Thông tin tài liệu
BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH BÁO CÁO TỔNG KẾT ÐỀ TÀI KH&CN CẤP TRƯỜNG TRỌNG ÐIỂM ỨNG DỤNG LỌC THÍCH NGHI TRONG TRIỆT NHIỄU TÍN HIỆU NIRS Mã số: T2014-27 Chủ nhiệm đề tài: ThS Ngô Quốc Cường S K C0 5 Tp Hồ Chí Minh, tháng 11/2014 Luan van BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC SƢ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH BÁO CÁO TỔNG KẾT ĐỀ TÀI KH&CN CẤP TRƢỜNG ỨNG DỤNG LỌC THÍCH NGHI TRONG TRIỆT NHIỄU TÍN HIỆU NIRS Mã số: T2014-27 Chủ nhiệm đề tài: ThS Ngô Quốc Cƣờng TP HCM, 11/2014 Luan van TRƢỜNG ĐẠI HỌC SƢ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH KHOA ĐIỆN – ĐIỆN TỬ BÁO CÁO TỔNG KẾT ĐỀ TÀI KH&CN CẤP TRƢỜNG ỨNG DỤNG LỌC THÍCH NGHI TRONG TRIỆT NHIỄU TÍN HIỆU NIRS Mã số: T2014-27 Chủ nhiệm đề tài: ThS Ngô Quốc Cƣờng Thành viên đề tài: ThS Nguyễn Ngô Lâm TP HCM, 11/2014 Luan van DANH SÁCH CÁN BỘ THAM GIA THỰC HIỆN ĐỀ TÀI STT MSCB 0390 2204 Họ tên ThS Ngô Quốc Cƣờng ThS Nguyễn Ngô Lâm Đơn vị công tác Nội dung công việc ĐT-Viễn thông-khoa Điện-Điện tửĐHSPKT Tp.HCM ĐT-Viễn thông-khoa Điện-Điện tửĐHSPKT Tp.HCM Luan van Xây dựng thuật toán Triển khai ứng dụng MỤC LỤC MỤC LỤC i DANH SÁCH HÌNH ii DANH SÁCH TỪ VIẾT TẮT iv THÔNG TIN KẾT QUẢ NGHIÊN CỨU v INFORMATION ON RESEARCH RESULTS vi MỞ ĐẦU Chƣơng CƠ SỞ LÝ THUYẾT 1.1 Phƣơng Pháp Tái Hiện Hình Ảnh Và Tín Hiệu Não Ngƣời 1.1.1 Phƣơng pháp EEG -3 1.1.2 Phƣơng Pháp MRI -4 1.1.3 Phƣơng Pháp Quang Phổ Cận Hồng Ngoại fNIRS -6 1.2 Nhiễu Trong Thu Thập Tín Hiệu Quang Phổ Cận Hồng Ngoại 1.3 Lọc Thích Nghi 1.3.1 Giới Thiệu Lọc Thích Nghi 1.3.2 Lọc Thích Nghi Dùng Thuật Toán LMS 10 Chƣơng 13 THU THẬP TÍN HIỆU NIRS 13 2.1 Các Vùng Chức Năng Não Ngƣời 13 2.2 Thiết Bị Tín Hiệu fNIRS 15 2.2.1 Thiết Bị - 15 2.2.2 Tín Hiệu fNIRS 17 2.3 Thiết Lập Thí Nghiệm Thu Dữ Liệu Cho Hoạt Động Gõ Tay 19 Chƣơng 24 ỨNG DỤNG LỌC THÍCH NGHI TRONG TRIỆT NHIỄU TÍN HIỆU NIRS 24 3.1 Mơ Hình Triệt Nhiễu 24 3.2 Ứng Dụng Lọc Thích Nghi Trong Triệt Nhiễu Tín Hiệu NIRS 26 3.2.1 Nhiễu Gauss 26 3.2.2 Nhiễu Xung 27 3.2.3 Ứng Dụng Lọc Thích Nghi Trên Tín Hiệu NIRS 29 Chƣơng 40 KẾT LUẬN HƢỚNG PHÁT TRIỂN 40 4.1 Kết Luận 40 4.2 Hƣớng Phát Triển 40 TÀI LIỆU THAM KHẢO 41 PHỤ LỤC 42 i Luan van DANH SÁCH HÌNH Hình 1 Bố trí điện cực phép đo EEG Hình Bốn loại sóng phép đo EEG : sóng delta, theta, alpha, beta Hình Quá trình tác động lên nguyên tử hydro phƣơng pháp MRI Hình Ảnh MRI có đƣợc theo phƣơng pháp T1 T2 (từ trái sang) Hình Dải bƣớc sóng từ tia Gamma đến vô tuyến Hình Tác động tia cận hồng ngoại vào vỏ não Hình Phổ hấp thụ hemoglobin bƣớc sóng khác Hình Tín hiệu chịu ảnh hƣởng nhiễu hành động từ ngƣời gây ra: lắc đầu, cử động ngƣời, cử động mặt Nhiễu trƣờng hợp thƣờng nhiễu xung Hình Cấu trúc lọc thích nghi 10 Hình 10 Bộ kết hợp tuyến tính thích nghi với ngõ vào 10 Hình 11 Đƣờng biểu diễn chất lƣợng làm việc hệ số 11 Hình 12 Tìm điểm cực tiểu theo trọng số 12 Hình Phân chia thùy vỏ não 13 Hình 2 Vị trí vùng điều khuyển chuyển động motor control 14 Hình Các chức liên quan vùng motor control 14 Hình Máy fNIRS : FOIRE-3000 15 Hình Các kiểu bố trí Holder khác 15 Hình Các thành phần Holder tháo rời 16 Hình Bố trí Holder đầu đo (a)) cho thí nghiệm máy FOIRE-3000 phần mềm fNIRS (b)) 16 Hình Thiết lập thông số máy fNIRS dùng phần mềm fNIRS 17 Hình Tín hiệu OxyHb, DeOxyHb, TotalHb kênh 1,4 giây 19 Hình 10 Bố trí đầu đo hai bán cầu não chủ thể tham gia thí nghiệm 19 Hình 11 Hoạt động gõ tay thí nghiệm 20 Hình 12 Giao thức thời gian cho lần gõ tay 20 Hình 13 Vị trí đầu đo (đầu phát – đỏ, đầu thu - xanh ), kênh đo khu vực motor control bán cầu não trái 21 Hình 14 Vị trí đầu đo, kênh đo (màu vàng) khu vực motor control bán cầu não phải 21 Hình 15 Các kênh 2, 5, 6, bán cầu não trái 12, 15, 16, 19 bán cầu não phải đƣợc chọn để lấy liệu 21 Hình 16 Tín hiệu thu đƣợc từ kênh 2, 5, 6, bán cầu não trái 22 Hình 17 Tín hiệu thu đƣợc từ kênh 12, 15, 16, 19 bán cầu não phải 22 Hình Cấu trúc triệt nhiễu thích nghi 24 Hình Lƣu đồ thuật toán LMS 26 Hình 3 Nhiễu Gauss với trị trung bình độ lệch chuẩn 27 Hình Xung lý tƣởng 27 Hình Xung thực tế 28 Hình Nhiễu xung đƣợc tạo với A=10, B=10 29 ii Luan van Hình Kết lọc nhiễu Gauss tín hiệu gốc sin dùng lọc thích nghi Đến thời gian 0.13 giây, ngõ cần lọc bám theo đƣợc ngõ vào-tín hiệu gốc 30 Hình Sai số MSE giảm số vòng lặp tăng 30 Hình Kết lọc nhiễu Gauss tín hiệu gốc cƣa dùng lọc thích nghi 31 Hình 10 Tín hiệu NIRS kênh 2, 5, 6, kết lọc nhiễu Gauss đƣợc trình bày hình a, b, c, d 33 Hình 11 Kết lọc nhiễu xung tín hiệu gốc sin dùng lọc thích nghi 34 Hình 12 Kết lọc nhiễu xung tín hiệu gốc cƣa dùng lọc thích nghi 34 Hình 13 Tín hiệu NIRS kênh 2, 5, 6, kết lọc nhiễu xung đƣợc trình bày hình a, b, c, d 36 iii Luan van DANH SÁCH TỪ VIẾT TẮT LMS MSE fNIRS MRI EEG Least Mean Square Mean Square Error functional Near Infra-Red Spectroscopy Magnetic Resonance Imaging ElectroEncephaloGraphy iv Luan van TRƢỜNG ĐẠI HỌC SƢ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH CỘNG HỒ XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập - Tự - Hạnh phúc ĐƠN VỊ: ĐIỆN- ĐIỆN TỬ Tp HCM, Ngày tháng 11 năm 2014 THƠNG TIN KẾT QUẢ NGHIÊN CỨU Thơng tin chung: - Tên đề tài: ỨNG DỤNG LỌC THÍCH NGHI TRONG TRIỆT NHIỄU TÍN HIỆU NIRS - Mã số: T2014-27 - Chủ nhiệm: Ngô Quốc Cƣờng - Cơ quan chủ trì: Đại Học Sƣ Phạm Kỹ Thuật TP HCM - Thời gian thực hiện: 6/2013 đến 9/2014 Mục tiêu: Ứng dụng lọc thích nghi triệt nhiễu tín hiệu NIRS Tính sáng tạo: Áp dụng lọc thích nghi dùn giải thuật LMS để triệt nhiễu tín hiệu NIRS Kết nghiên cứu: Lọc đƣợc nhiễu tín hiệu NIRS dùng lọc thích nghi với giải thuật LMS Sản phẩm: Tài liệu lọc thích nghi, ứng dụng lọc thích nghi triệt nhiễu tín hiệu Bài báo đăng website Khoa Điện- Điện tử Hiệu quả, phƣơng thức chuyển giao kết nghiên cứu khả áp dụng: Tài liệu dùng giảng dạy Xử lý tín hiệu số Trƣởng Đơn vị (ký, họ tên) Chủ nhiệm đề tài (ký, họ tên) v Luan van INFORMATION ON RESEARCH RESULTS General information: Project title: Noise cancellation using adaptive filter on NIRS signal Code number: T2014-27 Coordinator: Cuong Ngo Implementing institution: HCMC Univerisy of Technology and Education Duration: from June/2013 to September/2014 Objective(s): Applying noise cancellation on NIRS signal using adaptive filter Creativeness and innovativeness: Applying noise cancellation on NIRS signal using adaptive filter with LMS algorithm Research results: Reduce noise from NIRS signal Products: Basic material of adaptive filter Paper proposed on FEEE website Effects, transfer alternatives of research results and applicability: Reference material for Lab experiments vi Luan van Ứng Dụng Lọc Thích Nghi Trong Triệt Nhiễu Tín Hiệu NIRS tốt, ví dụ kênh – 15.4464 dB Điều cho thấy tính hiệu lọc xây dựng 39 Luan van Kết Luận Hƣớng Phát Triển Chƣơng KẾT LUẬN HƢỚNG PHÁT TRIỂN 4.1 Kết Luận Đề tài nghiên cứu nghiên cứu lọc thích nghi ứng dụng triệt nhiễu Cụ thể, lọc thích nghi dùng giải thuật LMS đƣợc thực thi Ngƣời thực xây dựng mơ hình dựa cách thức mà nhiễu tác động Sau đó, giải thuật lọc thích nghi đƣợc áp dụng để loại nhiễu Gauss nhiễu xung 4.2 Hƣớng Phát Triển Nhiễu tác động vào tín hiệu đề tài mơ Do đó, hƣớng phát triển đề tài thực bố trí đầu đo cho thu liệu nhiễu thực tế 40 Luan van Tài liệu tham khảo TÀI LIỆU THAM KHẢO [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] [11] [12] S Gupta, "Acoustic echo cancellation using conventional adaptive algorithms and modified variable step size LMS algorithm," Master, Deemed University, India R Yathiraju, "Acoustic echo cancellation using conventional adaptive algorithms," International Journal of Inventive Engineering and Sciences, vol 1, pp 18-24, 2013 T S M I Toshimasa Sato, Masaki Kameyama, Masashi Suda, Yutaka Yamagishi, Akihiko Ohshima, Toru Uehara, Masato Fukuda, Masahiko Mikuni, "Time courses of brain activation and their implications for function : A multichannel near-infrared spectroscopy study during finger tapping," Neuroscinece research, pp 297-304, 2007 K S T Shimokawa, T Misawa, and K Miyagawa, "Predictability of investment behavior from brain information measured by functional near-infrared spectroscopy: a bayesian neural network model," Neuroscinece research, pp 347-358, 2009 M N and T Q D Khoa, "Functional Near Infrared Spectroscope for Cognition Brain Tasks by Wavelets Analysis and Neural Networks," International journal of Biological and Life science, pp 28-33, 2008 M O., H Tamura, and M Choui, "NIRS Trajectories in Oxy-Deoxy Hb Plane and the Trajectory Map to Understand Brain Activities Related to Human Interface," 2007 C Q Ngo, T H N, and T V Vo, "Linear Regression Algorithm for Hand Tapping Recognition Using Functional Near Infrared Spectroscopy," in Fourth International Conference on the Development of Biomedical Engineering, Vietnam, 2012 H Z, R Sitaram, C Guan, M Thulasidas, Y Hoshi, A Ishikawa, et al., "Temporal classification of multichannel near-infrared spectroscopy signals of motor imagery for developing a brain–computer interface," NeuroImage, vol 34, pp 1416-1427, 2007 M I., H Ayaz, P A Shewokis, and B Onaral, "Sliding-window Motion Artifact Rejection for Functional Near-Infrared Spectroscopy," in 32nd Annual International Conference of the IEEE EMBS, 2010 S M., B Molavi, and G A Dumont, "Wavelet Based Motion Artifact Removal for Functional Near Infrared Spectroscopy," in 32nd Annual International Conference of the IEEE EMBS, 2010 F C Robertson, T S Douglas, and E M Meintjes, "Motion Artifact Removal for Functional Near Infrared Spectroscopy: A Comparison of Methods," IEEE TRANSACTIONS ON BIOMEDICAL ENGINEERING, vol 57, pp 1377-1387, 2010 Torío and Sánchez, "Generating Impulsive Noise," Antennas and Propagation Magazine, vol 52, no 4, pp 168–173, 2010 41 Luan van Phụ Lục PHỤ LỤC Đoạn chƣơng trình lọc thích nghi – LMS clear all; clc; close all; R=10; %R=1; l=100; L=5; N=L-1; mi= 0.002; MSE=zeros(l,1); E=zeros(l,1); %filename='Cuong_20120316_8_l.xls'; %filename='Cuong_20120316_5_r.xls'; %filename='Cuong_20120316_3_r.xls'; %filename='Cuong_20120316_7_l.xls'; %filename='Cuong_20120323_5_r.xls'; %filename='Cuong_20120323_6_r.xls'; %filename='Cuong_20120323_13_r.xls'; %filename='Cuong_20120323_14_r.xls'; %filename='Cuong_20120323_8_l.xls'; filename='Cuong_20120323_10_l.xls'; t = xlsread(filename,'A36:A135'); cdo2=100*xlsread(filename,'H2036:H2135'); cdo5=100*xlsread(filename,'Q2036:Q2135'); cdo6=100*xlsread(filename,'T2036:T2135'); cdo9=100*xlsread(filename,'AC2036:AC2135'); K=zeros(l,1); for r=1:R s=cdo2; v = 1*randn(1,l); v=v'; ar = [1,1/2]; v1 = filter(1,ar,v); x = s+v; ma = [1, -0.8, 0.4 , -0.2]; v2 = filter(ma,1,v); W=zeros(L,1); U=zeros(L,1); for i=1:l U=[v2(i); U(1:N)]; d=x(i); y=(W'*U); e=(d-y); E(i)=E(i)+e; K(i)=(s(i)-e); W=(W+(2*mi*e*U)); MSE(i)=(MSE(i)+ (K(i)^2)); end end E=E/R; MSE=MSE/R; figure; plot(1:l,[s,x,E]); 42 Luan van Phụ Lục legend('Input Signal s(n)', 'Signal plus Noise d(n)','Output e(n)'); xlabel('Iterations'); ylabel('Amplitude'); title('ANC-LMS'); figure; plot(t,s,t,E); num=sum(MSE); den=sum(s.^2); nmse = 10*log10(num/den) 43 Luan van ỨNG DỤNG LỌC THÍCH NGHI TRONG TRIỆT NHIỄU TÍN HIỆU NIRS NOISE CANCELLATION USING ADAPTIVE FILTER ON NIRS SIGNAL Ngô Quốc Cường, Nguyễn Ngô Lâm Trường Đại Học Sư Phạm Kỹ Thuật Tp.HCM TÓM TẮT Trong thập kỷ gần đây, nghiên cứu việc não giao tiếp máy tính phục vụ cho mục đích chẩn đốn phục hồi chức không ngừng phát triển Oxy vỏ não lưu lượng máu vùng não người đo phương pháp khơng xâm nhập – quang phổ cận hồng ngoại fNIRS (functional Near InfraRed Spectroscopy) Tuy nhiên, tín hiệu NIRS thường bị ảnh hưởng loại nhiễu trình thu thập Trong báo này, người thực ứng dụng lọc thích nghi theo giải thuật LMS để lọc nhiễu Nhiễu Gauss nhiễu xung xem xét công trình Kết thực 20 mẫu tín hiệu cho thấy tính tin cậy giải thuật đề xuất Từ khóa: fNIRS, lọc thích nghi, giải thuật LMS ABSTRACT Researches of human Brain Computer Interface (BCI) for the objective of diagnosis and rehabilitation have been recently increased Cerebral oxygenation and blood flow on particular regions of human brain can be measured using a non-invasive technique – fNIRS (functional Near Infrared Spectroscopy) However, NIRS signal was suffered from noise and artifacts In this paper, we proposed an adatpvie filter using LMS algorithm to reduce Gauss noise and impulse noise Experimental results have been done 20 trials on a subject to illustrate the effectiveness of the proposed method Keywords: fNIRS, adaptive filter, LMS algorithm I GIỚI THIỆU Xử lý thích nghi lĩnh vực có ý nghĩa học thuật gắn liền với ứng dụng thực tế khử nhiễu thích nghi, triệt echo, cân kênh truyền Ứng dụng xử lý tín hiệu thích nghi gắn với mơ hình nhận dạng, sửa sóng, lọc nhiễu sử dụng thuật toán Newton, Steepest Descent, LMS, RLS Sự thay đổi tập liệu đầu vào điều kiện ràng buộc ngày phức tạp kéo theo đòi hỏi cải tiến thuật tốn thích nghi để có hiệu xử lý cao so với mạch lọc tương tự trước Ngoài việc giải vấn đề nâng cao hiệu thuật tốn cịn địi hỏi việc xây dựng điều kiện đảm bảo thuật tốn sử dụng Mục tiêu việc cải tiến thuật tốn thích nghi tăng tốc độ hội tụ với yêu cầu độ xác, độ ổn định, nhiều tác giả nghiên cứu giải theo nhiều hướng: thay đổi cấu trúc lọc thích nghi, sử dụng kích thước bước thích nghi thay đổi VSLMS, VSNLMS [1, 2] Cải tiến thuật tốn thích nghi sử dụng cấu trúc động, thông số tự thay đổi thuật toán NLMS, tăng độ ổn định, đồng thời độ phức tạp thuật toán tăng lên đáng kể Sử dụng thuật tốn lọc thích nghi LMS, NLMS, RLS để áp ứng mục tiêu có tính thực tế, ứng dụng thời gian thực Rất nhiều nhà nghiên cứu khoa học thần kinh giới bị hút kỹ thuật fNIRS, Việt Nam, vấn đề Nhiều cơng trình cơng bố tạp chí, hội nghị khía cạnh khác dựa kỹ thuật quang phổ cận hồng Luan van ngoại Tín hiệu fNIRS phản ánh hoạt động não chức liên quan gõ ngón tay [3] Mơ hình mạng nơ-ron Bayessian dự đốn hành vi từ thông tin não đo máy fNIRS [4] Nhận dạng chức não thơng qua phân tích wavelet tín hiệu fNIRS mạng nơ-ron [5] Nhận biết hoạt động não cịn thực thơng qua quỹ đạo nồng độ oxy [6] Dựa hệ số góc đường thẳng thu từ hồi quy tuyến tính, ta phân biệt tay trái hay tay phải gõ [7] Oxy-Hb deOxy-Hb dùng trực tiếp với giải thuật SVM để nhận dạng hoạt động gõ tay [8] Một bước quan trọng q trình phân tích tín hiệu NIRS lọc nhiễu Tín hiệu fNIRS bị nhiễu điều thường xảy Chúng bị loại bỏ sử dụng phương pháp cửa sổ trượt [9] để xử lý liệu theo đoạn Nhiễu dịch chuyển artifact trình đo gây việc ghép thay đổi áp lực nguồn quang đầu thu; chúng quan sát rõ tín hiệu NIRS thơ với gai hay vệt với biên độ lớn nhiều so với giá trị lân cận Phương pháp cửa sổ trượt quét đoạn để tìm thay đổi nói Nhiễu loại bỏ nhờ sử dụng biến đổi Wavelet (TIWT) [10] Nhiễu artifact theo dạng thay đổi đột ngột tín hiệu xuất giống hệ số lớn miền Wavelet rời rạc Điều làm cho việc xác định loại bỏ artifact trở nên dễ dàng miền Wavelet Trong báo này, người thực áp dụng giải thuật lọc thích nghi LMS để lọc nhiễu tín hiệu NIRS Phần trình bày việc thu liệu NIRS Phần trình bày lọc thích nghi Trong đó, phần trình bày việc áp dụng lọc thích nghi để loại nhiễu tín hiệu NIRS Phần cuối báo kết thảo luận thêm II THIẾT LẬP THÍ NGHIỆM VÀ THU DỮ LIỆU Oxyen hemoglobin – oxy-Hb thu sử dụng máy FOIRE–3000 phịng 104 thuộc Bộ mơn Kỹ Thuật Y Sinh, Đại Học Quốc Tế, Đại Học Quốc Gia Tp Hồ Chí Minh Sự hay đổi oxy-Hb khảo sát 20 kênh hai bán cầu não dùng kỹ thuật fNIRS hình Hình 1: Bố trí đầu đo hai bán cầu não chủ thể tham gia thí nghiệm Khoảng cách đầu phát đầu thu 3cm Chúng cố định giữ, đặt vị trí vùng não điều khiển hoạt động motor control Một chủ thể (nam, 25 tuổi, thuận tay phải) tham gia vào thực thí nghiệm Sau đọc hiểu giao thức thí nghiệm, chủ thể tiến hành gõ tay - nâng (1) phần từ bàn tay đến khuỷu tay (bàn tay cẳng tay) hạ (2) xuống hình 2 Luan van Hình 2: Hoạt động gõ tay thí nghiệm Việc gõ tay trái phải thực theo giao thức bao gồm 20 giây nghỉ (Rest), 20 giây gõ tay (Task), 20 giây nghỉ (Rest) Điều có nghĩa chủ thể ngồi nghỉ 20 giây, gõ tay khoảng 10 lần 20 giây, sau nghỉ 20 giây hình Hình 3: Giao thức thời gian cho lần gõ tay Dữ liệu thu từ 20 kênh Trong đó, 10 kênh não trái 10 kênh não phải vùng motor control Hình 4, trình bày việc bố trí đầu đo vị trí kênh có Hình 4: Vị trí đầu đo (đầu phát – đỏ, đầu thu - xanh ), kênh đo khu vực motor control bán cầu não trái Hình 5: Vị trí đầu đo, kênh đo (màu vàng) khu vực motor control bán cầu não phải Các kênh tập trung vùng motor ý Cụ thể hơn, kênh 2, 5, 6, não trái 12, 15, 16, 19 não phải chọn để quan sát hình Luan van Hình 6: Các kênh 2, 5, 6, bán cầu não trái 12, 15, 16, 19 bán cầu não phải chọn để lấy liệu III LỌC THÍCH NGHI Mơ hình lọc thích nghi Các hệ số lọc thích nghi hiệu chỉnh để bù lại thay đổi tín hiệu vào, tín hiệu thơng số hệ thống Thay bị cứng nhắc, hệ thống thích nghi nắm bắt đặc trưng tín hiệu dị theo biến đổi chậm Một lọc thích nghi hữu ích cho bất định đặc trưng tín hiệu đặc trưng thay đổi Hình thể cấu trúc lọc thích nghi Hình 7: Cấu trúc lọc thích nghi Trong ngõ y lọc thích nghi so sánh với tín hiệu mong muốn d tín hiệu sai số e, tín hiệu sai số hồi tiếp để điều chỉnh lọc thích nghi Lọc thích nghi dùng giải thuật LMS Thuật toán kèm với lọc FIR hiệu chỉnh Các hệ số hay trọng số lọc FIR thích nghi hiệu chỉnh dựa mơi trường thay đổi tín hiệu vào Trong trường hợp ngõ vào, cấu trúc trở thành lọc FIR (K+1) tap với hệ số điều chỉnh Mỗi ngõ vào trì hoãn nhân trọng số cộng lại để tạo ngõ Hình 8: Bộ kết hợp tuyến tính thích nghi với ngõ vào K 1 y(n) w(k , n) x(n k ) (1) k 0 Luan van Ngõ vào trọng số viết vector X (n) [ x(n) x(n 1) x(n K )]T W (n) [w(0, n) w(1, n) w( K , n)]T Phương trình viết lại dạng vector là: Y (n) W (n) X T (n) W T (n) X (n) (2) Phương trình sau dùng để đại diện cho thuật toán LMS: W (n 1) W (n) 2e(n) X (n) (3) Lưu ý : e(n) tiến đến W(n+1) = W(n) trọng số khơng đổi Phương trình (3) cho ta phương tiện đơn giản mạnh mẽ hiệu để cập nhật hệ số, khơng cần lấy trung bình vi phân dùng để thực lọc FIR thích nghi Phương trình thường viết lại với = chương trình, tức là: wk (n 1) wk (n) e(n) x(n k ), k 0,1, N (4) với w(n) biểu diễn N hệ số lọc thời điểm n IV ỨNG DỤNG LỌC THÍCH NGHI TRONG TRIỆT NHIỄU TÍN HIỆU NIRS Hàm ngẫu nhiên theo phân bố Gauss định nghĩa p ( n) 2 e ( n ) /( 2 ) 2 (5) Trong đó, µ trị trung bình, độ lệch tiêu chuẩn Hình biểu diễn nhiễu Gauss với trị trung bình độ lệch chuẩn Gauss noise -1 -2 -3 -4 10 20 30 40 50 60 70 80 90 100 Hình 9: Nhiễu Gauss với trị trung bình độ lệch chuẩn Vị trí xung miêu tả theo trình Poisson [12], trường hợp này, thời gian xung cho Luan van f (t ) e t / (6) β khoảng thời gian trung bình có xung xảy Biên độ xung tính theo cơng thức: X x 10 20 (7) đó: X B * rand A , với rand số ngẫu nhiên đoạn [0, 1], A trị trung bình B độ lệch chuẩn Nhiễu xung mô đề tài trình bày hình 10 Impulse Noise 10 0 10 20 30 40 50 60 70 80 90 100 Hình 10: Nhiễu xung tạo với A=10, B=10 Để đánh giá chất lượng lọc, người thực đề tài sử dụng sai số trung bình bình phương chuẩn hóa: N NMSE 10 log10 ( y(n) ~y (n)) n1 (8) N ( y(n)) n1 y tín hiệu ước lượng đó, y tín hiệu gốc ~ Bảng trình bày kết NMSE (dB) kênh đo lần khác tác động nhiễu Gauss Lần Kênh Kênh Kênh Kênh -8.0695 -3.8889 -14.0025 -1.1658 -8.8082 -6.6583 -5.8424 -0.8994 -6.6703 -8.5655 -9.7608 -10.2220 Luan van -15.4464 -7.8795 -3.5389 -2.7317 -9.4139 -8.9397 -7.1369 0.4465 -10.6771 -0.2060 0.7833 -4.5025 -14.3404 -2.8477 -0.1371 -0.7811 -14.3279 -4.1881 -1.4978 -4.5219 -11.7369 -3.9902 0.2436 -2.0320 10 -9.9446 -5.0603 -6.7030 0.1317 -10.9435 -5.22242 -4.75925 -2.62782 Trung bình Bảng 1: Giá trị NMSE kênh đo tác động nhiễu Gauss Bảng trình bày kết NMSE kênh đo lần khác tác động nhiễu xung Trong trường hợp này, nhiễu xung có A = B = Lần Kênh Kênh Kênh Kênh -3.4137 -0.9744 -8.2273 2.7966 -5.3022 -4.4033 -3.1823 3.0358 -3.9306 -6.4386 -5.9294 -8.4864 -13.4964 -4.1945 -0.9227 0.1066 -5.3997 -4.6729 -4.1691 3.9055 -7.8799 2.8014 3.9397 -1.4119 -13.0509 0.2393 2.5554 2.4653 -12.7752 -1.6561 1.3103 -1.6152 -7.7874 -1.2166 3.2882 0.8304 10 -7.0489 -0.0559 -3.0336 4.1462 -8.00849 -2.05716 -1.43708 0.57729 Trung bình Bảng 2: Giá trị NMSE kênh đo tác động nhiễu xung Luan van Sai số NMSE nhỏ khả lọc nhiễu tốt Bộ lọc thích nghi thiết kế cho kết tốt việc lọc nhiễu Gauss Trong trường hợp này, giá trị bé khơng Trong đó, áp dụng lọc nhiễu xung, giá trị NMSE số kênh số trường hợp lớn 0, chẳng hạn kênh 6, lần thứ 6, giá trị NMSE 3.9397 dB Kết trung bình kênh cho thấy, việc lọc nhiễu kênh cho hai trường hợp nhiễu xung nhiễu Gauss đạt kết tốt Kênh cho kết xấu nhất, với trường hợp nhiễu xung, NMSE kênh 0.57729 dB Các trường hợp khác kênh cho kết tốt, ví dụ kênh – 15.4464 dB Điều cho thấy tín hiệu lọc xây dựng V KẾT LUẬN Bài báo trình bày lọc thích nghi ứng dụng triệt nhiễu Cụ thể, lọc thích nghi dùng giải thuật LMS thực thi Người thực xây dựng mơ hình dựa cách thức mà nhiễu tác động Sau đó, giải thuật lọc thích nghi áp dụng để loại nhiễu Gauss nhiễu xung Nhiễu tác động vào tín hiệu đề tài mơ Do đó, hướng phát triển đề tài thực bố trí đầu đo cho thu liệu nhiễu thực tế TÀI LIỆU THAM KHẢO [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] S Gupta, "Acoustic echo cancellation using conventional adaptive algorithms and modified variable step size LMS algorithm," Master, Deemed University, India R Yathiraju, "Acoustic echo cancellation using conventional adaptive algorithms," International Journal of Inventive Engineering and Sciences, vol 1, pp 18-24, 2013 T S M I Toshimasa Sato, Masaki Kameyama, Masashi Suda, Yutaka Yamagishi, Akihiko Ohshima, Toru Uehara, Masato Fukuda, Masahiko Mikuni, "Time courses of brain activation and their implications for function : A multichannel near-infrared spectroscopy study during finger tapping," Neuroscinece research, pp 297-304, 2007 K S T Shimokawa, T Misawa, and K Miyagawa, "Predictability of investment behavior from brain information measured by functional near-infrared spectroscopy: a bayesian neural network model," Neuroscinece research, pp 347-358, 2009 M N and T Q D Khoa, "Functional Near Infrared Spectroscope for Cognition Brain Tasks by Wavelets Analysis and Neural Networks," International journal of Biological and Life science, pp 28-33, 2008 M O., H Tamura, and M Choui, "NIRS Trajectories in Oxy-Deoxy Hb Plane and the Trajectory Map to Understand Brain Activities Related to Human Interface," 2007 C Q Ngo, T H N, and T V Vo, "Linear Regression Algorithm for Hand Tapping Recognition Using Functional Near Infrared Spectroscopy," in Fourth International Conference on the Development of Biomedical Engineering, Vietnam, 2012 H Z, R Sitaram, C Guan, M Thulasidas, Y Hoshi, A Ishikawa, et al., "Temporal classification of multichannel near-infrared spectroscopy signals of motor imagery for developing a brain–computer interface," NeuroImage, vol 34, pp 1416-1427, 2007 M I., H Ayaz, P A Shewokis, and B Onaral, "Sliding-window Motion Artifact Rejection for Functional Near-Infrared Spectroscopy," in 32nd Annual International Conference of the IEEE EMBS, 2010 S M., B Molavi, and G A Dumont, "Wavelet Based Motion Artifact Removal for Functional Near Infrared Spectroscopy," in 32nd Annual International Conference of the IEEE EMBS, 2010 Luan van [11] [12] F C Robertson, T S Douglas, and E M Meintjes, "Motion Artifact Removal for Functional Near Infrared Spectroscopy: A Comparison of Methods," IEEE TRANSACTIONS ON BIOMEDICAL ENGINEERING, vol 57, pp 1377-1387, 2010 Torío and Sánchez, "Generating Impulsive Noise," Antennas and Propagation Magazine, vol 52, no 4, pp 168–173, 2010 Thông tin liên lạc Họ tên: Ngô Quốc Cường Đơn vị: Khoa Điện Điện tử, Đại học Sư phạm Kỹ thuật TP HCM Điện thoại: 0972 893 175 Email: cuongnq@hcmute.edu.vn Chuyên ngành chính: xử lý tín hiệu, thị giác máy tính, điện tử y sinh Luan van S K L 0 Luan van ... Ứng dụng lọc thích nghi triệt nhiễu tín hiệu NIRS Tính sáng tạo: Áp dụng lọc thích nghi dùn giải thuật LMS để triệt nhiễu tín hiệu NIRS Kết nghi? ?n cứu: Lọc đƣợc nhiễu tín hiệu NIRS dùng lọc. .. 17 Tín hiệu thu đƣợc từ kênh 12, 15, 16, 19 bán cầu não phải 22 Luan van Ứng Dụng Lọc Thích Nghi Trong Triệt Nhiễu Tín Hiệu NIRS Chƣơng ỨNG DỤNG LỌC THÍCH NGHI TRONG TRIỆT NHIỄU TÍN HIỆU NIRS. .. dụng loại nhiễu tín hiệu NIRS Nội dung nghi? ?n cứu Cơ sở lý thuyết lọc thích nghi Thuật tốn lọc thích nghi với giải thuật LMS Ứng dụng lọc thích nghi triệt nhiễu tín hiệu NIRS Luan van Cơ
Ngày đăng: 02/02/2023, 10:18
Xem thêm:
