Wyniki wyszukiwania - Biblioteka Nauki

1

Comparison of Wavelet Decomposition Coefficients Transmission Systems Using Splines and Classical Types of Modulation

100%

Kutin A. I.

|

tom nr 3

25--31

EN

Wavelets are becoming increasingly used as a tool for the analysis of non-stationary data. To transmit the coefficients resulting from the signal decomposition traditionally their combination into a single data packet is used, without including unequal energy contribution of each factor and impact of the decomposition level. This paper analyzes (at different transmission speeds) the signals properties produced by classical modulation methods and spline modulation for wavelet coefficients transmission proposed by the author. For all signal types the additive Gaussian noise is used as a noise disturbance.

2

Methods for estimating the Hurst exponent. The analysis of its value for fracture surface research

100%

Wawszczak J.

|

tom Vol. 23, No. 2

585--591

EN

The aim of the work was the selection of the most suitable method for fracture surface analysis using modern tools for mathematical verification of a dataset containing irregular data values and considerable variability of amplitude. The Hurst exponent was used for the verification of the analyzed dataset. The proposed procedure for the Hurst exponent calculations was verified for the profiles obtained from the fracture surface of 18G2A steel and pure iron in the rough state and after wavelet approximations.

3

Wavelet decomposition of evoked potentials as an objective assessment for the auditory pathway

75%

Suchocki M. , Dobrowolski A. P. , Tomczykiewicz K.

|

tom nr 11-12

XIX--XXIV

EN

The paper describes the problems associated with electroencephalographic examination of hearing. Due to the fact that the current methods are mainly based on the interpretation of the timing electroencephalograms and require a large experience of examining neurologist, a task was undertaken to eliminate the subjective evaluation of results, and to automate testing. The authors, using the CPS methods have identified distinctive features differentiating evoked potentials well differentiating normal cases from pathological ones.

PL

Artykuł opisuje problemy związane z oceną zmysłu słuchu przy pomocy elektroencefalografu. Ponieważ aktualne metody są skupione na interpretacji czasowej elektroencefalogramów i wymagają dużego doświadczenia egzaminującego neurologa, podjęto się zadania wyeliminowania subiektywnej oceny wyników i automatyzacji badań. Autorzy używając metod CPS wskazali dystynktywne cechy wywołanych potencjałów, które pozwalają na łatwe odróżnienie przypadków patologicznych od zdrowych

4

Obiektywna ocena traktu słuchowego oparta na analizie falkowej potencjałów wywołanych i sieci wektorów nośnych

75%

Suchocki M. , Dobrowolski A. P.

|

2013

|

tom R. 89, nr 9

160-165

PL

W artykule opisano problematykę związaną z elektroencefalograficznym badaniem słuchu. Ze względu na to, że obecne metody opierają się głównie na interpretacji przebiegów czasowych elektroencefalogramów i wymagają od badającego neurologa dużego doświadczenia, podjęto się zadania, które ma na celu eliminację subiektywnej oceny wyników oraz zautomatyzowanie badania. Autorzy korzystając z metod CPS wyodrębnili cechy dystynktywne potencjałów wywołanych dobrze różnicujące przypadki prawidłowe od patologicznych.

EN

The paper describes the problems associated with electroencephalographic examination hearing. Due to the fact that the current methods are mainly based on the interpretation of the timing electroencephalograms and require a large experience of examining neurologist, it was a task that aims to eliminate the subjective evaluation of results, and test automation. The authors use the CPS methods have identified distinctive features of evoked potentials well differentiating normal form pathological cases.

5

Identification of the impact of tool coating on the surface microroughness in turning of hardened steel

75%

Zawada-Tomkiewicz A.

Pomiary Automatyka Kontrola

|

2012

|

tom R. 58, nr 5

456-459

EN

This paper reports on the use of wavelets to identify the quality of tool coating. Both coated and uncoated tools were experienced in hard turning (PCBN tools).The idea is to assess the correlation between the changes in tool microtopography and the surface microroughness. The discrete wavelet transform and entropy coefficient were developed to extract the features of the quality of tool coating. Different form and size of tool coating change was exhibited in different dynamic components and created specific mark of the coating on the machined surface.

PL

Artykuł poświęcony jest zagadnieniu zidentyfikowania jakości powlekanych narzędzi i ich wpływu na mikrochropowatość powierzchni obrobionej. Badania przeprowadzono dla stali hartowanej i narzędzi z polikrystalicznego azotku boru (PCBN) (rys. 1). Narzędzia tego typu posiadają dużą twardość i uniwersalność stosowania [1-10]. Charakteryzują się jednak dużą kruchością, która sprawia, że krawędź skrawająca ostrzy PCBN ma duży promień zaokrąglenia, a narzędzia powlekane są cienkimi warstwami w celu identyfikacji zużycia. W badaniach pomierzono krawędź skrawającą (rys. 2) oraz jakość powierzchni obrobionej (rys. 3). W badaniach zastosowano dyskretną transformatę falkową (DWT) w celu dekompozycji sygnału podstawowego kształtu profilu powierzchni na składowe aproksymacji i szczegółów (rys. 4 i rys. 5) [11-12]. Zaproponowano metodykę oceny jakości krawędzi skrawającej (i stanu powłoki) ostrza współczynnikiem entropii [13], wyliczonym dla wybranych składowych dekompozycji w ujęciu całościowym oraz cząstkowym. Wyniki zestawionych współczynników entropii dla powierzchni stali hartowanej uzyskanej dla ostrzy bez powłoki, powlekanych niezużytych i o znacznym stopniu zużycia zestawiono na rysunkach 6 i 7. Wynika z nich, że nakładanie powłoki na ostrze nie tylko pozwala łatwiej zidentyfikować jego zużycie, ale zmienia też właściwości kontaktu ostrze-powierzchnia. Powierzchnia obrobiona ostrzem powlekanym o pewnym stopniu zużycia zmienia kształt podstawowy mikronierówności, co wynika z odwzorowania zarysu ostrza. Natomiast zawartość informacyjna sygnału w zakresie mikrochropowatości, zmierzona współczynnikiem entropii, zawierała się dla wszystkich przypadków ostrza zużytego w przedziale między ostrzem nowym powlekanym i niepowlekanym.

6

Cardiac arrhythmia detection in ECG signals by feature Extraction and support vector machine

75%

Malik K. G. , Kumar Y. , Panda M.

|

tom Vol. 10

241--244

EN

Purpose of this work is to develop an automated physiological signal diagnostic tool that can help us to early determination of arrhythmia for proper medical attention. This paper presents a simple automated approach for classification of normal and abnormal ECG based on arrhythmia. The proposed method validated by the data MIT BIH arrhythmia database. The performance in terms of accuracy for clinical decision must be very high. This method uses fourth order wavelet decomposition, wavelet decomposition used for time frequency representation and feature extraction. For classification support vector machine is used for detection kinds of ECG signals

7

Klasyfikacja słuchowych potencjałów wywołanych w oparciu o dekompozycję falkową i sieć SVM

63%

Suchocki M. , Dobrowolski A. , Majda-Zdancewicz E. , Tomczykiewicz K.

|

tom Vol. 64, nr 4

117-129

PL

W elektrofizjologicznej ocenie słuchu oraz diagnozowaniu uszkodzeń pnia mózgu najczęściej wykorzystuje się słuchowe potencjały wywołane pnia mózgu o krótkiej latencji. Charakteryzują się one kolejno ułożonymi w funkcji czasu maksimami, zwanymi załamkami lub falami. Morfologia przebiegu, a w szczególności zależności czasowe i amplitudowe poszczególnych załamków, umożliwiają neurologowi postawienie diagnozy, co nie jest zadaniem prostym. Wymaga od neurologa doświadczenia, skupienia uwagi i bardzo dobrej percepcji. W celu wsparcia procesu diagnostycznego autorzy opracowali algorytm realizujący zautomatyzowaną klasyfikację słuchowych potencjałów wywołanych do grupy przypadków patologicznych i fizjologicznych, z czułością i specyficznością określoną na niezależnej grupie testowej liczącej 50 przypadków, wynoszącą odpowiednio 84% i 88%.

EN

For electrophysiological hearing assessment and diagnosis of brain stem lesions, the most often used are auditory brainstem evoked potentials of short latency. They are characterized by successively arranged maxima as a function of time, called waves. Morphology of the course, in particular, the timing and amplitude of each wave, allow a neurologist to make diagnose, what is not an easy task. A neurologist should be experienced, concentrated, and should have very good perception. In order to support his diagnostic process, the authors have developed an algorithm implementing the automated classification of auditory evoked potentials to the group of pathological and physiological cases, the sensitivity and specificity determined for an independent test group (of 50 cases) of respectively 84% and 88%.

8

Fetal heart rate estimation using fractional Fourier transform and wavelet analysis

63%

Jaba Deva Krupa A. , Dhanalakshmi S. , Sanjana N. L. , Manivannan N. , Kumar R. , Tripathy S.

|

2021

|

tom Vol. 41, no. 4

1533--1547

EN

Objective: Monitoring fetal cardiac activity during pregnancy is a critical part of assessing the fetus’s health. Non-invasive fetal electrocardiogram (NIFECG) is a safe emerging fetal cardiac monitoring approach receiving considerable interest. This paper proposes an effective way to separate the fetal ECG signal from the single-channel abdominal ECG signals. Methods: The paper proposes a novel algorithm based on time-frequency analysis combining fractional Fourier transform (FrFT) and wavelet analysis to extract fetal ECG from abdominal signals at higher accuracy. The abdominal signals acquired from pregnant women are preprocessed and subjected to suppressing maternal ECG using fractional Fourier transform and maximum likelihood estimate. The estimated maternal signal is removed from the abdominal ECG. The residue is processed using wavelet decomposition to obtain a clean fetal ECG and calculate fetal heart rate. Results: The proposed algorithm’s performance is validated using signals from the Daisy database and Physionet challenge 2013 set-a dataset. Real-time signals acquired using Powerlab data acquisition hardware are also included for validation. The obtained results show that the proposed algorithm can effectively extract the fetal ECG and accurately estimate the fetal heart rate. Conclusion: The proposed method is a promising and straightforward algorithm for FECG extraction. Fractional Fourier transform maps the time domain abdominal signal into the fractional frequency domain, distinguishing the fetal and maternal ECG. The Wavelet transform can efficiently denoise the residue abdominal signal and provides a clean fetal ECG. The proposed approach achieves 98.12% of accuracy, 98.85% of sensitivity, 99.16% of positive predictive value, and 99.42% of F1 measure.

9

Reef Reservoir Identification by Wavelet Decomposition and Reconstruction : A Case Study from Yuanba Gas Field in China

51%

Cheng B. , Xu T. , Robbins B. , Shen Z. M.

|

tom Vol. 63, no. 4

1025--1043

EN

The organic reef is a special type of carbonate reservoir which always dominates the spatial distribution, reserves and accumulations of natural gas. However, it is difficult to determine the organic reef’s internal structure and gas reservoirs due to numerous adverse factors such as the low resolution of seismic data, depth of burial, strong anisotropy, irregular spatial distribution and complex internal structure. A case study of wavelet decomposition and reconstruction technology applied to elucidate the features of organic reef reservoirs in the Changxing formation from Yuanba gas field shows that the seismic record reconstructed by high frequency signal can adequately describe the internal properties of organic reef reservoirs. Furthermore, the root mean square amplitude ratio of both low and high frequency data obtained from the reconstructed seismic data clearly show spatial distribution of gas and water in reef reservoirs.

10

Joint Time-Frequency And Wavelet Analysis - An Introduction

51%

Majkowski A. , Kołodziej M. , Rak R. J.

|

nr 4

11

Signal-piloted processing metaheuristic optimization and wavelet decomposition based elucidation of arrhythmia for mobile healthcare

44%

Qaisar S. M. , Khan S. I. , Dallet D. , Tadeusiewicz R. , Pławiak P.

|

tom Vol. 42, no. 2

681--694

EN

The next generation healthcare systems will be based on the cloud connected wireless biomedical wearables. The key performance indicators of such systems are the compression, computational efficiency, transmission and power effectiveness with precision. The electrocardiogram (ECG) signals processing based novel technique is presented for the diagnosis of arrhythmia. It employs a novel mix of the Level-Crossing Sampling (LCS), Enhanced Activity Selection (EAS) based QRS complex selection, multirate processing, Wavelet Decomposition (WD), Metaheuristic Optimization (MO), and machine learning. The MIT-BIH dataset is used for experimentation. Dataset contains 5 classes namely, ‘‘Atrial premature contraction”, ‘‘premature ventricular contraction”, ‘‘right bundle branch block”, ‘‘left bundle branch block” and ‘‘normal sinus”. For each class, 450 cardiac pulses are collected from 3 different subjects. The performance of Marine Predators Algorithm (MPA) and Artificial Butterfly Optimization Algorithm (ABOA) is investigated for features selection. The selected features sets are passed to classifiers that use machine learning for an automated diagnosis. The performance is tested by using multiple evaluation metrics while following the 10-fold cross validation (10-CV). The LCS and EAS results in a 4.04-times diminishing in the average count of collected samples. The multirate processing lead to a more than 7-times computational effectiveness over the conventional fix-rate counter parts. The respective dimension reduction ratios and classification accuracies, for the MPA and ABOA algorithms, are 29.59-times & 22.19-times and 98.38% & 98.86%.