Xử lý tín hiệu ECG bằng Wavelet phần 4

Xử lý tín hiệu ECG bằng Wavelet

2.3 CÁC CƠ SỞ TOÁN HỌC CHO PHÂN TÍCH TÍN HIỆU: 2.3.1 Định nghĩa các không gian vector và tích trong:

2.3.1.1 Không gian vector:

Một không gian vector E qua trường số thực R hoặc phức C, là một tập vector

E, tương ứng với phép cộng và phép nhân vô hướng

x, y ∈ E là một tập hợp hoặc chuỗi gồm n phần tử (x1,x2,K) (y1,y2,K) (x1 y1,x2 y2,K)

Phân tích rời rạc:

Phân tích liên tục:



2.3.1.3 Không gian con và tập sinh:

Một tập M được gọi là không gian con của E nếu:

- x,y ∗ = y,x

- x,x ≥0 và x,x =0⇔x=0 Tích trong là tuyến tính

Chuẩn của vector được định nghĩa từ tích trong: x = x,x

Khoảng cách giữa hai vector x và y là hiệu chuẩn của chúng: x−y

Trong phân tích rời rạc =∑ =

vw

Trong phân tích liên tục: < >=∫b

2.3.2 Trực giao và trực chuẩn:

- Cho x, y ∈ E, chúng được gọi là trực giao nếu và chỉ nếux,y =0

- Chúng thỏa mãn định lý Pythagor:x+ y 2 = x 2 + y 2

- Một vector x được gọi là trực giao với tập vector S ={ }yi nếu x,yi =0,∀y

- Hai không gian con S1,S2,chúng được gọi là trực giao, nếu tất cả các vector của S1 là trực giao với tất cả các vector của S2

- Một tập vector {x1,x2,K}được gọi là trực giao nếu xi ⊥ xj, khi i ≠ j

- Nếu các vector được chuẩn hóa để có chuẩn là L, thì chúng ta có hệ thống trực

chuẩn, và chúng thỏa mãn điều kiện xi,xj =δ(i− j)

2.3.3 Không gian Hilbert:

- Không gian vector được trang bị một tích trong được gọi là không gian tích trong

đầy đủ Một không gian tích trong đầy đủ gọi là không gian Hilbert

- Chúng ta quan tâm đến không gian Hilbert có thể chia được, bởi vì một không gian Hilbert chứa một cơ sở trực chuẩn đếm được nếu và chỉ nếu nó là chia được

- Cho một không gian Hilbert E và một không gian con S, bù trực giao của S kí hiệu S⊥ là {x∈Ex⊥S} Giả sử S là một tập hợp đóng, như vậy nó chứa tất cả các chuỗi vector

giới hạn

- Cho các vector y∈E, tồn tại duy nhất v∈S, và cũng tồn tại duy nhất w⊥S⊥ sao cho y=v+w Chúng ta có thể viết:

E là tổng trực tiếp của không gian con và bù trực giao của nó

2.3.4.Cơ sở trực chuẩn:

2.3.4.1 Phương pháp trực giao hóa Grand – Smchidt:

Cho một tập các veetor độc lập tuyến tính { }xi ∈E, chúng ta có thể xây dựng một tập trực chuẩn { }yi với cùng tập sinh như sau:

Đặt

xxy =

Tập đệ qui:

v ∑−=

Lúc đó { }yi là một cơ sở trực chuẩn của E

Nếu ta có một hệ thống trực chuẩn đầy đủ trong E, thì ta có một cơ sở trực chuẩn trong E, và quan hệ Bessel trở thành đẳng thức, được gọi là đẳng thức Parseval

2.3.4.3 Cơ sở trực chuẩn:

Một tập vector S ={ }xi được gọi là cơ sở trực chuẩn khi có hai điều kiện sau:

- Tất cả các vector trong S là trực chuẩn

- Nó là đầy đủ Nghĩa là mỗi vector bất kỳ của không gian đều có thể biểu diễn

thành một tổ hợp tuyến tính của các vector thuộc S

Một hệ thống trực chuẩn { }xi được gọi là một cơ sở trực chuẩn của E nếu với mỗi y ∈ E thì =∑

Định lý: Cho một hệ thống trực chuẩn {x1,x2,Kxn}∈E, các điều kiện sau là tương đương:

- Tập các vector {x1,x2,Kxn} là một tập cơ sở - Nếu xi,y =0với i = 1, … thì y = 0

- Tập sinh ( ){ }xi là trù mật trong E, đó là mỗi vector trong E là một giới hạn của

chuỗi vector trong tập sinh ( ){ }xi

- Với y1,y2∈E thì =∑ ∗

a) Giá trị riêng và vector riêng:

Đa thức đặc tính của ma trận A là D(x) =det(xI – A) nghiệm của đa thức này gọi là

giá trị riêng λi

Vector p ≠ 0 thỏa Ap = λ được gọi là vector riêng tương ứng với các giá trị riêng λ Nếu một ma trận có kích thước n x n, có n vector độc lập tuyến tính, thì nó có thể

được chéo hóa và được viết:

A = TΛT-1

Λ: ma trận đường chéo chứa các giá trị riêng của A dọc theo đường chéo T : ma trận có các vector riêng là cột

Vector riêng là quan trọng trong việc nghiên cứu các toán tử tuyến tính Giả sử rằng

ma trận A có tập các vector riêng độc lập tuyến tính, vector x có thể được viết bằng một tổ hợp tuyến tính của các vector riêng =∑

b) Biến đổi tuyến tính:

Phép biến đổi X từ không gian V thành vector Y trong không gian W

Nếu V=W thì T là toán tử tuyến tính Và T phải thỏa: - T(x+y)=T(x)+T(y)

- T(cx)=cT(x)

c) Độc lập tuyến tính và phụ thuộc tuyến tính:

- Các vector x1, x2…xn được gọi là độc lập tuyến tính 01

α (αi =0,∀i)

- Ngược lại, các vector là phụ thuộc tuyến tính

- Nếu có vô hạn các vector x1, x2 … chúng là độc lập tuyến tính nếu với k ∈ Z, thì x1, x2 …xk là độc lập tuyến tính

- Một tập hợp con {x K1, xn} của không gian vector E được gọi là cơ sở của E khi

δ hay ∫ f(t−t0) (t)dt = ∫∞ f(t) (t−t0)dt = f(t0)

2.3.6.2 Quá trình lấy mẫu:

a) Quá trình lấy mẫu:

Quá trình lấy mẫu là hết sức quan trọng trong xử lý tín hiệu rời rạc thời gian

Gọi fT(t) là phiên bản mẫu của f(t), ta có:

( )∑∞ ( )()

Trong đó: ( ) ( )

ππ

Biến đổi Laplace: ( ) ∞∫( )

(2.11)

Kí hiệu của cặp biến đổi Laplace: f( )t ↔F( )s

Biến đổi Laplace với các ROC khác nhau thì tương ứng với các tín hiệu trong

miền thời gian khác nhau

b) Hệ thống bất biến thời gian tuyến tính:

Tích chập: cho f(t) và g(t) có biến đổi Laplace ngược tương ứng là F(s) và G(s)

thì:

f(t)*g(t) ↔ F(s)G(s) Với ROC chứa ROC của F(s) và G(s)

Sau khi lấy biến đổi Laplace, ta có: ( )( )( )

(2.12)

Chúng ta có thể xem đầu vào và đầu ra có quan hệ với nhau qua một bộ lọc có đáp

ứng xung là h(n), với h(n) là biến đổi Laplace ngược của H(s)

Với Z ∈ C

Biến đổi Z có các ROC khác nhau sẽ cho các tín hiệu khác nhau trong miền thời

Với ROC chứa ROC của F(Z) và G(Z)

Lấy biến đổi Z hai vế và dùng tính chất trễ, ta có hàm truyền là tỷ số của đầu vào và đầu ra (ở dạng biến đổi Z):

( )( )( )

Như vậy, đầu ra và đầu vào có quan hệ bởi tích chập với bộ lọc thời gian rời rạc có

đáp ứng xung là h(n), với h(n) là biến đổi Z ngược của H(Z)

ROC phụ thuộc vào chúng ta muốn lấy nghiệm là nhân quả hay không nhân quả Một chuỗi gọi là nhân quả khi x(n) = 0, với n < 0

Hệ thống là ổn định nếu và chỉ nếu ROC chứa vòng tròn đơn vị

Một hệ thống có hàm truyền là phân số ổn định nếu và chỉ nếu các cực ở trong đường tròn đơn vị