сотрудник
Россия
В статье рассматривается линейная корреляционная связь для анализа НЧ сигнала на достоверность полученных управляющих сигналов. Проводились несколько экспериментов с разными интервалами шкал для получения коэффициента линейной корреляции и вычисления достоверности управляющего сигнала.
НЧ сигнал, коэффициент линейной корреляции, линейная корреляционная связь, линейная корреляция.
I. Введение
Совершенствование методов обработки и анализа низкочастотных сигналов, снятых с коры головного мозга человека, позволяют всё точнее выявлять управляющие сигналы для взаимодействия с интеллектуальными тренажёрами, благодаря чему, обучение интеллектуальной системы становится более лёгкой и быстрой.
Для детального анализа низкочастотного сигнала и оценить достоверность выявления управляющих сигналов [1] необходимо применить коэффициенты корреляции. Это позволит исследовать взаимосвязи двух амплитудно-частотных показателей низкочастотного сигнала при одной и той же выборке. Однако, значительная неравномерность амплитудно-частотных характеристик приводит к некоторым утечкам, которые обусловливают погрешность при анализе низкочастотных сигналов частотой до 50 Гц. Таким образом, предложенный метод, разработанный в работе [2], позволяет решить данную проблему с минимальными погрешностями.
Задача данного моделирования необходима для анализа парных данных и .
В рамках данной статьи будет разработан метод для анализа информационного сигнала с помощью линейной корреляционной связи. Таким образом, данный метод будет заключаться в изучении коэффициентов линейной корреляции между парами значений низкочастотного сигнала для установления достоверности выявления управляющего сигнала.
1. Табаков, Ю. Г. Оптимизация алгоритмов вейвлет-преобразования при моделировании НЧ сигналов / Ю. Г. Табаков, В. В. Лавлинский, Д.В. Бибиков // Моделирование систем и процессов. – 2014. – № 3. –С. 47-49.
2. Табаков, Ю. Г. Разработка метода обработки управляющих низкочастотных сигналов для интеллектуального тренажера / Ю. Г. Табаков // Научно-технический вестник информационных технологий, механики и оптики. – 2015. – Т. 15, № 4. – С. 695-700.
3. Лавлинский, В.В. Метод обработки звуковых сигналов на основе wavelet-преобразований / В. В. Лавлинский, Д. М. Ковалевский // Моделирование систем и процессов. – 2016. – Т. 9, № 3. – С. 30-34.
4. Лавлинский, В.В. Проектирование МОП-транзисторов на основе построения 3D моделей синтеза виртуальной реальности / В.В. Лавлинский, А.Х. Жвад, А.Л. Савченко // Фундаментальные исследования. – 2016. – № 1-1. – С. 38-42.
5. Зольников, К. В. Современное проектирование электронной компонентной базы / К. В. Зольников, В. В. Лавлинский // Экономика. Инновации. Управление качеством. – 2015. – № 1 (10). – С. 40-41.
6. Табаков, Ю. Г. Разработка программного комплекса для обработки НЧ сигналов / Ю. Г. Табаков // Молодой ученый. – 2014. – № 20. – С. 228-231.
7. Лавлинский, В. В. Построение правил принятия решений на основе функций принадлежности для оценки психологической особенности человека / В.В. Лавлинский, В.В. Лядов, Т.В. Песецкая // Моделирование систем и процессов. – 2016. – Т. 9, № 4. – С. 43-46.
8. Лавлинский, В. В. Метод сравнения смешанных и несмешанных звуковых сигналов на основе wavelet-преобразований / В.В. Лавлинский, Д.М. Ковалевский, Д.С. Григорьев // Моделирование систем и процессов. – 2016. – Т. 9, № 4. – С. 40-43.
9. Гольденберг, Л. М. Цифровая обработка сигналов / Л. М. Гольденберг, Б. Д. Матюшкин, М. Н. Поляк. – М. : Радио и связь, 1985. – 312 с.
10. Варакин, Л. Е. Теория сложных сигналов / Л. Е. Варакин. – М. : Советское радио, 1970. – 376 с.
11. Никифоров, И. В. Последовательное обнаружение изменения свойств временных рядов / И. В. Никифоров. – M. : Наука, 1983. – 199 c.
12. Воробьев, В. И. Теория и практика вейвлет-преобразования / В.И. Воробьев, В.Г. Грибунин. – СПб. : ВУС, 1999. – 204 с.
13. Дьяконов, В.П. Вейвлеты. От теории к практике / В. П. Дьяконов. – М. : СОЛОН-Пресс, 2004. –400 с.
