Russian Federation
The article discusses the developed algorithm based on wavelet transform Daubechies and Morlaix for analysis of low-frequency signals and presents a method of rational choice of control algorithms for low-frequency signals intellectual trainer
mathematical algorithm, the low-frequency signal, control signal, programming, intellectual trainer
I. ВВЕДЕНИЕ
На сегодняшний день широко используются различные методы управления внешними устройствами с применением низкочастотных сигналов коры головного мозга.
На основе этого существуют различные тренажеры, предназначенные для восстановления опорно-двигательной системы человека через стимуляцию мышц, т.е. через их сокращение и расслабление. К таким тренажерам можно отнести миостимуляторы, которые подразделяются на стационарные электронные миостимуляторы, мобильные электронные миостимуляторы, электронные миостимуляторы в виде пояса и электронные миостимуляторы в виде шорт [1].
Подобные миостимуляторы имеют различные функциональные особенности и различную стоимость. Например, миостимулятор Спорт-Элек SP-2 (8977 р.), компактный прибор для миостимуляции Butterfly XFT1002 (490 р.), электростимулятор мускулатуры двухканальный Sport-Elec Минцеор Боди (3718 р.), электростимулятор мускулатуры двухканальный SportElec Дуо Контрол (4449 р.), прибор миолстимуляции двухканальный ЭМС Про (586 р) и другие [2].
Значительный недостаток таких миостимуляторов это полное отсутствие возможности управления ими с помощью низкочастотных сигналов коры головного мозга в автоматизированном режиме. Такой режим важен для людей с нарушениями опорно-двигательной системы. Такие тренировки позволяют им не только подготавливать мышцы к работе, но и восстанавливать фантомные связи между корой головного мозга и конечностями ног или рук.
Формирование достоверного управляющего сигнала на основе низкочастотных сигналов коры головного мозга является одной из составных задач разработки интеллектуального тренажера по восстановлению опорно-двигательной системы человека.
Анализ низкочастотных сигналов коры головного мозга с датчиков электроэнцефалограммы позволил выделить особенности низкочастотных сигналов.
Так же следует уделить особого внимания на высокоамплитудные остроконечные формы сигналов, которые называются спайк (от англ. spike - остриё, пик). Эти волны сигналов могут внезапно, как появляться, так и исчезать на фоне общей активности сигналов коры головного мозга.
1. Bibikov, D. V. Issledovanie podkhodov dlya sozdaniya informatsionnoy sostavlyayushchey pri proektirovanii intellektual´nogo trenazhera na osnove signalov kory golovnogo mozga [Tekst] / D. V. Bibikov, R. B. Burov, V. V. Lavlinskiy, Yu. G. Tabakov. Modelirovanie sistem i protsessov. – 2012. – № 4. –S. 52-56.
2. Bibikov, D. V. Metod proektirovaniya skhem dlya schityvaniya NCh-signalov s kory golovnogo mozga [Tekst] / D. V. Bibikov, R. B. Burov, V. V. Lavlinskiy, Yu. G. Tabakov. Modelirovanie sistem i protsessov. – 2013. –№ 2. – S. 11-14.
3. Bibikov, D. V. Modifitsirovannyy algoritm veyvlet-preobrazovaniya Morle dlya analiza NCh signalov [Tekst] / D. V. Bibikov, V. V. Lavlinskiy, Yu. G. Tabakov. Modelirovanie sistem i protsessov. – 2013. –№ 3. – S. 12-14.
4. Lavlinskiy, V. V. Analiz veyvlet-preobrazovaniy Dobeshi i Morle na maleyshie izmeneniya v NCh signale [Tekst] / V. V. Lavlinskiy, Yu. G. Tabakov. Nauchnyy vestnik Voronezhskogo gosudarstvennogo arkhitekturno-stroitel´nogo universiteta. Seriya: Informatsionnye tekhnologii v stroitel´nykh, sotsial´nykh i ekonomicheskikh sistemakh. – 2014. – № 2. – S. 56-59.
5. Bibikov, D. V. Veyvlet-preobrazovanie Dobeshi dlya nizkochastotnykh signalov, snyatykh s kory golovnogo mozga cheloveka [Tekst] / D. V. Bibikov, R. B. Burov, V. V. Lavlinskiy, Yu. G. Tabakov. Modelirovanie sistem i protsessov. – 2013. – № 2. – S. 8-11.
6. Tabakov, Yu. G. Analiz veyvlet-preobrazovaniya Morle dlya snyatiya i obrabotki NCh signalov [Tekst] / Yu. G. Tabakov, D. V. Bibikov. Sistemy upravleniya i informatsionnye tekhnologii. – 2014. – №3.2 (57). –S. 272-275.
