Russian Federation
The article describes the functionality of the low-pass filter with the calculated optimum damping coefficients of noise in the signal. The block for diagram and the appearance of the board for removing for low-frequency signals of human cerebral cortex. The mathematical algorithm low-frequency signal processing frequency of 10-40 Hz using wavelet transform Daubechies and low-pass filter.
low-frequency signal, signal processing, wavelet Daubechies, wavelet transform, engineering, low-pass filter.
I. Введение
На данный момент существует множество приложений для профессиональной обработки сигналов, в которых широко используются различные методы преобразований сигнала с целью получения нужных данных. Например, для подготовки цифровых фонограмм, реставрации записей, для систем управления устройствами в реальном времени используются методы изменения темпа сигнала и амплитудно-частотные характеристики (АЧХ). Эти методы позволяют, в значительной мере, сэкономить время на обработку, т.к. предоставляют возможность исправлять различного рода ошибки и корректировать сигнал в процессе обработки.
Таким образом, разработанные алгоритмы вейвлет-преобразования Добеши [1-3] и Морле [4-5], предназначенных специально для анализа и обработки низкочастотного сигнала коры головного мозга в реальном времени, имеют свои недостатки. Они выражаются в отсутствии устранять в исходном низкочастотном сигнале различного рода шумы и помехи, что не позволяет проводить качественный анализ полученных данных.
Применение низкочастотного фильтра (НЧФ) к разработанным математическим алгоритмам позволяет частично устранить перечисленные недостатки. Метод обработки низкочастотного сигнала с помощью низкочастотного фильтра основан на частотно-временном представлении сигнала при помощи быстрого преобразования Фурье (БПФ) [6]. Однако данных подход не сохраняет временную информацию о сигнале, а также и о времени появления частоты.
Метод кратковременного преобразования Фурье (КВПФ) является серией оконного быстрого преобразования Фурье, который перекрывает по времени и позволяет за счет фреймового подхода сохранять временную информацию о спектре сигнала.
Один из традиционных подходов к смене высоты тона без изменения длительности сигнала состоит в вычислении двухмерного частотно-временного представления сигнала описанным выше методом. Таким образом, низкочастотный фильтр позволяет устранять различные сторонние шумы/помехи без искажения исходного низкочастотного сигнала [7].
1. 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.
2. 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.
3. Lavlinskiy, V. V. Analiz veyvlet-preobrazovaniy Dobeshi i Morle na maleyshie izmeneniya v NCh signale [Tekst] / V. V. Lavlinskiy, Yu. G. Tabakov. Nauchnyy vestnik Voronezhskogo gosudarstvennogo arkhitekturno-stroitel´nogo universiteta. Seriya: Informatsionnye tekhnologii v stroitel´nykh, sotsial´nykh i ekonomicheskikh sistemakh. - 2014. - № 2. - S. 56-59.
4. 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. - T. 57. - № 3.2. -S. 272-275.
5. 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.
6. Tabakov, Yu. G. Optimizatsiya algoritmov veyvlet-preobrazovaniya pri modelirovanii NCh signalov [Tekst] / Yu. G. Tabakov, V. V. Lavlinskiy, D. V. Bibikov. Modelirovanie sistem i protsessov. - 2014. - № 3. - S. 47-49.
7. 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.
8. 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.
9. Utkin, D. M. Problemno-orientirovannoe programmnoe obespechenie dlya rascheta pokazateley nadezhnosti slozhnykh blokov programmno-tekhnicheskikh kompleksov i ego integratsiya v SAPR skvoznogo proektirovaniya [Tekst] / D. M. Utkin, V. K. Zol´nikov. Modelirovanie sistem i protsessov. - 2013. - № 3. - S. 48-51.
10. 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.
11. Lavlinskiy, V. V. Intellektual´nyy trenazher [Tekst] / V. V. Lavlinskiy, D. V. Bibikov, R. B. Burov, Yu. G. Tabakov. Aktual´nye napravleniya nauchnykh issledovaniy XXI veka: teoriya i praktika. - 2014. - T. 2. -№ 4-3 (9-3). - S. 360-367.
