Russian Federation
The article presents the results of the analysis of low-frequency signals and generating control signals processed by the wavelet transform algorithms and software filters.
low-frequency signal, signal analysis, control signal, intellectual simulator, EEG.
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. Bibikov, D. V. Issledovanie podkhodov dlya sozdaniya informatsionnoy sostavlyayushchey pri proektirovanii intellektual´nogo trenazhera na osnove signalov kory golovnogo mozga [Tekst] / D. V. Bibikov, R. B. Burov, V. V. Lavlinskiy, Yu. G. Tabakov. Modelirovanie sistem i protsessov. - 2012. - № 4. - S. 52-56.
2. Bibikov, D. V. Metod proektirovaniya skhem dlya schityvaniya NCh-signalov s kory golovnogo mozga [Tekst] / D. V. Bibikov, R. B. Burov, V. V. Lavlinskiy, Yu. G. Tabakov. Modelirovanie sistem i protsessov. - 2013. - № 2. - S. 11-14.
3. Bibikov, D. V. Veyvlet-preobrazovanie Dobeshi dlya nizkochastotnykh signalov, snyatykh s kory golovnogo mozga cheloveka [Tekst] / D. V. Bibikov, R. B. Burov, V. V. Lavlinskiy, Yu. G. Tabakov. Modelirovanie sistem i protsessov. - 2013. - № 2. - S. 8-11.
4. Tabakov, Yu. G. Metod i algoritm obrabotki NCh signalov s pomoshch´yu veyvleta Dobeshi [Tekst] / Yu. G. Tabakov, V. V. Lavlinskiy, D. V. Bibikov. Modelirovanie sistem i protsessov. - 2014. - № 3. - S. 42-44.
5. Tabakov, Yu. G. Analiz veyvlet-preobrazovaniya Dobeshi dlya snyatiya i obrabotki NCh signalov [Tekst] / Yu. G. Tabakov, D. V. Bibikov. Informatsionnye tekhnologii modelirovaniya i upravleniya. - 2014. - T. 90. - № 6. - S. 504-510.
6. Tabakov, Yu. G. Analiz veyvlet-preobrazovaniya Morle dlya snyatiya i obrabotki NCh signalov [Tekst] / Yu. G. Tabakov, D. V. Bibikov. Sistemy upravleniya i informatsionnye tekhnologii. - 2014. - № 3.2 (57). - S. 272-275.
7. Bibikov, D. V. Modifitsirovannyy algoritm veyvlet-preobrazovaniya Morle dlya analiza NCh signalov [Tekst] / D. V. Bibikov, V. V. Lavlinskiy, Yu. G. Tabakov. Modelirovanie sistem i protsessov. - 2013. - № 3. - S. 12-14.
8. Tabakov, Yu. G. Obrabotka NCh signalov dlya intellektual´nykh trenazherov s primeneniem programmnykh lineynykh fil´trov s diskretnym vremenem [Tekst] / Yu. G. Tabakov, V. V. Lavlinskiy, D. V. Bibikov. Modelirovanie sistem i protsessov. - 2014. - № 3. - S. 45-47.
