Please use this identifier to cite or link to this item: http://hdl.handle.net/10889/8128
Title: Αξιολόγηση αυτόματων μεθόδων διαχωρισμού ακουστικών βιοσημάτων τα οποία λαμβάνονται από συστοιχία πιεζοηλεκτρικών αισθητήρων σε χαμηλές συχνότητες
Authors: Μακρυγιώργου, Δήμητρα
Issue Date: 2014-11-24
Keywords: Βιοσήματα
Διαχωρισμός πηγών
Ανάλυση σε κύριες συνιστώσες
Ανάλυση σε ανεξάρτητες συνιστώσες
Keywords (translated): Biosignals
Source separation
PCA
ICA
Abstract: 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.
Abstract (translated): 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.
Appears in Collections:Τμήμα Μηχανικών Η/Υ και Πληροφορικής (ΜΔΕ)

Files in This Item:
File Description SizeFormat 
tel_dip.pdf4.65 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.