Изучение характеристик сигналов электроэнцефалографических, электромиографических, реографических и электрокардиографических исследований, страница 17

2.4. Сжатие исследуемого сигнала

Для сжатия фильтрованного сигнала использованы методы: метод сравнения дискретных отсчетов, экстраполяция и интерполяция нулевого порядка .

В таблице 30 приведены значения размера сигнала,  апертуры, коэффициента сжатия, максимальной относительной ошибки и средней квадратической ошибки восстановленного сигнала для трех алгоритмов сжатия (метод сравнения дискретных отсчетов, ЭНП и ИНП).

Таблица 30 - Результаты сжатия фильтрованного сигнала

Метод	Размер файла (байт)	Значение апертуры	Сжатие, %	Максимальная относительная ошибка, %	Ср. квадратическая ошибка
Фильтрованный сигнал	537640	-	-	0	0
Сигнал, полученный методом сравнения дискретных отсчетов	150856	50	28,05 %	13,9175 %	0.2043
Сигнал, записанный посредством ЭНП	62808	150	11,68 %	13,9175 %	0.2006
Сигнал, записанный посредством ИНП	33272	150	6,18 %	13,9174 %	0.2437

Графики восстановленного сигнала для метода сравнения дискретных отсчетов, ЭНП и ИНП представлены ра рисунках  43, 44, 45 соответственно.

Рисунок 43 - Сигнал полученный методом сравнения дискретных отсчетов

Рисунок 44 - Сигнал, записанный посредством ЭНП

Рисунок 45 - Сигнал, записанный посредством ИНП

Вывод:

После проведения процедуры сжатия можно сделать вывод, о том что предпочтительным для сжатия сигнала следует считать метод ИНП, так как при этом методе достигается наибольший процент сжатия.

2.5. Исследование сигнала на предмет наличия отклонений физиологического процесса от идеального

Рисунок 46 - График идеального сигнала в натуральных единицах

Рисунок 47 - График спектрального анализа аналогового эквивалента идеального сигнала

Рисунок 48 - График фильтрованного реального сигнала в натуральных единицах

Рисунок 49 - График спектрального анализа фильтрованного реального сигнала

Вывод:

Визуально сравнив графики спектрального анализа каждого из сигналов можно сделать вывод о том, что исследуемый сигнал после фильтрации имеет незначительные отклонения от идеального сигнала по амплитуде (до 10 В) и частоте (до 2 Гц).

2.6. Алгоритм программы для обработки сигнала

По результатам выполнения практической части составлен алгоритм обработки исследуемого сигнала. Его параметры:

Размер программы = 8391 байт.

Символов – 7147.

Размер исследуемого файла = 268848 байт.

Размер записанного сжатого файла = 35208 байт.

Заключение

Поставленная задача выполнена.

Разработана система автоматизированной обработки и анализа сигнала с полезной составляющей, лежащей в пределах 65 – 820 Гц. Выбраны наиболее эффективные методы фильтрации (БИХ фильтры Баттерворта: фильтр верхних частот, заграждающий фильтр а так же КИХ фильтр)  и сжатия (Интерполяция нулевого порядка).

Список литературы 

1. Методические указания по выполнению лабораторных работ по курсу «Автоматизированная обработка экспериментальных данных» студентами специальности 200402 – «Инженерное дело в медико-биологической практике»/ – Чита: ЧитГУ, 2007. – С10-14. 2. Куприянов М.С. Цифровая обработка сигналов: процессоры, алгоритмы, средства проектирования/ М.С. Куприянов, Б.Д. Матюшкин – СПб: Политехника, 1999. – 592с. 3. Гадзиковсковский В.И. Теоретические основы цифровой обработки сигналов/ В.И. Гадзиковсковский – М.: Радио и связь, 2004 – 344с. 4. Анохин П.К. Принципиальные вопросы общей тео рии функциональных систем. Принципы системной орга низации функций. М., Наука, 1973, С.5-61.  5. Баевский P.M. К проблеме прогнозирования функцио нального состояния человека в условиях длительного кос мического полета. Физиол. Журн. СССР,1972,6, с.819-827.  6. Баевский P.M. Кибернетический анализ процессов уп- раления сердечным ритмом. Актуальные проблемы физиологии и патологии кровообращения. М., Медици- на.197б. С. 161-175.