|
|
Frekvenční analýza stabilometrických signálů
Netopil, Ondřej ; Hejč, Jakub (oponent) ; Kozumplík, Jiří (vedoucí práce)
Tato práce se zabývá metodami frekvenční a časově frekvenční analýzy stabilometrického signálu. V úvodu je popsána teorie k posturografii a posturografickému měření. Dále práce obsahuje popis stabilometrických parametrů pro hodnocení v časové oblasti (1D a 2 D parametry) a ve frekvenční oblasti. Cílem práce je vytvořit přehled základních metod zpracování a předzpracování stabilometrického signálu a tyto metody porovnat. Součástí je praktická realizace analýzy pomocí frekvenčních metod, Fourierovy transformace a Burgovy metody a časově-frekvenčních metod, krátkodobé Fourierovy transformace a vlnkové transformace analýzy. Součástí jsou nástroje pro srovnání těchto metod.
|
|
|
Časově-frekvenční analýza
Tráge, David ; Hadinec, Michal (oponent) ; Kubásek, Radek (vedoucí práce)
Cílem tohoto bakalářské práce je zjistit možnosti získání analýzy časové, frekvenční a jejich vzájemné kombinace, časově-frekvenční, různými metodami například Fourierovou transformací a Vlnkovou transformací. Během práce se seznámíme s jednotlivými transformacemi a vysvětlíme postup jejich výpočtu a především jejich výhody a nevýhody z pohledu přesnosti určení velikosti frekvence signálu v čase.
|
|
|
Časově-frekvenční analýza elektrogramů
Doležal, Petr ; Ronzhina, Marina (oponent) ; Kolářová, Jana (vedoucí práce)
Tato práce se zabývá časově-frekvenční analýzou elektrogramů měřených na izolovaných srdcích morčat perfundovaných podle Langendorffa. Časově-frekvenční analýza je založena na algoritmech Matching Pursuit a Wigner-Villovy distribuce. V teoretické části práce jsou popsány základy elektrokardiografie, měření na izolovaných srdcích, teorie aproximační metody Matching Pursuit a její kombinace s Wigner-Villovou distribucí zobrazující spektrum hustoty energie signálu. Také jsou představeny další běžné přístupy časově-frekvenční analýzy včetně teorie spojité vlnkové transformace. Uvedené algoritmy byly otestovány na souboru elektrogramů, u kterých byla v rámci měření vyvolána ischemie a následně reperfuze. Navržená metoda umožňuje rychlou detekci ischemie bez jakékoli apriorní znalosti signálu, a taktéž slouží jako nástroj k rozměření významných bodů a intervalů elektrogramu. V závěru práce byla prezentována úspěšnost metody a diskutovány možnosti jejího využití.
|
|
|
Bezkontaktní detekce fyziologických parametrů z obrazových sekvencí
Bršlicová, Tereza ; Janoušek, Oto (oponent) ; Kolář, Radim (vedoucí práce)
Diplomová práce se zabývá studií bezkontaktních a neinvazivních metod pro odhad tepové a dechové frekvence. Bezkontaktní měření spočívá ve snímání osob běžnou videokamerou a ze získaných sad obrazových sekvencí jsou vhodnými přístupy vyhodnoceny hodnoty fyziologických parametrů. Teoretická část práce je věnována především popisu jednotlivých metod a jejich implementace. Praktická část popisuje návrh a realizaci experimentu pro bezkontaktní detekci tepové a dechové frekvence. Experiment byl uskutečněn na 10 dobrovolnících se známou hodnotou tepové a dechové frekvence, což zajišťoval sofistikovaný systému BIOPAC. Zpracování a analýza naměřených dat byla provedena v programovém prostředí Matlab. Nakonec bylo provedeno srovnání výsledků z bezkontaktní detekce a referenčního měření systémem BIOPAC. Výsledky experimentu jsou statisticky vyhodnoceny a diskutovány.
|
|
|
Identification of the parameters of an electroencephalographic recording system
Svozilová, Veronika ; Sekora, Jiří (oponent) ; Mézl, Martin (vedoucí práce)
Electroencephalographic recording system is used to examine a brain activity. Based on this examination we can establish the diagnosis of certain diseases, such as epilepsy. The purpose of this study has been the signal processing and a signal generation which were compared with the real signal. Artificially generated signal is based on Jansen‘s mathematical model which has been also implemented in MATLAB and then that model has been extended to more complex model including nonlinearities and model electrode – electrolyte. Also a signal measurements on EEG phantom and identification of the parameters of these signals were performed. Firstly a simply signals were tested and the identification of their parameters has served to validate the EEG phantom. Secondly the created signal designed by Jansen model were tested also. Besides an analysis of all signals includes the time frequency analysis or a superposition principle testing.
|
|
|
Časově-frekvenční analýza hrubého domácího produktu ČR
Tráge, David ; Poměnková, Jitka (oponent) ; Maršálek, Roman (vedoucí práce)
Cílem diplomové práce je seznámení s problematikou a pojmy v ekonometrii (HDP, investice, spotřeba a další). Budou uvedena používaná data především jejich vlastnosti a předpoklady a probrány možnosti metod frekvenční a časově-frekveční analýzy těchto dat pomocí Fourierovy a Vlnkové transformace. Údaje kvartálního vývoje hrubého domácího produktu v ČR, EU a USA budou analyzovány pomocí programu MATLAB. Data budou filtrována třemi ekonomickými filtry: Hodrick-Prescottův, Baxter-Kingův a Christiano-Fitzgeraldův filtr. Cílem je nalezení cyklických složek ve vývojích HDP a návrhu optimální analýzy.
|
|
|
Biofeedback a jeho použití
Dvořák, Jiří ; Hrozek, Jan (oponent) ; Čmiel, Vratislav (vedoucí práce)
Cílem práce je popsat obecné typy biologické zpětné vazby užívané k terapeutické léčbě některých psychosomatických nemocí. Popis se následně zaměřuje zejména na nápravu lehkých mozkových dysfunkcí pomocí EEG biologické zpětné vazby. Konkretizují se vlastnosti a technické požadavky na tuto terapii, jejíž názorný princip v závěru práce prezentuje aplikace EEG biofeedback, navržená ve vývojovém prostředí LabView 7.1 s pomocí přístrojového vybavení MP35 a NI USB-6221.
|
|
|
Klasifikace mikrospánku analýzou EEG
Ronzhina, Marina ; Smital, Lukáš (oponent) ; Čmiel, Vratislav (vedoucí práce)
Tato diplomová práce se zabývá detekcí mikrospánku na základě změn energetického spektra EEG signálu. Vstupními hodnotami pro klasifikaci jsou výsledky časově-frekvenční analýzy. Navržená metoda klasifikace využívá aparát fuzzy logiky. Jsou navřeny 4 klasifikátory, jejichž základem jsou fuzzy inferenční systémy lišící se bázi pravidel. Pro návrh funkce příslušnosti premis pravidel jsou použity výsledky fuzzy shlukování. První dva klasifikátory pro detekci mikrospánku využívají pouze alfa pásmo spektrogramu EEG signálu. Tedy umožňují detekci jen stavu relaxace. Třetí klasifikátor je na rozdíl od předcházejících doplněn pravidly pro delta pásmo, co dává možnost rozlišovat v spektru 3 stavy: mentace, relaxace a somnolence. Čtvrtý klasifikátor má rozhodovací mechanismus zahrnující celé pásmo signálu. Uvažovaný přístup ke klasifikaci mikrospánku je realizován a implementován prostřednictvím programového vybavení počítače. Je vytvořen uživatelský program s grafickým rozhraním.
|
|
|
Porovnání úspěšnosti vícekanálových metod separace řečových signálů
Přikryl, Petr ; Zezula, Radek (oponent) ; Míča, Ivan (vedoucí práce)
Separace nezávislých zdrojů signálů ze směsí zaznamenaných dat je základní problém v mnoha praktických situacích. Typický příklad je záznam řeči v prostředí za přítomnosti šumu či jiného mluvčího na pozadí. Touto problematikou se zabývá skupina metod nazvaných Separace zdrojů naslepo. Slepá separace je založena na odhadu N neznámých zdrojů z P měření, které jsou směsmi těchto neznámých zdrojů a neznámého prostředí. Představeny a v Matlabu implementovány jsou některé známé řešení okamžitých směsí, tj. Analýza nezávislých komponent a Časově kmitočtová analýza. V reálném prostředí však akustické signály nejsou okamžité směsi, ale směsi konvoluční. Pro tento případje představen a v Matlabu implementován algoritmus pro separaci konvolučních směsí v kmitočtové oblasti.Tato diplomová práce zkoumá porovnání a použitelnost těchto separačních algoritmů.
|
|
|
Evaluation of cognitive ERP, ERD/ERS from intracerebral electrodes during the testing of executive functions, the time – frequency analysis
Chládek, Jan ; Bočková, M. ; Halámek, Josef ; Jurák, Pavel ; Nestrašil, I. ; Rektor, I.
In the present paper we describe the procedure of evaluation repeated EEG signals obtained from deep brain structures. Data are processed using the time-frequency analysis, which helps to determine individual frequency (IF) bands and afterwards are processed using complex demodulation technique to assess power envelope of IF band. We analysed phase-locked (Event-Related Potentials) and non-phase-locked (Event Related De/Synchronisation) signals obtained during different task conditions. Because of low signal to noise ratio, statistical tests of credibility and significance were used.
|
host ::
RSS.