодо використання методів при вирішенні практичних або науково-дослідних завдань.

а)          б)

Рис. 3. а) –Спектр ЕЕГ лабораторної тварини , отриманий за допомогою ПФ, б) –спектральна густина середньої потужності  ЕЕГ лабораторної тварини, отримана в результаті обробки АКФ

За результатами проведених досліджень розроблено структурну схему цифрового електроенцефалографа (рис. 4), яка може бути використана при створенні апаратних засобів комп'ютерної діагностики захворювань нервової системи, а також при масовому скринінгу і диспансеризації.

Блок комутації призначений для керованого підключення відведень електродів від пацієнта до апаратури обробки, а також для включення в тракт обробки калібрувальних сигналів, що забезпечує можливість абсолютних вимірювань вхідних сигналів та співставлення даних, отриманих на іншій апаратурі. Блок фільтрації та підсилення призначено для придушення зовнісмугових шумових коливань, а також мережевих, промислових завад і артефактів, які попадають в смугу пропускання тракту обробки. Крім того, в цьому блоці здійснюється підсилення сигналів відведень до рівня, необхідного для нормальної роботи АЦП. Блок вводу даних являє собою стандартний інтерфейс для послідовного або паралельного введення даних до спецобчислювателя за відомими алгоритмами, тому не має особливостей. Блок стимуляції призначено для синхронізації дослідницьких процедур з роботою усього пристрою, а також для вироблення спеціальних подразнювальних сигналів для пацієнта. Блок обробки сигналів включає в себе окремі структурні складові, які реалізують алгоритми обробки сигналу, що досліджено та запропоновано в дисертації. Кількісна інформація, яка отримана з виходів блоку обробки сигналу, забезпечує підвищення об’ективності при прийнятті остаточного висновку. Вихідні дані обробки виводяться на блок візуалізації.

Обслуговування комп'ютерного електроенцефалографа може здійснюватися відповідним чином підготовленим техніком або медичним працівником середньої ланки. Комп'ютерна програма при цьому не ставить діагнозу, а допомагає здійснити попередній відбір пацієнтів для подальшого поглибленого обстеження.

Розроблені та запропоновані методи обробки ЕЕГ було використано також в радіоелектронній системі мікрохвильової терапії.

Рис. 4. Структурна схема блоку обробки сигналів цифрового електроенцефалографа

В четвертому розділі розглянуто методи виявлення ділянок сегментів і локалізації моментів часу переходу випадкового процесу від одного сегменту до іншого. Відзначено, що на даний час однією з перспективних є гіпотеза про кусочно-стаціонарний характер ЕЕГ, згідно з якою замість описання ЕЕГ єдиним усередненим набором параметрів (наприклад, спектром потужності або АКФ) отримують описання декількох виділених класів сегментів. При цьому ЕЕГ аналізується не як сигнал з незмінними у часі характеристиками, а як сукупність ділянок, які мають якісно різні значення з точки зору діагностики. Такий підхід є новим у практиці розробки діагностичних електронних систем. Важливим завданням є розробка методу визначення тривалості сегментів сигналу, їхніх меж та статистичних характеристик процесу на протязі кожного сегменту.

Проведено розрахунок меж сегментів за допомогою непараметричної сегментації ЕЕГ. Перевагами методу є відсутність вимоги попередньої побудови моделі ЕЕГ процесу, а також можливість визначення порогу не емпірично, а за допомогою критичних значень критерію узгодженості Колмогорова–Смирнова.

Для визначення меж сегментів використовується модифікована статистика Колмогорова–Смирнова

,        

де  

–діагностична послідовність, отримана шляхом зведення у квадрат вихідного ЕЕГ–сигналу.

Розглянуто реалізації ЕЕГ здорових людей, що не сплять, з фільтрацією  –ритма (рис. 5). Інші ритми ( і  ), не вдається розбити на сегменти різної довжини, кожний з яких є однорідним (стаціонарним). Для фільтрації застосовується фільтр Батерворта 8-го порядку, частота дискретизації  120 Гц.

а)                                                                                        б)

Рис. 5. Вихідний ЕЕГ–сигнал здорової людини, що не спить (тім'яне відведення – а) –ліва сторона, б) –права сторона). Вертикальні лінії –оцінки меж стаціонарних сегментів

При порівнянні сигналів симетричних відведень, зроблено висновок, що межі стаціонарних ділянок, визначених за допомогою модифікованої статистики Колмогорова–Смирнова, практично співпадають.

В Додатку наведено приклади ЕЕГ та результати їх обробки методами, що розроблено і досліджено в дисертації.

ВИСНОВКИ

В дисертації вирішена актуальна наукова задача підвищення якості виділення та візуалізації інформаційних параметрів випадкових сигналів типу ЕЕГ за рахунок об'єднання і адаптації частотних і часових методів їх обробки. За результатами вирішення поставленої задачі можна зробити наступні висновки:

  1.  Вперше проведено комплексний порівняльний аналіз частотних і часових методів обробки випадкових процесів типу ЕЕГ і показано, що для отримання необхідної інформації про функціональну активність мозку доцільно використовувати комплекс цих методів.
  2.  Показано, що параметричні оцінки спектру, отримані для моделювання ЕЕГ процесами авторегресії і методом Проні, характеризуються більш високою точністю і розділенням в порівнянні з періодограмним методом, що дозволяє підвисити точність вимірювання ритмів ЕЕГ.
  3.  Показано, що віконне перетворення Фур’є  і вейвлет–перетворення дають можливість чисельно характеризувати тривалість і зміну основних фізіологічних ритмів, а також прослідкувати за зміною інтенсивності спектру в часі в межах кожного ритму. Проте, застосування цих методів в клінічній діагностиці обмежено їх складністю для електроенцефалографіста.
  4.  Розроблено метод визначення миттєвої частоти випадкового процесу типу ЕЕГ на основі моделі аналітичного сигналу за Гілбертом, що дає можливість детально прослідити та чисельно охарактеризувати динаміку зміни структури ЕЕГ у часі, зміну та тривалість ритмів. Показана можливість визначення динамічних характеристик ЕЕГ за рахунок обчислення миттєвої і середньої частоти сигналу. Розроблено алгоритм і запропоновано модель визначення миттєвої частоти на основі частотного детектування сигналу ковзним вікном. Показано, що розроблений метод має більшу чутливість (в порівнянні з віконним перетворенням Фур’є  і вейвлет–перетворенням) до виявлення швидких змін частоти.
  5.  Запропоновано визначати симетрію ЕЕГ–сигналів міжнапівкульових відведень компенсаційним методом. Показано, що за величиною залишків можна проводити діагностику при диспансеризації.
  6.  Запропонована і розроблена модель отримання спектрів ЕЕГ корелограмним методом, при урахуванні значень кореляційних функцій на ділянках відсутності шумової складової. Реалізація такого методу забезпечує виділення періодичних компонент сигналу на фоні інтенсивних шумових складових, кореляційна функція яких наближається до дельта-функції. Число гребенів спектру при цьому знижується (приблизно на 75%), що спрощує діагностику ритмів ЕЕГ.
  7.  Запропоновано новий підхід до визначення миттєвої частоти ЕЕГ–сигналу на основі визначення числа перетинів нульового рівня за фіксований момент часу. Такий підхід дозволяє знаходити миттєву частоту ЕЕГ, при якому враховується сигнал з невеликими амплітудами.
  8.  На основі статистик Колмогорова–Смирнова розроблено метод визначення меж стаціонарності ділянок ЕЕГ для заданого рівня значущості. Експериментально показано, що при рівні значущості 0,05 інтервал стаціонарності ЕЕГ здорової людини, що не спить, як правило, складає 1...4 с.
  9.  На підставі проведених досліджень розроблено структурну схему блоку цифрової обробки сигналів електроенцефалографа, яка може бути використана при створенні апаратних засобів комп'ютерної діагностики захворювань нервової системи, а також при масовому скринінгу і диспансеризації, причому обслуговування комп'ютерного електроенцефало-графа може здійснюватися відповідним чином підготовленим техніком або медичним працівником середньої ланки. Комп'ютерна програма при цьому не ставить діагнозу, а проводить попередній відбір пацієнтів для подальшого поглибленого обстеження.
  10.  Перспективними напрямом подальших досліджень може бути використовування кусково-стаціонарної структури ЕЕГ в клінічній діагностиці і наукових дослідженнях, а також дослідження статистичних характеристик шумоподібної складової ЕЕГ–сигналу.

СПИСОК ОПУБЛІКОВАНИХ ПРАЦЬ ЗА ТЕМОЮ ДИСЕРТАЦІЇ

  1.  Седышев П.Ю., Харченко О.И. Рекурсивные методы обработки данных в малобазовых угломерно-разностно-дальномерных комплексах пассивной радиолокации источников излучения // Радиотехника: Всеукр. межвед. науч.-техн. сб. –. –Вып. 117. –С.35–.
  2.  Харченко О.И. К вопросу о фильтрации и сглаживании случайного процесса типа ЭЭГ // Радиотехника: Всеукр. межвед. науч.-техн. сб. –. –Вып. 140.–С.118–.
  3.  Харченко О.И., Грицунов А.В., Побережный А.А. Параметрические методы спектрального оценивания при анализе ЭЭГ // Радіоелектроніка та телекомунікації. –Львів: Вісник національного університету „Львівська політехніка”.–.–№534. –С.119–.
  4.  Волощук Ю.И., Харченко О.И., Кочин О.В. Методы анализа ЭЭГ крыс, различающихся по уровню судорожной готовности // Биомедицинские технологии и радиоэлектроника. –Москва: ”Радиотехника”. –.  –№5-6. –С. 77-79.
  5.  Харченко О.И. Оценка изменения мгновенной частоты колебаний потенциалов мозга во времени на основе частотного детектирования скользящим окном // Биомедицинские технологии и радиоэлектроника. –Москва: ”Радиотехника”. –.-–№ 1. –С. 56-58.
  6.  Бей Д.С, Кочина М.Л., Чумаков В.И., Харченко О.И. К анализу характеристик электродной системы ЭЭГ // 15-я Международная Крымская конференция “СВЧ-техника и телекоммуникационные технологии” (КрыМиКо2005). Материалы конференции. –Севастополь, 2005. –С.908-909.
  7.  Rudnev O.E., Shmaliy Yu.S., Sokolinskiy E.J., Shmaliy A.Yu., Kharchenko O.I. Kalman filtering of a frequency instability based on Motorola Oncore UT GPS timing Signals // Joint Meeting of the 13th European Frequency and Time Forum 1999 IEEE International Frequency Control Symposium. –Besancon, France, 1999.–Vol. I. –P.251-254.
  8.  Харченко О.И. К методике цифровой обработки биотелеметрической информации // Материалы международной научной конференции “Теория и техника передачи, приема и обработки информации”. –Харьков–Туапсе: ХНУРЭ, 2003. –С. 169–.
  9.  Харченко О.И., Кочин О.В. Методические подходы к исследованию динамики электрической активности гиппокампа эпилептизированных крыс // Материалы междунар. научн.-техн. конф. студентов, аспирантов и ученых: Молодежь и современные проблемы радиотехники и телекоммуникаций „РТ-2006”. –Севастополь: Изд-во СевНТУ, 2006.–С. 265.
  10.  Харченко О.И., Кочин О.В. Методические подходы к использованию компьютерного анализа энцефалограмм // Тези доповідей I Української наукової конференції „Проблеми біологічної і медичної фізики” з міжнародним представництвом. –Харків: Видавництво Харківського нац. ун–ту ім. В.Н.Каразіна, 2004. –С. 210.
  11.  Харченко О.И., Кочин О.В. Параметрический метод спектрального оценивания ЭЭГ // Конференция “Компьютерная медицина 2005”. –Харьков: Клин. информат. и телемед., 2005. –С. 141.
  12.  Харченко О.И., Кочин О.В. Результаты исследования динамики электрической активности гиппокампа эпилептизированных крыс // 10-й юбилейный международный молодежный форум “Радиоэлектроника и молодежь в XXI веке”: Сб. материалов форума. –Харьков: ХНУРЭ, 2006.–С.213.
  13.  Харченко О.И., Кочин О.В. Использование современных методов обработки сигналов для анализа динамики электрической активности гиппокампа элептизированных крыс // Седьмая международная научно–практическая конференция “Современные информационные и электронные технологии”, Труды конференции. –Одесса, 2006. –Том. II –С.188.

АНОТАЦІЯ

Харченко О.І. Методи частотного та часового аналізу в системах обробки випадкових сигналів типу електроенцефалограм. –Рукопис.

Дисертація на здобуття наукового ступеня кандидата технічних наук за спеціальністю 05.12.17 –Радіотехнічні та телевізійні системи. Національний аерокосмічний університет ім. М.Є. Жуковського “ХАІ”, Харків, 2007.

Дисертація присвячена вирішенню задачі розробки методів виділення інформаційних параметрів випадкових сигналів типу ЕЕГ. Проведено порівняльний аналіз частотних, часових та частотно–часових методів обробки випадкових процесів. 

Обробка сигналів проводилась за допомогою перетворення Фурє; параметричними методами (авторегресійний метод і метод Проні), методами віконного перетворення Фурє та вейвлет-перетворення.

Запропоновано і досліджено нові методи аналізу випадкових сигналів: аналіз сигналів симетричних відведень, оцінка зміни миттєвої частоти в часі на основі частотного детектування ковзним вікном, метод виділення ритмів ЕЕГ–сигналу на основі обробки автокореляційної функції на ділянках відсутності шумової складової.

Розроблено структурну схему системи обробки сигналів цифрового електроенцефалографа.

Удосконалено метод визначення меж стаціонарності ділянок ЕЕГ на основі статистик Колмогорова–Смирнова для заданого рівня значущості, який не вимагає попередньої побудови математичних моделей, а також дозволяє знаходити межи стаціонарності за допомогою порогу, що задається таблицею, а не емпірично.

Ключові слова: обробка сигналів, електроенцефалограма, параметричні алгоритми, непараметричні алгоритми, спектральні методи, миттєва частота.

АННОТАЦИЯ

Харченко О.И. Методы частотного и временного анализа в системах обработки случайных сигналов типа электроэнцефалограмм. –Рукопись.

Диссертация на соискание ученой степени кандидата технических наук по специальности 05.12.17 –Радиотехнические и телевизионные системы. Национальный аэрокосмический университет им. Н.Е. Жуковского “ХАИ”, Харьков, 2007.

Диссертация посвящена решению задачи разработки методов выделения информационных параметров случайных сигналов. В качестве исходных данных использовались электроэнцефалограммы, записанные при обследованиях здоровых и больных пациентов, а также реализации ЭЭГ лабораторных животных.

Проведен сравнительный анализ частотных, временных и частотно–временных методов обработки случайных процессов типа ЭЭГ.

Обработка сигналов производилась с помощью преобразования Фурье; параметрическими методами (авторегрессионный метод и метод Прони), обладающими высокой разрешающей способностью при выделении частотных компонент сигнала; методами оконного преобразования Фурье и вейвлет-преобразования, позволяющими проанализировать динамику функциональной активности мозга.

Показано, что ни один из известных методов в отдельности не позволяет полностью осветить все стороны биоэлектрической активности мозга.

Предложены и исследованы новые методы анализа электроэнцефало-грамм: анализ сигналов симметричных отведений, оценка изменения мгновенной частоты колебаний потенциалов мозга во времени на основе частотного детектирования скользящим окном, метод выделения ритмов ЭЭГ–сигнала на основе обработки автокорреляционной функции на участках отсутствия шумовой составляющей. Приведены примеры использования разработанных методов для решения конкретных задач, когда полученная информация является значимой для характеристики состояния мозга.

Разработана структурная схема подсистемы обработки сигналов цифрового электроэнцефалографа, которая может быть использована при создании аппаратных средств компьютерной диагностики заболеваний нервной системы, а также при  массовом скрининге и диспансеризации.

Показано, что структура ЭЭГ является кусочно-стационарной и разработан метод определения границ стационарности участков ЭЭГ на основе статистик Колмогорова–Смирнова для заданного уровня значимости. Существенным преимуществом метода является отсутствие требования предварительного построения каких-либо математических моделей, которые для неоднородных процессов являются весьма приблизительными. Кроме того, в отличие от подавляющего большинства описанных в литературе методов сегментации ЭЭГ разработанный метод позволяет находить границы стационарности с помощью порога, задаваемого таблично, а не эмпирически, что обеспечивает повышение точности измерений.

Ключевые слова: обработка сигналов, электроэнцефалограмма, параметрические алгоритмы, непараметрические алгоритмы, спектральные методы, мгновенная частота.

ABSTRACT

Kharchenko O.I.  Methods of frequency and time domain analysis in systems of random signal processing such as electroencephalograms. –Manuscript.

The dissertation on competition of scientific degree of Candidate of technical sciences by speciality 05.12.17 radio and television systems. National Aerospace University named after  N. Ye. Zhukovsky (KhAI), Kharkov, 2007.

The dissertation is devoted to solving of a problem of development of methods for retrieval of information parameters of random signals such as EEG. Comparative analysis of frequency, time and time-and-frequency processing methods of random processes is carried out.

Signal processing was executed with the use of Fourier transform, parametric methods (autoregression method and Prony’s method), methods of window Fourier transform and wavelet-transform.

New methods of analysis of random signals are proposed and investigated: analysis of EEG-signals of the symmetric abductions, an evaluation of a modification of an instantaneous frequency brain potentials oscillations in time on basis of the frequency detection by a sliding window, a method of revealing of rhythms of the EEG-signal on basis of processing an autocorrelation function in segments where the noise component is absent. 

Structural scheme of signal processing system of digital electroencephalograph is designed.

Method of the stationarity margins of EEG fields determination based on  Kolmogorov - Smirnov statistics for the given level of significance was improved. This method does not require preliminary mathematical model design and defines stationarity margins with the aid of the threshold, assigned in table, instead of empirical.

Keywords: signal processing, an electroencephalogram, parametric algorithms, nonparametric algorithms, spectral methods, instantaneous frequency.

Підп. до друку 10.09.07.  Формат 60х84 1/16.   Спосіб друку –ризографія.

Умов. друк. арк. 1,0.   Облік. вид. арк. 1,1.   Тираж 100  прим.

Зам. № 2-679.     Ціна договірна.                      

ХНУРЕ, 61166, Харків, просп. Леніна, 14

Віддруковано в навчально-науковому

видавничо-поліграфічному центрі ХНУРЕ

61166, Харків, просп. Леніна, 14




1. Изъятие в пользу общества определенной доли валового внутреннего продукта в виде обязательного взноса и со
2. на тему- Победа Февральской революции 1917 года и ее результаты Выполнил студент 1 курса.
3. Тема1- Статистика населения 27 стр
4. Терра РостовнаДону 2006 Оглавление [1] Оглавление [2] Предисловие
5. Львівська політехніка Навчальнонауковий інститут підприємництва та перспективних технологій Кафед
6. It is not big country Its re is bout 244 820 squre kilometers
7. ПОКУПАЙ РАНЬШЕ ПЛАТИ МЕНЬШЕ
8. Износ по признакам его возникновения разделяют на физический функциональный и экономический внешний
9. на тему- сущность и причины инфляции
10. Закрепить умение составлять рапорт учителю 2
11. Анализ трудовых ресурсов главного сборочного цеха тракторного завода
12. Пушкин и религия
13. Роль реформ Петра 1 в истории
14. 2002 N 79З от 25052002 N 104З от 24
15. час и человекодень.html
16. Ересь патриотизма
17. Тема- Исламские страны Саудовская Аравия Оман Марокко Вопросы по Саудовской Аравии Оман Марокко будут
18. творческих способностей учащихся общеобразовательных школ.
19. Тема 1 Тест 1 Вес 6 Тип 1м Реальные инвестиции это- вложения в создание объектов недвижимости р
20. Статья 15 Права нотариуса Нотариус имеет право- совершать предусмотренные настоящими Основами нотариал