Россия
В статье рассматриваются разработанные алгоритме на основе вейвлет-преобразования Добеши и Морле для анализа низкочастотных сигналов и представлен метод рационального выбора алгоритмов обработки управляющих низкочастотных сигналов для интеллектуального тренажера
Математический алгоритм, низкочастотный сигнал, управляющий сигнал, программирование, интеллектуальный тренажер
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. Бибиков, Д. В. Исследование подходов для создания информационной составляющей при проектировании интеллектуального тренажера на основе сигналов коры головного мозга [Текст] / Д. В. Бибиков, Р. Б. Буров, В. В. Лавлинский, Ю. Г. Табаков // Моделирование систем и процессов. – 2012. – № 4. –С. 52-56.
2. Бибиков, Д. В. Метод проектирования схем для считывания НЧ-сигналов с коры головного мозга [Текст] / Д. В. Бибиков, Р. Б. Буров, В. В. Лавлинский, Ю. Г. Табаков // Моделирование систем и процессов. – 2013. –№ 2. – С. 11-14.
3. Бибиков, Д. В. Модифицированный алгоритм вейвлет-преобразования Морле для анализа НЧ сигналов [Текст] / Д. В. Бибиков, В. В. Лавлинский, Ю. Г. Табаков // Моделирование систем и процессов. – 2013. –№ 3. – С. 12-14.
4. Лавлинский, В. В. Анализ вейвлет-преобразований Добеши и Морле на малейшие изменения в НЧ сигнале [Текст] / В. В. Лавлинский, Ю. Г. Табаков // Научный вестник Воронежского государственного архитектурно-строительного университета. Серия: Информационные технологии в строительных, социальных и экономических системах. – 2014. – № 2. – С. 56-59.
5. Бибиков, Д. В. Вейвлет-преобразование Добеши для низкочастотных сигналов, снятых с коры головного мозга человека [Текст] / Д. В. Бибиков, Р. Б. Буров, В. В. Лавлинский, Ю. Г. Табаков // Моделирование систем и процессов. – 2013. – № 2. – С. 8-11.
6. Табаков, Ю. Г. Анализ вейвлет-преобразования Морле для снятия и обработки НЧ сигналов [Текст] / Ю. Г. Табаков, Д. В. Бибиков // Системы управления и информационные технологии. – 2014. – №3.2 (57). –С. 272-275.
