شماره ركورد كنفرانس :
4722
عنوان مقاله :
ارائه روش جديدي براي حسگري فشرده ي سيگنال هاي الكتروانسفالوگرافي چندكاناله
عنوان به زبان ديگر :
Providing a new method to compressive sensing of multi-channel EEG signals
پديدآورندگان :
سلطاني فريال soltaniferyal@gmail.com دانشگاه بينالمللي امام خميني; , فرجي ندا neda_faraji2002@yahoo.com دانشگاه بينالمللي امام خميني; , خادم علي alikhadem@kntu.ac.ir دانشگاه صنعتي خواجه نصيرالدين طوسي;
كليدواژه :
پردازش سيگنال , حسگري فشرده , سيگنالهاي تنك , سيگنالهاي الكتروانسفالوگرافي چندكاناله , يادگيري ديكشنري , همبستگي مكاني-زماني
عنوان كنفرانس :
سومين كنفرانس بين المللي مهندسي برق
چكيده فارسي :
با توجه به پيشرفت تكنولوژي و گسترش كاربرد پردازش سيگنال در سيستم هاي نظارت و پايش بلند مدت پزشكي، ضرورت فشرده سازي سيگنال هاي حياتي دو چندان شده است. از طرف ديگر، روشهاي سنتي نمونه برداري و فشرده سازي براي پردازش برخط اين سيگنال ها ناكارآمد هستند. در اين پژوهش به دنبال راهكاري براي فشرده سازي و سپس بازسازي سيگنال هاي الكتروانسفالوگرافي (EEG) چندكاناله بوديم كه خطاي بازسازي سيگنال براي نرخ فشرده سازي بالا را تا حد قابل قبولي كاهش دهد. در اينجا سعي كردهايم با استفاده از روش حسگري فشرده، سيگنال هاي EEG ضبط شده را براي ذخيرهسازي و يا ارسال فشرده كنيم به صورتي كه بتوان در گيرنده با تعداد كمي اندازه گيري از سيگنال اصلي، بازسازي را با دقت بالا انجام داد. ما با استفاده از يك الگوريتم تجزيهي مقادير منفرد دوراني، بهترين ماتريس ديكشنري متناظر با هر سيگنال را يافتيم و سپس به كمك يك الگوريتم بازسازي كه از همبستگي زماني و مكاني بين سيگنال هر كانال و سيگنال كانال هاي ديگر بهره ميگيرد سيگنال اصلي را بازسازي كرديم. نتايج روي يك مجموعه داده ي EEG چندكاناله نشان داد كه روش ارائه شده در مقايسه با الگوريتم فشرده سازي پركاربرد يادگيري بيزين مكاني-زماني تنك (STSBL) در همان نرخ فشرده سازي، از خطاي بازسازي كمتري برخوردار است.