لینک دانلود و خرید پایین توضیحات
دسته بندی : پاورپوینت
نوع فایل : .ppt ( قابل ویرایش و آماده پرینت )
تعداد اسلاید : 18 اسلاید
قسمتی از متن .ppt :
حمیدرضا پوررضا
درس هشتم
سیگنال ها و سیستم ها
تبدیل فوریه
مثالهایی از تبدیل فوریه
تبدیل فوریه سیگنالهای پریودیک
خصوصیات تبدیل فوریه
H.R. POURREZA
2
موضوعات این جلسه
x(t) را یک سیگنال غیرپریودیک در نظر بگیرید
این سیگنال را میتوانید یک سیگنال پریودیک با پریود بینهایت فرض کنید
برای یک سیگنال پریودیک، هارمونیکها به فاصلهی ω0=2π/T از هم قرار دارند
پس اگر T∞ بنابراین ω00 و لذا اجزای هارمونیکها در بعد فرکانس به هم نزدیک و نزدیکتر میشوند
سری فوریه تبدیل میشود به تبدیل فوریه
H.R. POURREZA
3
تبدیل فوریه سیگنال پیوسته در زمان
یک مثال جالب: موج مربعی
4
تبدیل فوریه سیگنال پیوسته در زمان
ثابت نگه میداریم
افزایش میدهیم
همچنانکه T افزایش مییابد نقاط گسسته در بعد فرکانس فشردهتر میشوند
لینک دانلود و خرید پایین توضیحات
دسته بندی : پاورپوینت
نوع فایل : .ppt ( قابل ویرایش و آماده پرینت )
تعداد اسلاید : 18 اسلاید
قسمتی از متن .ppt :
حمیدرضا پوررضا
درس هشتم
سیگنال ها و سیستم ها
تبدیل فوریه
مثالهایی از تبدیل فوریه
تبدیل فوریه سیگنالهای پریودیک
خصوصیات تبدیل فوریه
H.R. POURREZA
2
موضوعات این جلسه
x(t) را یک سیگنال غیرپریودیک در نظر بگیرید
این سیگنال را میتوانید یک سیگنال پریودیک با پریود بینهایت فرض کنید
برای یک سیگنال پریودیک، هارمونیکها به فاصلهی ω0=2π/T از هم قرار دارند
پس اگر T∞ بنابراین ω00 و لذا اجزای هارمونیکها در بعد فرکانس به هم نزدیک و نزدیکتر میشوند
سری فوریه تبدیل میشود به تبدیل فوریه
H.R. POURREZA
3
تبدیل فوریه سیگنال پیوسته در زمان
یک مثال جالب: موج مربعی
4
تبدیل فوریه سیگنال پیوسته در زمان
ثابت نگه میداریم
افزایش میدهیم
همچنانکه T افزایش مییابد نقاط گسسته در بعد فرکانس فشردهتر میشوند
لینک دانلود و خرید پایین توضیحات
دسته بندی : پاورپوینت
نوع فایل : .ppt ( قابل ویرایش و آماده پرینت )
تعداد اسلاید : 18 اسلاید
قسمتی از متن .ppt :
حمیدرضا پوررضا
درس هشتم
سیگنال ها و سیستم ها
تبدیل فوریه
مثالهایی از تبدیل فوریه
تبدیل فوریه سیگنالهای پریودیک
خصوصیات تبدیل فوریه
H.R. POURREZA
2
موضوعات این جلسه
x(t) را یک سیگنال غیرپریودیک در نظر بگیرید
این سیگنال را میتوانید یک سیگنال پریودیک با پریود بینهایت فرض کنید
برای یک سیگنال پریودیک، هارمونیکها به فاصلهی ω0=2π/T از هم قرار دارند
پس اگر T∞ بنابراین ω00 و لذا اجزای هارمونیکها در بعد فرکانس به هم نزدیک و نزدیکتر میشوند
سری فوریه تبدیل میشود به تبدیل فوریه
H.R. POURREZA
3
تبدیل فوریه سیگنال پیوسته در زمان
یک مثال جالب: موج مربعی
4
تبدیل فوریه سیگنال پیوسته در زمان
ثابت نگه میداریم
افزایش میدهیم
همچنانکه T افزایش مییابد نقاط گسسته در بعد فرکانس فشردهتر میشوند
شرح مختصر : یک منبع نوری که توسط سیگنال الکتریکی حاوی پیام مدوله می شود (E/O) و وارد یک فیبر با میرایی وپاشندگی کم می گردد و گیرنده نوری (O/E) دوباره سیگنال نوری را به یک سیگنال الکتریکی تبدیل می کند. تقویت کننده های نوری (O/A) نیز نقش مهمی در یک سیستم انتقال نوری ایفا می کنند. بر خلاف انتظار ضد آب کردن کابل های فیبرهای نوری مهمتر از کابلهای الکتریکی است .فیبرهای غوطه ور در آب به مرور یونهای ئیدروکسیل را جذب می کنند ووجود این یونها جذب نور را در طول فیبر افزایش می دهد علاوه بر این نفوذ آب ترکهای بسیار ریزی نیز در طول فیبر ایجاد می کند که این مسأله باعث پراکندگی نور می شودازطرفی این ترکها با تضعیف فیبر به طور قابل توجهی فیبر را آسیب پذیر می کنند به همین دلیل آب بدترین دشمن سیستمهای فیبر نوری است.
فهرست:
منابع (فرستنده های نوری)
انواع منابع نوری
مدولاسیون ومالتی پلکسینگ
انواع مدولاتورها
فیبرهای نوری
انواع کابل فیبرهای نوری
فیبرنوری پلاستیکی (POF)
تقویت کننده های نوری
آشکارسازها (گیرنده های نوری)
هدایت کننده های نوری
فوتو دایودها
دیودها
فوتودایودهای Schottky-Barrier
فوتودایودهای آوالانژ (APD)
ویژگی های APD
آشکار سازهای Hetero-Interface
آشکار سازهای Travelling-Wave
آشکار سازهای Resonant-Cavity
Phototransistors
پهنای باند گیرنده
BER
SNR
منابع
60 صفحه
لینک دانلود و خرید پایین توضیحات
فرمت فایل word و قابل ویرایش و پرینت
تعداد صفحات: 5
روش های تولید سیگنال الکتروکاردیوگرام (ECG)
در سال های اخیر توجه زیادی به تولید مصنوعی سیگنال های الکتروکاردیوگرام( (ECGبه کمک مدل های ریاضی معطوف شده است . یکی از کاربردهای مدل های دینامیکی که سیگنال های ECG مصنوعی تولید می کند، ارزیابی آسان دستگاه های پردازش سیگنال تشخیصی ECGاست.
همچنین باید مدل از توانایی لازم برای تولید سیگنال های ECG طبیعی و غیر طبیعی برخوردار باشد.اختلاف پتانسیل ثبت شده بین دو الکترود که روی سطح پوست قرارداده شده اند، به الکتروکاردیوگرام (ECG) سطحی معروف است . دی پلاریزاسیون/ ری پلاریزاسیون های دهلیزی و بطنی متوالی که در هر دوره قلبی اتفاق می افتد قله و دره هایی در یک سیکل منفرد سیگنال ECG طبیعی ایجاد می کند . این قله ها و دره ها با حروف T,S,R,Q,P نام گذاری می شوند.تنوع ضربان - ضربان در RR داخلی ، تنوع درمحدوده مقیاس زمانی از ثانیه تا روز است بعضی از این تغییرات به خوبی قابل درک هستند و برگرفته از :
/
شکل 1- اتصال سیستم عصبی به قلب
1- حمله قلبی بین مکانیزم کنترل متفاوت فیزیولوژی از قبیل آریتمی سینوس تنفسی (RSA) و موج های مایراست. 2- میزان فعالیت فیزیکی و ذهنی3- ریتم circadian 4- اثرات مراحل مختلف خوابانتشار ضربان قلب از گره سینوسی - دهلیزی به دهلیزها و سپس به دسته دهلیزی بطنی هیس و سرانجام به بطن ها همراه با تغییرات پتانسیل الکتریکی است که می توان آن را در فاصله ای دورتر از قلب ثبت کرد. منحنی تغییرات الکتریکی قلب را الکتروکاردیوگرام یا به اختصار ECG می نامند .سیستم اعصاب مرکزی (ANS) مسئول تنظیم کوتاه مدت فشار خون است . ANS، قسمتی از سیستم اعصاب مرکزی (CNS) است. ANS از دو زیر سیستم سمپاتیک و پاراسمپاتیک استفاده می کند. سیستم سمپاتیک در شرایط استرس فعال می شود تا نرخ ضربان قلب را بالا ببرد . سیستم سمپاتیک می تواند نرخ ضربان قلب را تا 180 ضربان دردقیقه (bpm) بالا ببرد .فیبر های عصبی سمپاتیک تمام قلب از جمله گره سینوسی - دهلیزی ، گره دهلیزی - بطنی ، مسیر های هدایتی و عضلات دهلیزی و بطنی را تحت تاثیر قرار می دهد. با افزایش فعالیت سمپاتیک نرخ ضربان قلب و نیروی انقباضی افزایش می یابد. به علاوه میزان هدایت قلب افزایش و مدت انقباض آن کاهش می یابد. در مقابل ، سیستم پاراسمپاتیک در زمان استراحت فعال می شود و می تواند نرخ ضربان قلب را تا bpm 60 پایین بیاورد. سیستم پاراسمپاتیک مسیر های هدایت دهلیزی - بطنی و عضلات دهلیزی را تحت تأثیر قرار می دهد.
روش های مختلفی برای تولید سیگنال وجود دارد که می توان به دو بخش عمده خطی و غیر خطی تقسیم کرد.
/
شکل2- مسیر حرکت نمونه تولید شده توسط مدل Mc sharry
چند نمونه از روش های غیر خطی به صورت ذیل است:
روش MC sharry ، شبکه عصبی، IPFM ، مدل دینامیکی، مدل zeeman، مدل ترکیبی GCM و از روش های خطی نیز می توان به روش های پارامتری مانند مدل های AR,ARMA, نام برد.مدل McSharry یک سیکل جدی در فضای سه بعدی (x,Y,Z) ایجاد می کند به طوری که هر حرکت کامل روی آن متناظر با یک سیکل قلبی در نظر گرفته می شود. تصویر مسیر حرکت روی صفحه x-y یک دایره است. تصویر این حرکت روی محور z ، سیگنال ECG را فراهم می کند. در مدلIPFM از ورودی انتگرال گرفته می شود تا هنگامی که حاصل انتگرال به سطح آستانه ای برابر TH برسد، در این زمان پالسی به عنوان ضربان قلب می شود. سطح آستانه Th را می توان با یک توزیع تصادفی گوسی انتخاب کرد. ورودی انتگراتور مجموع دو سیگنال است . یکی m(t) که بیانگر فعالیت اعصاب سمپاتیک و پاراسمپاتیک است و دیگری که به عنوان یک ورودی داخلی برای گره SA در نظر گرفته می شود. هنگامی که m(t) برابر صفر باشد ، پالس های تولید شده دارای فرکانس متناسب با خواهد بود. البته باید توجه کرد که باید همواره مثبت باشد. بلوک دیاگرام مدل ارائه شده برای تولید HRV توسط IPFM به صورت روبه رواست.در مدل غیر خطی از مبنای شبکه های عصبی برای تولید سیگنال الکتروکاردیوگرام همراه با شبکه عصبی با توابع شعاعی (RBF) در یک مدل دینامیکی غیر خطی که بر پایه مدل دینامیکی Mc Sharry و همکاران بنا شده است استفاده شده که ، روش مناسبی برای تولید مصنوعی سیگنال های الکتروکاردیوگرام است.
/
شکل3- بلوک دیاگرام مدل IPFM
درروش مدل zeeman یک مدل جبرانی برای تولید سیگنال ECG مصنوعی مطرح شده است . این مدل اثر آریتمی سینوسی تنفسی ، موج های مایر از همه مهم تر مولفه فرکانس پایین در طیف توان HRV را دخالت داده است . در مدل ، اثرات فعالیت های سمپاتیک و پاراسمپاتیک در مولفه های LF , HF , VLF در طیف توان HRV شامل می شود . درروش تولید سیگنال ECG با استفاده از مدل ترکیبی گوسین (GCM) برای تولید الکترو کاردیو گرام (ECG) مولد سیگنال ویژگی های مورفولوژی ECG را در اطراف نقاط اکسترمم بیان می کند. دو روش برای تعداد شناسه های گوسین وجود دارد:1 روش دستی : اپراتور تعداد گوسین ها را در این مدل پیشنهاد می کند .2 روش اتوماتیک : تعداد گوسین ها به طور اتوماتیک شناسایی شده و بر پایه خطای نهایی مطلوب است. در تولید ECG با استفاده از روش GCM باید تطبیقی بین صحت و زمان اجرا شدن وجود داشته باشد. نتایج تطبیق در این روش به تعداد گوسین ها بستگی دارد.HRV به عنوان یکی از مهم ترین راه ها برای در نظر گرفتن سیستم قلبی - عروقی و کنترل آن است. HRV به ضربان - ضربان نرخ قلب به عنوان استخراج از ضربان های پیوسته زمان داخلی ، RR داخلی و حدود مقدار میانگین (HR - RR)است.طبقه بندی سری زمانی یکی از مسائلی است که کاربرد وسیعی در زمینه های متنوع دارد و اخیراً مورد توجه بسیاری از محققان بوده است. تحقیق های اخیر برروی طبقه بندی داده های استخراجی از مدل های ARMA با استفاده از الگوریتم های K-means و K-medoids با فاصله اقلیدسی بین پارامترهای تخمینی مدل، تمرکز شده است. در این تحقیقات ثابت شده که طبقه بندی به وسیله دیتای برش خورده، مزایای زیر را به دنبال خواهد داشت:
/
شکل4- بلوک دیاگرام مدل ارائه شده برای تولید HRV توسط IPF