Design, implementation and evaluation of deconvolution methods in periodic biomedical signals

In the present thesis, an extensive study and simulation of source separation methods for periodic biosignals are conducted. Biosignals nature and the emerged from their origin and acquisition characteristics make the separation a cumbersome task. A wide variety of source separation techniques have...

Πλήρης περιγραφή

Λεπτομέρειες βιβλιογραφικής εγγραφής
Κύριος συγγραφέας: Μακρυγιώργου, Δήμητρα
Άλλοι συγγραφείς: Δερματάς, Ευάγγελος
Μορφή: Thesis
Γλώσσα:English
Έκδοση: 2018
Θέματα:
Διαθέσιμο Online:http://hdl.handle.net/10889/11452
id nemertes-10889-11452
record_format dspace
spelling nemertes-10889-114522022-09-05T05:00:28Z Design, implementation and evaluation of deconvolution methods in periodic biomedical signals Μελέτη, υλοποίηση και αξιολόγηση μεθόδων αποσυνέλιξης περιοδικών βιοσημάτων Μακρυγιώργου, Δήμητρα Δερματάς, Ευάγγελος Δερματάς, Ευάγγελος Μπερμπερίδης, Κωνσταντίνος Σκόδρας, Αθανάσιος Makrygiorgou, Dimitra Source separation Biosignals Instantaneous and convolutive mixtures Independent component analysis Periodic component analysis Cyclostationary methods Διαχωρισμός πηγών Βιοσήματα Στιγμιαίες και συνελικτικές μίξεις Ανάλυση ανεξάρτητων συνιστωσών Ανάλυση περιοδικών συνιστωσών Κυκλοστάσιμες μέθοδοι 610.28 In the present thesis, an extensive study and simulation of source separation methods for periodic biosignals are conducted. Biosignals nature and the emerged from their origin and acquisition characteristics make the separation a cumbersome task. A wide variety of source separation techniques have been implemented, each one based on a different assumption, relative to signals characteristics. Methods based on signals correlation, independency, and periodicity are studied. Specifically, fastICA, Infomax, JADE, AMUSE, SOBI, πCA, natural gradient methods and contrast function approaches for convolutive mixture and algorithm based on signal cyclostationarity are simulated and examined on both synthetic data and real biosignals. Finally, an approach, that takes into account the frequency components of the under investigation signals and its inputs are one channel data, is implemented and examined on real biosignals. Το θέμα της παρούσας εργασίας είναι η μελέτη-υλοποίηση και αξιολόγηση μεθόδων αποσυνέλιξης περιοδικών βιοσημάτων. Η ιδιαιτερότητα του προβλήματος αυτού έγκειται στα διαφορετικά χαρακτηριστικά που παρουσιάζουν οι διάφοροι τύποι βιοσημάτων, ανάλογα με την προέλευση και τον τρόπο καταγραφής τους. Αρχικά, λοιπόν, παρατίθεται μια σύντομη περιγραφή των βασικών χαρακτηριστικών των υπαρχόντων βιοσημάτων και η κατηγοριοποίησή του με βάση αυτά. Ακόμη παρουσιάζονται οι βασικές τεχνικές καταγραφής των βιοσημάτων και ιδιαίτερη έμφαση δίνεται στους πιεζοηλεκτρικούς αισθητήρες. Στη συνέχεια, το σύνολο των τεχνικών διαχωρισμού που έχουν αναπτυχθεί βασισμένες στη συσχέτιση, στην ανεξαρτησία και την περιοδικότητα των σημάτων υλοποιούνται και αξιολογούνται με βάση τα αποτελέσματα. Συγκεκριμένα, οι αλγόριθμοι FastICA, JADE, AMUSE, SOBI, πCA, άλλες τεχνικές συναρτήσεων αντίθεσης και βάθμωσης και μέθοδοι βασισμένες στα κυκλοστάσιμα σήματα εφαρμόζονται στα υπό εξέταση σήματα. Τα αποτελέσματα συγκρίνονται και σχολιάζονται. Τέλος, μια καινούργια προσέγγιση για το διαχωρισμό περιοδικών σημάτων, που είναι βασισμένη στη γνώση των συχνοτήτων περιεχομένου των σημάτων που θέλουμε να εξάγουμε προτείνεται και υλοποιείται. Η μέθοδος αξιολογείται μετά την εφαρμογή της σε πραγματικά βιοσήματα. 2018-07-12T10:10:50Z 2018-07-12T10:10:50Z 2017-06-28 Thesis http://hdl.handle.net/10889/11452 en 12 application/pdf
institution UPatras
collection Nemertes
language English
topic Source separation
Biosignals
Instantaneous and convolutive mixtures
Independent component analysis
Periodic component analysis
Cyclostationary methods
Διαχωρισμός πηγών
Βιοσήματα
Στιγμιαίες και συνελικτικές μίξεις
Ανάλυση ανεξάρτητων συνιστωσών
Ανάλυση περιοδικών συνιστωσών
Κυκλοστάσιμες μέθοδοι
610.28
spellingShingle Source separation
Biosignals
Instantaneous and convolutive mixtures
Independent component analysis
Periodic component analysis
Cyclostationary methods
Διαχωρισμός πηγών
Βιοσήματα
Στιγμιαίες και συνελικτικές μίξεις
Ανάλυση ανεξάρτητων συνιστωσών
Ανάλυση περιοδικών συνιστωσών
Κυκλοστάσιμες μέθοδοι
610.28
Μακρυγιώργου, Δήμητρα
Design, implementation and evaluation of deconvolution methods in periodic biomedical signals
description In the present thesis, an extensive study and simulation of source separation methods for periodic biosignals are conducted. Biosignals nature and the emerged from their origin and acquisition characteristics make the separation a cumbersome task. A wide variety of source separation techniques have been implemented, each one based on a different assumption, relative to signals characteristics. Methods based on signals correlation, independency, and periodicity are studied. Specifically, fastICA, Infomax, JADE, AMUSE, SOBI, πCA, natural gradient methods and contrast function approaches for convolutive mixture and algorithm based on signal cyclostationarity are simulated and examined on both synthetic data and real biosignals. Finally, an approach, that takes into account the frequency components of the under investigation signals and its inputs are one channel data, is implemented and examined on real biosignals.
author2 Δερματάς, Ευάγγελος
author_facet Δερματάς, Ευάγγελος
Μακρυγιώργου, Δήμητρα
format Thesis
author Μακρυγιώργου, Δήμητρα
author_sort Μακρυγιώργου, Δήμητρα
title Design, implementation and evaluation of deconvolution methods in periodic biomedical signals
title_short Design, implementation and evaluation of deconvolution methods in periodic biomedical signals
title_full Design, implementation and evaluation of deconvolution methods in periodic biomedical signals
title_fullStr Design, implementation and evaluation of deconvolution methods in periodic biomedical signals
title_full_unstemmed Design, implementation and evaluation of deconvolution methods in periodic biomedical signals
title_sort design, implementation and evaluation of deconvolution methods in periodic biomedical signals
publishDate 2018
url http://hdl.handle.net/10889/11452
work_keys_str_mv AT makrygiōrgoudēmētra designimplementationandevaluationofdeconvolutionmethodsinperiodicbiomedicalsignals
AT makrygiōrgoudēmētra meletēylopoiēsēkaiaxiologēsēmethodōnaposynelixēsperiodikōnbiosēmatōn
_version_ 1771297125019156480