DOI: 10.17586/2226-1494-2015-15-4-695-700


РАЗРАБОТКА МЕТОДА ОБРАБОТКИ УПРАВЛЯЮЩИХ НИЗКОЧАСТОТНЫХ СИГНАЛОВ ДЛЯ ИНТЕЛЛЕКТУАЛЬНОГО ТРЕНАЖЕРА

Табаков Ю.Г.


Читать статью полностью 
Язык статьи - русский

Ссылка для цитирования: Табаков Ю.Г. Разработка метода обработки управляющих низкочастотных сигналов для интеллектуального тренажера // Научно-технический вестник информационных технологий, механики и оптики. 2015. Т. 15. № 4. С. 695–700.

Аннотация
Рассмотрена задача формирования управляющих сигналов для интеллектуального тренажера по восстановлению опорно-двигательной системы человека. Разработан метод обработки низкочастотного сигнала (до 50 Гц), снятого с поверхности коры головного мозга человека. Эти сигналы связаны с активностью головного мозга человека и непосредственно с α- и β-ритмами, отвечающими за движение конечностей. Предложенный метод основан на применении дифференциальных функций и вейвлетов Добеши и Морле. Для устранения ошибок, возникающих в процессе снятия низкочастотного сигнала с поверхности коры головного мозга, предложена модульная обработка сигнала. Исследование проведено на 10 добровольцах мужского пола, которые в ходе эксперимента выполняли движение руки, находясь в расслабленном бодрствовании. Результаты исследования показали, что предложенный метод позволяет выявить управляющие сигналы амплитудой от 5 до 15 мкВ в диапазоне частот от 10 до 50 Гц. Такой уровень сигналов позволяет адаптировать их для управления интеллектуальным тренажером. Результаты работы могут быть применены в медицинских реабилитационных учреждениях, а также при подготовке спортсменов к соревновательным мероприятиям.

Ключевые слова: низкочастотные сигналы, вейвлет-преобразование, вейвлет Добеши, вейвлет Морле, вейвлет Хаара, интеллектуальный тренажер, электромиостимуляторы.

Список литературы

1. Гольденберг Л.М., Матюшкин Б.Д., Поляк М.Н. Цифровая обработка сигналов. М.: Радио и связь, 1985. 312 с.

2. Варакин Л.Е. Теория сложных сигналов. М.: Советское радио, 1970. 376 с.
3. Wolpaw J.R., Birbaumer N., McFarland D.J., Pfurtscheller G., Vaughan T.M. Brain-computer interfaces for communication and control // Clinical Neurophysiology. 2002. V. 113. N 6. P. 767–791.
4. Гнездицкий В.В. Обратная задача ЭЭГ и клиническая электроэнцефалография. М.: Медпресс-информ, 2004. 624 с.
5. Лавлинский В.В., Бибиков Д.В., Буров Р.Б., Табаков Ю.Г. Интеллектуальный тренажер // Актуальные направления научных исследований XXI века: теория и практика. 2014. Т. 2. №4–3 (9–3). С. 360–367.
6. Воробьев В.И., Грибунин В.Г. Теория и практика вейвлет-преобразования. СПб.: ВУС, 1999. 204 с.
7. Никифоров И.В. Последовательное обнаружение изменения свойств временных рядов. M.: Наука, 1983. 199 c.
8. Табаков Ю.Г. Разработка программного комплекса для обработки НЧ сигналов // Молодой ученый. 2014. № 20. С. 228–231.
9. Добеши И. Десять лекций по вейвлетам. Москва-Ижевск: РХД, 2001. 464 с.
10. Дьяконов В.П. Вейвлеты. От теории к практике. 2-e изд. М.: СОЛОН-Пресс, 2004. 400 с.
11. Малла С. Вейвлеты в обработке сигналов. М.: Мир, 2005. 671 с.
12. Яковлев А.Н. Введение в вейвлет преобразования. Новосибирск: НГТУ, 2003. 104 с.
13. Петухов А.П. Введение в теорию базисов всплесков. СПб.: СПбГТУ, 1999. 132 с.
14. Марпл-мл. С.Л. Цифровой спектральный анализ и его приложения. М.: Мир, 1990. 584 с.


Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License
Информация 2001-2019 ©
Научно-технический вестник информационных технологий, механики и оптики.
Все права защищены.

Яндекс.Метрика