Το θέμα της κατασκευής ενός συστήματος αναγνώρισης προτύπων για τα
ηχητικά σήματα ενός ανθρώπου που κοιμάται είναι ένα από τα ανοιχτά
ζητήματα της Βιοιατρικής. Στην παρούσα διπλωματική εξετάζουμε την
εξαγωγή ερμηνεύσιμων σημάτων που αντιστοιχούν στον καρδιακό ρυθμό,
την αναπνοή και το ροχαλητό. Χρησιμοποιούμε μεθόδους Ανάλυσης σε
Ανεξάρτητες Συνιστώσες και μεθόδους Τυφλού Διαχωρισμού που
εκμεταλεύονται Στατιστικές Δεύτερης Τάξης. Συμπεραίνουμε ότι οι
δεύτερες είναι οι πλέον κατάλληλες όταν συνοδεύονται από ένα στάδιο
προεπεξεργασίας που αφορά ανάλυση σε ζώνες συχνοτήτων. / The design of a non-intrusive
Pattern Recognition System to estimate the sleep sounds is
an open problem of Bioengineering. We use recordings from body-sensors
to estimate the
heart beat, the breathing and the snoring. In this thesis we examine the effectiveness of
Independent Component Analysis for this Blind Source Separation Problem and we compare
it with methods that perform Source Separation using Second Order Statistics. We take into
account the temporal structure of the sources as well as the presence of noise. Our system
is greatly improved by a preprocessing
stage of targeted subband decomposition which uses
a priori knowledge about the sources. We propose an efficient solution to this problem which
is confirmed by medical data.
| Identifer | oai:union.ndltd.org:upatras.gr/oai:nemertes:10889/5161 |
| Date | 03 April 2012 |
| Creators | Βερτεούρη, Ελένη |
| Contributors | Δερματάς, Ευάγγελος, Verteouri, Eleni, Μουρτζόπουλος, Ιωάννης |
| Source Sets | University of Patras |
| Language | gr |
| Detected Language | Greek |
| Type | Thesis |
| Rights | 0 |
Page generated in 0.0022 seconds