Η διπλωματική εργασία μου ασχολείται με την αφαίρεση θορύβου από Ηλεκτροκαρδιογράφημα(ΗΚΓ), με σκοπό τη καθαρότερη λήψη του σήματος για διαγνωστικούς σκοπούς. Ο θόρυβος στο ΗΚΓ προέρχεται από διάφορες πηγές, είτε τεχνικές, είτε φυσιολογικές. Η αφαίρεσή του είναι ουσιαστικής σημασίας. Στόχος της εργασίας αυτής είναι η παράθεση των κυρίων μεθόδων αφαίρεσης θορύβου από ΗΚΓ και του τρόπου λειτουργίας τους, καθώς και η παράθεση παραδειγμάτων από την πρόσφατη βιβλιογραφία. / --

Στην παρούσα διπλωματική αναπτύχθηκε μια μέθοδος ψηφιακής επεξεργασίας σημάτων για ακουστικά σήματα συμβατή με πραγματικού χρόνου επεξεργασία. Αρχικά έγινε περίληψη των λειτουργιών των επεξεργαστών ειδικού σκοπου. Έγινε μελέτη της ανάλυσης στο πεδίο της συχνότητας καθώς και της συνάρτησης συνεκτικότητας. Για τους σκοπούς της διπλωματικής υλοποιήθηκε αλγόριθμος αφαίρεσης θορύβου από σήματα ομιλίας που αξιοποιεί την συνάρτηση συνεκτικότητας και χρησιμοποιεί είσοδο από δύο μικρόφωνα. Ο αλγόριθμος αυτός υλοποιήθηκε και δοκιμάστικε σε μη-πραγματικό χρόνο σε μαθηματικό λογισμικό , καθώς και σε πραγματικό χρόνο σε επεξεργαστή ειδικού σκοπού. / In this thesis, a method of digital signal processing for acoustic signals was developed, compatible with real-time processing. At first, a review of the operations that special purpose digital signal processors feature. We also studied the frequency domain analysis and the coherence function in depth. For the purposes of this thesis an algorithm of noise reduction from speech signals was implemented, that exploits the coherence function and takes two microphone signals as inputs. The algorithm was implemented offline in a mathematical software, as well as real time in a special purpose digital signal processor.

Στο πείραμα των μικροσυστοιχιών, η απόκτηση εικόνας συνοδεύεται πάντα από θόρυβο, ο οποίος είναι έμφυτος σε τέτοιου είδους διεργασίες. Είναι λοιπόν επιτακτική ανάγκη να χρησιμοποιηθούν τεχνικές προς καταστολή αυτού. Στην παρούσα εργασία αναλύονται μέθοδοι και παρουσιάζονται τα αποτελέσματά τους σε 5 επιλεγμένα παραδείγματα. Ιδιαίτερη έμφαση δίνεται στο wavelet denoising και συγκεκριμένα στους αλγορίθμους soft thresholding, hard thresholding και stationary wavelet transform. / The subject of this diploma thesis is the manufacturing of a driver assistance system. Robust and reliable vehicle detection from images acquired by a moving vehicle (i.e., on road vehicle detection) is an important problem with applications to driver assistance systems and autonomous, self-guided vehicles. The focus of this diploma is on the issues of feature extraction and classification for rear-view vehicle detection. Specifically, by treating the problem of vehicle detection as a two-class classification problem, we have investigated several different feature extraction methods such as wavelets and Gabor filters. To evaluate the extracted features, we have experimented with two popular classifiers, neural networks and support vector machines (SVMs).