Αξιολόγηση αυτόματων μεθόδων διαχωρισμού ακουστικών βιοσημάτων τα οποία λαμβάνονται από συστοιχία πιεζοηλεκτρικών αισθητήρων σε χαμηλές συχνότητες

Στην παρούσα εργασία θα αξιολογηθούν κάποιες αυτόματες μέθοδοι διαχωρισμού ακουστικών βιοσημάτων τα οποία λαμβάνονται από συστοιχία πιεζοηλεκτρικών αισθητήρων σε χαμηλές συχνότητες. Πιο συγκεκριμένα αρχικά θα οριστεί το πρόβλημα το οποίο μας ζητείται να επιλύσουμε και θα γίνουν αναφορές στη διαδρ...

Πλήρης περιγραφή

Λεπτομέρειες βιβλιογραφικής εγγραφής
Κύριος συγγραφέας: Μακρυγιώργου, Δήμητρα
Άλλοι συγγραφείς: Δερματάς, Ευάγγελος
Μορφή: Thesis
Γλώσσα:Greek
Έκδοση: 2014
Θέματα:
Διαθέσιμο Online:http://hdl.handle.net/10889/8128
id nemertes-10889-8128
record_format dspace
spelling nemertes-10889-81282022-09-05T09:40:18Z Αξιολόγηση αυτόματων μεθόδων διαχωρισμού ακουστικών βιοσημάτων τα οποία λαμβάνονται από συστοιχία πιεζοηλεκτρικών αισθητήρων σε χαμηλές συχνότητες Μακρυγιώργου, Δήμητρα Δερματάς, Ευάγγελος Φακωτάκης, Νίκος Μπερμπερίδης, Κωνσταντίνος Makrygiorgou, Dimitra Βιοσήματα Διαχωρισμός πηγών Ανάλυση σε κύριες συνιστώσες Ανάλυση σε ανεξάρτητες συνιστώσες Biosignals Source separation PCA ICA 004.167 Στην παρούσα εργασία θα αξιολογηθούν κάποιες αυτόματες μέθοδοι διαχωρισμού ακουστικών βιοσημάτων τα οποία λαμβάνονται από συστοιχία πιεζοηλεκτρικών αισθητήρων σε χαμηλές συχνότητες. Πιο συγκεκριμένα αρχικά θα οριστεί το πρόβλημα το οποίο μας ζητείται να επιλύσουμε και θα γίνουν αναφορές στη διαδρομή των δύο σημαντικότερων μεθόδων διαχωρισμού , της PCA και της ICA. Εν συνεχεία θα γίνει αναφορά στα βιοσήματα τόσο ως προς την προέλευση όσο και ως προς τα σημαντικότερα χαρακτηριστικά τους , η γνώση των οποίων διευκολύνει κατά πολύ τόσο τη διαδικασία του διαχωρισμού όσο και την αξιολόγηση της τελευταίας. Σε επόμενο κεφάλαιο θα γίνει εκτενής αναφορά στους πιεζοηλεκτρικούς αισθητήρες και τον τρόπο με τον οποίο κωδικοποιούν τα βιοσήματα με στόχο την περαιτέρω επεξεργασία τους. Στο μεγαλύτερο τμήμα της εργασίας αυτής ωστόσο θα αναλυθούν οι δύο τεχνικές διαχωρισμού , PCA και ICA και θα γίνει νύξη στους σημαντικότερους αλγορίθμους των παραπάνω (FastICA). Τέλος, θα γίνει εφαρμογή των μεθόδων αυτών τόσο σε τεχνητά όσο και σε πραγματικά σήματα και ανάλυση των αποτελεσμάτων που θα εξαχθούν. In this diploma thesis some automatic acoustic bio-signal separation techniques are going to be evaluated. The signals used are taken from an array of piezoelectric sensors at low frequencies. To be more specific we are going to set the problem and make a brief report of the main historical facts about PCA and ICA. Furthermore, we are going to analyze both the origin and the most significant characteristics of bio-signals. This knowledge is going to provide us with a much easier separation procedure and a robust evaluation. Additionally not only piezoelectric sensors are going to be analyzed but also PCA and ICA will be resolved too. Main algorithms of both techniques will be mentioned. In conclusion those methods will be applied both on artificial and real data in order to draw some useful conclusions. 2014-11-24T11:40:53Z 2014-11-24T11:40:53Z 2014-06 2014-11-24 Thesis http://hdl.handle.net/10889/8128 gr 0 application/pdf
institution UPatras
collection Nemertes
language Greek
topic Βιοσήματα
Διαχωρισμός πηγών
Ανάλυση σε κύριες συνιστώσες
Ανάλυση σε ανεξάρτητες συνιστώσες
Biosignals
Source separation
PCA
ICA
004.167
spellingShingle Βιοσήματα
Διαχωρισμός πηγών
Ανάλυση σε κύριες συνιστώσες
Ανάλυση σε ανεξάρτητες συνιστώσες
Biosignals
Source separation
PCA
ICA
004.167
Μακρυγιώργου, Δήμητρα
Αξιολόγηση αυτόματων μεθόδων διαχωρισμού ακουστικών βιοσημάτων τα οποία λαμβάνονται από συστοιχία πιεζοηλεκτρικών αισθητήρων σε χαμηλές συχνότητες
description Στην παρούσα εργασία θα αξιολογηθούν κάποιες αυτόματες μέθοδοι διαχωρισμού ακουστικών βιοσημάτων τα οποία λαμβάνονται από συστοιχία πιεζοηλεκτρικών αισθητήρων σε χαμηλές συχνότητες. Πιο συγκεκριμένα αρχικά θα οριστεί το πρόβλημα το οποίο μας ζητείται να επιλύσουμε και θα γίνουν αναφορές στη διαδρομή των δύο σημαντικότερων μεθόδων διαχωρισμού , της PCA και της ICA. Εν συνεχεία θα γίνει αναφορά στα βιοσήματα τόσο ως προς την προέλευση όσο και ως προς τα σημαντικότερα χαρακτηριστικά τους , η γνώση των οποίων διευκολύνει κατά πολύ τόσο τη διαδικασία του διαχωρισμού όσο και την αξιολόγηση της τελευταίας. Σε επόμενο κεφάλαιο θα γίνει εκτενής αναφορά στους πιεζοηλεκτρικούς αισθητήρες και τον τρόπο με τον οποίο κωδικοποιούν τα βιοσήματα με στόχο την περαιτέρω επεξεργασία τους. Στο μεγαλύτερο τμήμα της εργασίας αυτής ωστόσο θα αναλυθούν οι δύο τεχνικές διαχωρισμού , PCA και ICA και θα γίνει νύξη στους σημαντικότερους αλγορίθμους των παραπάνω (FastICA). Τέλος, θα γίνει εφαρμογή των μεθόδων αυτών τόσο σε τεχνητά όσο και σε πραγματικά σήματα και ανάλυση των αποτελεσμάτων που θα εξαχθούν.
author2 Δερματάς, Ευάγγελος
author_facet Δερματάς, Ευάγγελος
Μακρυγιώργου, Δήμητρα
format Thesis
author Μακρυγιώργου, Δήμητρα
author_sort Μακρυγιώργου, Δήμητρα
title Αξιολόγηση αυτόματων μεθόδων διαχωρισμού ακουστικών βιοσημάτων τα οποία λαμβάνονται από συστοιχία πιεζοηλεκτρικών αισθητήρων σε χαμηλές συχνότητες
title_short Αξιολόγηση αυτόματων μεθόδων διαχωρισμού ακουστικών βιοσημάτων τα οποία λαμβάνονται από συστοιχία πιεζοηλεκτρικών αισθητήρων σε χαμηλές συχνότητες
title_full Αξιολόγηση αυτόματων μεθόδων διαχωρισμού ακουστικών βιοσημάτων τα οποία λαμβάνονται από συστοιχία πιεζοηλεκτρικών αισθητήρων σε χαμηλές συχνότητες
title_fullStr Αξιολόγηση αυτόματων μεθόδων διαχωρισμού ακουστικών βιοσημάτων τα οποία λαμβάνονται από συστοιχία πιεζοηλεκτρικών αισθητήρων σε χαμηλές συχνότητες
title_full_unstemmed Αξιολόγηση αυτόματων μεθόδων διαχωρισμού ακουστικών βιοσημάτων τα οποία λαμβάνονται από συστοιχία πιεζοηλεκτρικών αισθητήρων σε χαμηλές συχνότητες
title_sort αξιολόγηση αυτόματων μεθόδων διαχωρισμού ακουστικών βιοσημάτων τα οποία λαμβάνονται από συστοιχία πιεζοηλεκτρικών αισθητήρων σε χαμηλές συχνότητες
publishDate 2014
url http://hdl.handle.net/10889/8128
work_keys_str_mv AT makrygiōrgoudēmētra axiologēsēautomatōnmethodōndiachōrismouakoustikōnbiosēmatōntaopoialambanontaiaposystoichiapiezoēlektrikōnaisthētērōnsechamēlessychnotētes
_version_ 1771297194324787200