Informações sobre as características funcionais e estruturais da unidade motora (UM) são altamente relevantes em investigações fisiológicas e nos estudos clínicos das disfunções neuromusculares. A eletromiografia (EMG) é um método adequado para obtenção dessas informações. Entretanto, devido à dificuldade na separação da atividade individual de uma unidade motora das outras que estão simultaneamente ativas, seu uso em clínica prática se dá comumente através de métodos invasivos, empregando eletrodos de agulha ou fios implantados. Apesar da EMG de superfície ser não-invasiva e, portanto mais apropriada para aplicações clínicas, não é usada em clínica porque não há até o presente um método satisfatório para decomposição do sinal EMG de superfície. Um EMG de superfície é muito mais difícil de decompor devido a significante superposição dos Potenciais de Ação das UMs (MUAPs) e a relação sinal-ruído relativamente baixa, se comparada aos métodos invasivos. Defendemos que a separação da atividade individual das UMs pode ser feita de modo não-invasivo aliando-se técnicas de aquisição altamente especializadas com técnicas usadas em reconhecimento de padrões. Desenvolvemos um método para decomposição de EMGs de superfície, a partir do qual foi possível extrair características relevantes das UMs, que permitem seu uso em avaliação e diagnóstico de desordens neuromusculares. Em nossa abordagem, o sinal EMG é inicialmente captado sob contração isométrica fraca usando eletrodos desuperfície. O sinal EMG bruto passa em seguida por um filtro Diferencial Passa-Baixas Ponderado (DPBP) em série com um detector de picos, que detecta os picos de MUAPs e extrai suas formas de onda. Na sequência, o conjunto de MUAPs extraído é classificado por uma rede neural SOM, e os MUAPs agrupados pela similaridade de suas formas de onda. No próximo passo a informação temporal dos disparos é checada, eliminando possíveis erros de classificação, e finalmente os Trens de MUAPs (MUAPTs) das UMs individuais são reconstituídos do EMG original. As estatísticas de disparos (IPI) bem como as formas de ondas dos MUAPs das respectivas UMs são então extraídas e armazenadas para estudos posteriores. Resultados preliminares obtidos com EMGs normais e patológicos, extraídos de membros superiores sob contração fraca, indicam que, o método mostrou-se apto a decompor EMGs de superfícies, além de potencial para aplicações em estudos clínicos não-invasivos de disfunções neuromusculares.Informações sobre as características funcionais e estruturais da unidade motora (UM) são altamente relevantes em investigações fisiológicas e nos estudos clínicos das disfunções neuromusculares. A eletromiografia (EMG) é um método adequado para obtenção dessas informações. Entretanto, devido à dificuldade na separação da atividade individual de uma unidade motora das outras que estão simultaneamente ativas, seu uso em clínica prática se dá comumente através de métodos invasivos, empregando eletrodos de agulha ou fios implantados. Apesar da EMG de superfície ser não-invasiva e, portanto mais apropriada para aplicações clínicas, não é usada em clínica porque não há até o presente um método satisfatório para decomposição do sinal EMG de superfície. Um EMG de superfície é muito mais difícil de decompor devido a significante superposição dos Potenciais de Ação das UMs (MUAPs) e a relação sinal-ruído relativamente baixa, se comparada aos métodos invasivos. Defendemos que a separação da atividade individual das UMs pode ser feita de modo não-invasivo aliando-se técnicas de aquisição altamente especializadas com técnicas usadas em reconhecimento de padrões. Desenvolvemos um método para decomposição de EMGs de superfície, a partir do qual foi possível extrair características relevantes das UMs, que permitem seu uso em avaliação e diagnóstico de desordens neuromusculares. Em nossa abordagem, o sinal EMG é inicialmente captado sob contração isométrica fraca usando eletrodos desuperfície. O sinal EMG bruto passa em seguida por um filtro Diferencial Passa-Baixas Ponderado (DPBP) em série com um detector de picos, que detecta os picos de MUAPs e extrai suas formas de onda. Na sequência, o conjunto de MUAPs extraído é classificado por uma rede neural SOM, e os MUAPs agrupados pela similaridade de suas formas de onda. No próximo passo a informação temporal dos disparos é checada, eliminando possíveis erros de classificação, e finalmente os Trens de MUAPs (MUAPTs) das UMs individuais são reconstituídos do EMG original. As estatísticas de disparos (IPI) bem como as formas de ondas dos MUAPs das respectivas UMs são então extraídas e armazenadas para estudos posteriores. Resultados preliminares obtidos com EMGs normais e patológicos, extraídos de membros superiores sob contração fraca, indicam que, o método mostrou-se apto a decompor EMGs de superfícies, além de potencial para aplicações em estudos clínicos não-invasivos de disfunções neuromusculares. / Information on the functional and structural characteristics of the motor unit (MU) they are highly important in physiologic investigations and in the clinical studies of the neuromuscular dysfunctions. The electromyography (EMG) it is an appropriate method for obtaining of that information. However, due to the difficulty in the separation of the individual activity of a motor unit of the another that are simultaneously active, your use in practical clinic happen commonly through methods invasive, employing needle electrodes or implanted threads. In spite of surface EMG to be non-invasive and, therefore more appropriate for clinical applications, it is not used at clinic because there is not until the present a satisfactory method for decomposition of the surface EMG sign. A surface EMG is much more difficult of decomposing due to significant overlap of the Motor Unit Action Potentials (MUAPs) and the relationship sign-noise relatively low, if compared to the invasive methods. We defended that the separation of the individual activity of MUs can be made in way non-invasive allying highly specialized acquisition techniques with techniques used in recognition of patterns. We developed a method for decomposition of surface EMGs, starting from which was possible to extract important characteristics of MUs, which allow your use in evaluation and diagnosis of neuromuscular disorders. In our approach, the sign EMG is captured initially under weak isometriccontraction using surface electrodes. The sign EMG raw raisin soon after for a Biased Low-Pass Differential filter (BLPD) in series with a detector of peaks, that detects the peaks of MUAPs and it extracts your wave forms. In the sequence, a SOM neural network classifies the set of extracted MUAPs, and MUAPs are clustered by the similarity in your wave shape. In the next step the temporal information of the discharges is checked, eliminating possible classification mistakes, and finally the MUAPs Trains (MUAPTs) of individual MUs they are reconstituted of original EMG. The statistics of discharges (IPI) as well as the forms of waves of MUAPs of respective MUs are then extracted and stored for subsequent studies. Results preliminaries obtained with normal and pathological EMGs, extracted of superior members under weak contraction, they indicate that, the method was shown capable to decompose surfaces EMGs, besides potential for applications in clinical studies non-invasive of neuromuscular dysfunctions.

This Master's thesis deals with pseudo-differential frequency higher order filters working in voltage mode. The thesis deals with the description of frequency filters, their types and applications. Follows an analysis of differential and pseudo-differential transmissions. Next part contains a description of used active elements (conveyors) at thesis (CCII, DVCC, DDCC, UCC). In the last part the thesis is devoted to the own design of the pseudo-differential filter. Design functionality is verified by experimental simulation.

Sensor fault detection is an actively researched area and there are a plethora of studies on sensor fault detection in various applications such as nuclear power plants, wireless sensor networks, weather stations and nuclear fusion. However, there does not seem to be any study focusing on detecting sensor faults in the threaded fastening assembly application. Since the threaded fastening tools use torque and angle measurements to determine whether or not a screw or bolt has been fastened properly, faulty measurements from these sensors can have dire consequences. This study aims to investigate the use of machine learning to detect a subtle kind of sensor faults, common in this application, that are difficult to detect using canonical model-based approaches. Because of the subtle and infrequent nature of these faults, a two-stage system was designed. The first component of this system is given sensor data from a tightening and then tries to classify each data point in the sensor data as normal or faulty using a combination of low-pass filtering to generate residuals and a support vector machine to classify the residual points. The second component uses the output from the first one to determine if the complete tightening is normal or faulty. Despite the modest performance of the first component, with the best model having an F1-score of 0.421 for classifying data points, the design showed promising performance for classifying the tightening signals, with the best model having an F1-score of 0.976. These results indicate that there indeed exist patterns in these kinds of torque and angle multi-sensor signals that make machine learning a feasible approach to classify them and detect sensor faults. / Sensorfeldetektering är för nuvarande ett aktivt forskningsområde med mängder av studier om feldetektion i olika applikationer som till exempel kärnkraft, trådlösa sensornätverk, väderstationer och fusionskraft. Ett applikationsområde som inte verkar ha undersökts är det inom åtdragningsmontering. Eftersom verktygen inom åtdragningsmontering använder mätvärden på vridmoment och vinkel för att avgöra om en skruv eller bult har dragits åt tillräckligt kan felaktiga mätvärden från dessa sensorer få allvarliga konsekvenser. Målet med denna studie är att undersöka om det går att använda maskininlärning för att detektera en subtil sorts sensorfel som är vanlig inom åtdragningsmontering och har visat sig vara svåra att detektera med konventionella modell-baserade metoder. I och med att denna typ av sensorfel är både subtila och infrekventa designades ett system bestående av två komponenter. Den första får sensordata från en åtdragning och försöker klassificera varje datapunkt som antingen normal eller onormal genom att uttnyttja en kombination av lågpassfiltrering för att generera residualer och en stödvektormaskin för att klassificera dessa. Den andra komponenten använder resultatet från den första komponenten för att avgöra om hela åtdragningen ska klassificeras som normal eller onormal. Trots att den första komponenten hade ett ganska blygsamt resultat på att klassificera datapunkter så visade systemet som helhet mycket lovande resultat på att klassificera hela åtdragningar. Dessa resultat indikerar det finns mönster i denna typ av sensordata som gör maskininlärning till ett lämpligt verktyg för att klassificera datat och detektera sensorfel.

Informações sobre as características funcionais e estruturais da unidade motora (UM) são altamente relevantes em investigações fisiológicas e nos estudos clínicos das disfunções neuromusculares. A eletromiografia (EMG) é um método adequado para obtenção dessas informações. Entretanto, devido à dificuldade na separação da atividade individual de uma unidade motora das outras que estão simultaneamente ativas, seu uso em clínica prática se dá comumente através de métodos invasivos, empregando eletrodos de agulha ou fios implantados. Apesar da EMG de superfície ser não-invasiva e, portanto mais apropriada para aplicações clínicas, não é usada em clínica porque não há até o presente um método satisfatório para decomposição do sinal EMG de superfície. Um EMG de superfície é muito mais difícil de decompor devido a significante superposição dos Potenciais de Ação das UMs (MUAPs) e a relação sinal-ruído relativamente baixa, se comparada aos métodos invasivos. Defendemos que a separação da atividade individual das UMs pode ser feita de modo não-invasivo aliando-se técnicas de aquisição altamente especializadas com técnicas usadas em reconhecimento de padrões. Desenvolvemos um método para decomposição de EMGs de superfície, a partir do qual foi possível extrair características relevantes das UMs, que permitem seu uso em avaliação e diagnóstico de desordens neuromusculares. Em nossa abordagem, o sinal EMG é inicialmente captado sob contração isométrica fraca usando eletrodos desuperfície. O sinal EMG bruto passa em seguida por um filtro Diferencial Passa-Baixas Ponderado (DPBP) em série com um detector de picos, que detecta os picos de MUAPs e extrai suas formas de onda. Na sequência, o conjunto de MUAPs extraído é classificado por uma rede neural SOM, e os MUAPs agrupados pela similaridade de suas formas de onda. No próximo passo a informação temporal dos disparos é checada, eliminando possíveis erros de classificação, e finalmente os Trens de MUAPs (MUAPTs) das UMs individuais são reconstituídos do EMG original. As estatísticas de disparos (IPI) bem como as formas de ondas dos MUAPs das respectivas UMs são então extraídas e armazenadas para estudos posteriores. Resultados preliminares obtidos com EMGs normais e patológicos, extraídos de membros superiores sob contração fraca, indicam que, o método mostrou-se apto a decompor EMGs de superfícies, além de potencial para aplicações em estudos clínicos não-invasivos de disfunções neuromusculares.Informações sobre as características funcionais e estruturais da unidade motora (UM) são altamente relevantes em investigações fisiológicas e nos estudos clínicos das disfunções neuromusculares. A eletromiografia (EMG) é um método adequado para obtenção dessas informações. Entretanto, devido à dificuldade na separação da atividade individual de uma unidade motora das outras que estão simultaneamente ativas, seu uso em clínica prática se dá comumente através de métodos invasivos, empregando eletrodos de agulha ou fios implantados. Apesar da EMG de superfície ser não-invasiva e, portanto mais apropriada para aplicações clínicas, não é usada em clínica porque não há até o presente um método satisfatório para decomposição do sinal EMG de superfície. Um EMG de superfície é muito mais difícil de decompor devido a significante superposição dos Potenciais de Ação das UMs (MUAPs) e a relação sinal-ruído relativamente baixa, se comparada aos métodos invasivos. Defendemos que a separação da atividade individual das UMs pode ser feita de modo não-invasivo aliando-se técnicas de aquisição altamente especializadas com técnicas usadas em reconhecimento de padrões. Desenvolvemos um método para decomposição de EMGs de superfície, a partir do qual foi possível extrair características relevantes das UMs, que permitem seu uso em avaliação e diagnóstico de desordens neuromusculares. Em nossa abordagem, o sinal EMG é inicialmente captado sob contração isométrica fraca usando eletrodos desuperfície. O sinal EMG bruto passa em seguida por um filtro Diferencial Passa-Baixas Ponderado (DPBP) em série com um detector de picos, que detecta os picos de MUAPs e extrai suas formas de onda. Na sequência, o conjunto de MUAPs extraído é classificado por uma rede neural SOM, e os MUAPs agrupados pela similaridade de suas formas de onda. No próximo passo a informação temporal dos disparos é checada, eliminando possíveis erros de classificação, e finalmente os Trens de MUAPs (MUAPTs) das UMs individuais são reconstituídos do EMG original. As estatísticas de disparos (IPI) bem como as formas de ondas dos MUAPs das respectivas UMs são então extraídas e armazenadas para estudos posteriores. Resultados preliminares obtidos com EMGs normais e patológicos, extraídos de membros superiores sob contração fraca, indicam que, o método mostrou-se apto a decompor EMGs de superfícies, além de potencial para aplicações em estudos clínicos não-invasivos de disfunções neuromusculares. / Information on the functional and structural characteristics of the motor unit (MU) they are highly important in physiologic investigations and in the clinical studies of the neuromuscular dysfunctions. The electromyography (EMG) it is an appropriate method for obtaining of that information. However, due to the difficulty in the separation of the individual activity of a motor unit of the another that are simultaneously active, your use in practical clinic happen commonly through methods invasive, employing needle electrodes or implanted threads. In spite of surface EMG to be non-invasive and, therefore more appropriate for clinical applications, it is not used at clinic because there is not until the present a satisfactory method for decomposition of the surface EMG sign. A surface EMG is much more difficult of decomposing due to significant overlap of the Motor Unit Action Potentials (MUAPs) and the relationship sign-noise relatively low, if compared to the invasive methods. We defended that the separation of the individual activity of MUs can be made in way non-invasive allying highly specialized acquisition techniques with techniques used in recognition of patterns. We developed a method for decomposition of surface EMGs, starting from which was possible to extract important characteristics of MUs, which allow your use in evaluation and diagnosis of neuromuscular disorders. In our approach, the sign EMG is captured initially under weak isometriccontraction using surface electrodes. The sign EMG raw raisin soon after for a Biased Low-Pass Differential filter (BLPD) in series with a detector of peaks, that detects the peaks of MUAPs and it extracts your wave forms. In the sequence, a SOM neural network classifies the set of extracted MUAPs, and MUAPs are clustered by the similarity in your wave shape. In the next step the temporal information of the discharges is checked, eliminating possible classification mistakes, and finally the MUAPs Trains (MUAPTs) of individual MUs they are reconstituted of original EMG. The statistics of discharges (IPI) as well as the forms of waves of MUAPs of respective MUs are then extracted and stored for subsequent studies. Results preliminaries obtained with normal and pathological EMGs, extracted of superior members under weak contraction, they indicate that, the method was shown capable to decompose surfaces EMGs, besides potential for applications in clinical studies non-invasive of neuromuscular dysfunctions.

Graduation date: 2006 / Presented on 2005-12-02 / An empirical statistical model is developed that relates the non-tidal motion of the ocean surface currents off the Oregon coast to forecasts of the coastal winds. The empirical statistical model is then used to produce predictions of the surface currents that are evaluated for their agreement with measured currents. Measurements of the ocean surface currents were made at 6 km resolution using Long-Range CODAR SeaSonde high-frequency (HF) surface current mappers and wind forecasts were provided at 12 km resolution by the North American Mesoscale (NAM) model. First, the response of the surface currents to wind-forcing measured by five coastal National Data Buoy Center (NDBC) stations was evaluated using empirical orthogonal function (EOF) analysis. A significant correlation of approximately 0.8 was found between the majority of the variability in the seasonal anomalies of the low-pass filtered surface currents and the seasonal anomalies of the low-pass filtered wind stress measurements. The U and the V components of the measured surface currents were both shown to be forced by the zonal and meridional components of the wind-stress at the NDBC stations. Next, the NAM wind forecasts were tested for agreement with the measurements of the wind at the NDBC stations. Significant correlations of around 0.8 for meridional wind stress and 0.6 for zonal wind stress were found between the seasonal anomalies of the low-pass filtered wind stress measured by the NDBC stations and the seasonal anomalies of the low-pass filtered wind stress forecast by the NAM model. Given the amount of the variance in the winds captured by the NAM model and the response of the ocean surface currents to both components of the wind, bilinear regressions were formed relating the seasonal anomalies of the low-pass filtered NAM forecasts to the seasonal anomalies of the low-pass filtered surface currents. The regressions turned NAM wind forecasts into predictions of the seasonal anomalies of the low-pass filtered surface currents. Calculations of the seasonal cycle in the surface currents, added to these predicted seasonal anomalies, produced a non-tidal estimation of the surface currents that allowed a residual difference to be calculated from recent surface current measurements. The sum of the seasonal anomalies, the seasonal cycle, and the residual formed a prediction of the non-tidal surface currents. The average error in this prediction of the surface currents off the Oregon coast remained less than 4 cm/s out through 48 hours into the future.

Le clinicien se trouve parfois confronté à des sujets qui présentent une surdité supérieure à 90 dB HL au-delà de 1 kHz avec une audition résiduelle dans les fréquences graves. Pour réhabiliter les hautes fréquences, il existe aujourd’hui différentes technologies : amplification conventionnelle, compression fréquentielle, implant cochléaire et depuis une dizaine d’année la stimulation électro-acoustique EAS qui consiste à stimuler acoustiquement les sons graves et électriquement les sons aigus via un implant cochléaire. La première partie de cette thèse a consisté à identifier les facteurs qui influencent les capacités des patients sourds partiels à traiter l’information basse fréquence de la parole. Nous avons utilisé un test d’audiométrie vocale filtrée passe-bas. Nos résultats indiquent que les scores d’intelligibilité de la parole sont positivement corrélés avec la durée de la surdité. Ceci signifie qu’avec le temps, ces sujets malentendants apprennent à comprendre avec cette audition type filtre passe-bas, à tel point que certains ont des performances supra-normales pour l’utilisation des basses fréquences. Nos résultats montrent également une corrélation négative entre l’âge d’apparition de la surdité et les scores l’intelligibilité. Ce test pourra aider le clinicien à mieux cibler l’appareillage le plus adapté à chaque profil de patient. La seconde partie de cette thèse, consacrée à l’EAS, a consisté à évaluer par des simulations chez le normo-entendant, diverses stratégies de codage du son par l’implant EAS. Actuellement, la stratégie utilisée pour l’EAS est calquée sur celle de l’implant cochléaire et nos résultats suggèrent que cette stratégie peut être optimisée. / Clinicians may face patients who have a deafness superior to 90 dB HL above 1 kHz with good lowfrequency residual hearing. Today, several technologies are available to provide high frequencies: conventional amplification, frequency compression, cochlear implant since about 10 years Electric-Acoustic Stimulation EAS which consists in stimulating acoustically low frequencies while stimulating electrically high frequency sounds via a cochlear implant. The firt part of this dissertation consisted in identifying the factors which may influence abilities of partially deaf subjects to process low-frequency speech information. We used a low-pass filtered speech test. Our results show that speech intelligibility scores are positively correlated to the duration of deafness. This means that these hearing-impaired subjects learn to understand with this lowpass-like hearing, in such a way that some of them exhibit supranormal abilities for the processing of low-frequency sounds. Our results also show a negative correlation between the age at onset of deafness and speech intelligibility scores. This test may help the clinician to better evaluate which device would be best for every patient’s profile. The second part of this dissertation, about EAS, consisted in evaluating through simulations in normal hearing listeners, several coding strategies by the EAS implant. Now the strategy used for EAS duplicates the strategy used by cochlear implants and our results suggest that this strategy could be optimized.

Disertační práce se zabývá syntézou a analýzou nových obvodových struktur neceločíselného (fraktálního) řádu s řiditelnými parametry. Hlavní cíl této práce je návrh nových řešení filtračních struktur fraktálního řádu v proudovém módu, emulátorů prvků fraktálního řádu a také oscilátorů. Práce obsahuje návrh tří emulátorů pasivního prvku fraktálního řádu, tři filtrační struktury a dva oscilátory navržené na základě využití pasivního prvku fraktálního řádu v jejich obvodové struktuře a dvě obecné koncepce filtrů fraktálního řádu založené na využití aproximace přenosové funkce fraktálního řádu. Na základě obecných koncepcí jsou v práci navrženy filtry fraktálního řádu typu dolní a horní propust. Díky aktivním prvkům s přeladitelnými parametry, které jsou užity v obvodových strukturách je zajištěna řiditelnost řádu filtru, jeho pólového kmitočtu a některých případech i činitele jakosti. Vlastnosti všech zapojení jsou ověřeny počítačovými simulacemi za pomoci behavioralních simulačních modelů aktivních prvků. Některé z uvedených obvodů byly realizovány na DPS a jejich vlastnosti ověřeny experimentálním měřením.

This thesis deals with concept of universal frequency filter by application of a switched-capacitor functional block. The concept is based on the theory of switched-capacitor circuits and the theory of a design of classical frequency filters. The printed circuit board was designed based on the filter connection developed by using a software Eagle. The filter was implemented as a laboratory product. This product has been revitalized and the frequency response of all types of filters has been measured. The measured parameters were compared with the parameters set out in the technical documentation of functional block.

This work is focused on single phase inverters, which are used for the conversion of the direct current to the alternating current and are nowdays used especially in systems of back-up power supply. The specific aim of this work is implementation of design hight power circuit of inverter include calculation of control algorithm. It describes the complete solution of power circuit. Next step is a analysis of problems concerning the digital control with help of signal processor which is used for solution of regulator structure. Check of the design and checkout of control algorithm is made in the form of simulation in the MATLAB Simulink. Debugged program algorithm is subsequently implemented into the signal microprocessor. The work results rate estimation functionality of inverter and solution of control algorithm.

This master’s thesis describes the design of the frequency filters by the help of the graph of the signal flows. There are defined by modern components like GVC (Generalized Voltage Conveyor), GCC (Generalized Current Conveyor), CF (Current Follower), DO-CF (Dual-Output Current Follower), OTA (Operational Transconductance Amplifier), BOTA (Ballanced Operational Transconductance Amplifier) and CFTA (Current Follower Transconductance Amplifier), the graphs of the signal flows, which describe their activity in the thesis. In the other part of the thesis is illustrated the procedure of the design of the frequency filters by the help of the graphs of the signal flows. For the concrete design was selected in the first case as the active component double output current follower and in the second case the CFTA. There are noted all designed circuits of the frequency filters also their characteristic equations in this thesis. The activity of the selected circuits was remitted to the analysis in the simulation program called PSpice. Because the active components, with which was engaged in the design of the filter which doesn’t exist in the real form, that is why the UCC, which is sufficing for attestation of the function of the circuit, was used for the simulation. The simulation was implemented in the frequency range 10 Hz to 10 MHz.