Россия
В статье приводятся результаты анализа низкочастотных сигналов и формирования управляющих сигналов, обработанных алгоритмами вейвлет-преобразования и программными фильтрами.
низкочастотный сигнал, анализ сигнала, управляющий сигнал, интеллектуальный тренажер, ЭЭГ.
I. Введение
Функционирование головного мозга, состояние его анатомических структур, наличие разнообразных заболеваний изучается и анализируется с помощью множества существующих методов, таких как электроэнцефалография, реоэнцефалография, компьютерная томография и многие другие.
Главная задача выявления всевозможных отклонений в функционировании структуры головного мозга, а именно его электрическая активность, осуществляется, как правило, электроэнцефалографией.
Электроэнцефалограмма мозга (ЭЭГ) – это такой метод, позволяющий проводить исследования функционирования головного мозга для анализа его биоэлектрической активности, которая снимается при помощи специальных низкочастотных электродов [1]. Сами электроды накладываются на определенные части головы, после чего проводиться анализ активности мозга.
За активность головного мозга человека отвечают следующие структуры – ретикулярная формация и передний мозг, предопределяющие ритмичность, основную структуру.
Главная характеристика электроэнцефалограммы – частота. Но из-за определенных ограничений возможностей восприятия при анализе сигналов снятых с коры головного мозга частота не является основным показателем, т.к. целый ряд частот отвечает за действия различных частей мозга [2]. В связи с затруднительным анализом была введена классификация частот электроэнцефалограммы по определенным диапазонам: альфа 8-13 Гц, бета 14-40 Гц, тета 4-8 Гц, дельта 0,5-3 Гц, гамма выше 40 Гц и др.
В зависимости от частоты и амплитуды низкочастотного сигнала мозга, формы волны, а так же типа реакции ведены понятия ритмов электроэнцефалограммы: альфа-ритм, бета-ритм, гамма-ритм, дельта-ритм, тета-ритм, каппа-ритм, мю-ритм, сигма-ритм и др. Таким образом, считается, что каждый из этих ритм определяет некоторое активное состояние мозга и связан с определенными церебральными механизмами.
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. 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.
4. Табаков, Ю. Г. Метод и алгоритм обработки НЧ сигналов с помощью вейвлета Добеши [Текст] / Ю. Г. Табаков, В. В. Лавлинский, Д. В. Бибиков // Моделирование систем и процессов. – 2014. – № 3. – С. 42-44.
5. Табаков, Ю. Г. Анализ вейвлет-преобразования Добеши для снятия и обработки НЧ сигналов [Текст] / Ю. Г. Табаков, Д. В. Бибиков // Информационные технологии моделирования и управления. – 2014. – Т. 90. – № 6. – С. 504-510.
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.
7. 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.
8. Табаков, Ю. Г. Обработка НЧ сигналов для интеллектуальных тренажеров с применением программных линейных фильтров с дискретным временем [Текст] / Ю. Г. Табаков, В. В. Лавлинский, Д. В. Бибиков // Моделирование систем и процессов. – 2014. – № 3. – С. 45-47.
