ارایه روشی برای فشرده سازی سیگنالهای عصبی در ریزپردازنده های قابل کاشت در بدن

پایان نامه
چکیده

برای فائق آمدن بر محدودیتهای توان مصرفی پایین و پهنای باند کم میکروسیستم های قابل کاشت در بدن یک روش نوین ارائه شده است. در این روش از تکنیک سنجش فشرده برای کاهش ابعاد نمونه های زمانی سیگنال های عصبی استفاده شده است. در این روش ارسال پتانسیل های عمل سیگنال عصبی به بیرون از بدن هدف کار قرار گرفته است و هر دو عمل فشرده سازی و تشخیص پتانسیل عمل به طور همزمان انجام می شود. ایده استفاده از سنجش فشرده در این پایان نامه این است که تعداد پتانسیل های عمل در مجموعه سیگنال عصبی تنک است و بنابراین مسئله کشف پتانسیل عمل و کاهش بعد بردار ارسالی، به یک مساله سنجش فشرده تبدیل میشود. برای بررسی میزان تنک بودن سیگنال های عصبی 1000 نمونه یک دقیقه ای از سیگنال های ضبط شده از نقاط متفاوت مغز مورد بررسی قرار گرفته و تعداد پتانسیل های عمل موجود در هر سیگنال ضبط شده، استخراج شده است. برای تشخیص پتانسیل های عمل از عملگر teo استفاده شده است.

منابع مشابه

طراحی و پیاده سازی روشی برای کاهش و فشرده سازی مکانی داده در سیستم های ثبت عصبی قابل کاشت در بدن

یک پردازشگر 32 کاناله با هدف فشرده سازی سیگنال در ریزسیستم های قابل کاشت در بدن بر اساس کاهش افزونگی مکانی داده طراحی، پیاده سازی و تست شده است. تاکنون روش های حذف همبستگی موجود به سبب محدودیت های ریزسیستم های قابل کاشت از لحاظ مساحت و توان، قابل پیاده سازی در این نوع سیستم ها نبودند. روش پیشنهادشده در این پایان نامه بر اساس روش سفیدکنندگی می باشد. با استفاده از یک ماتریس جایگزین ( که تا حد زیا...

15 صفحه اول

روشی برای فشرده سازی در ضبط سیگنال های عصبی

یک پردازشگر ?? کاناله برای ریزسامانه ثبت داده های عصبی کاشت پذیر در بدن، طراحی و پیاده سازی شده است. هسته محاسباتی دستگاه بر اساس تبدیل موجک هار می باشد. در مقایسه با بسیاری از تبدیل های ریاضی که برای فشرده سازی سیگنال های عصبی معرفی شده اند، تابع موجک هار، توانایی فشرده سازی بالایی را دارا می باشد و کیفیت سیگنال را به مقدار قابل توجّهی حفظ می کند، در حالی که پیچیدگی مداری و مساحت اشغالی کمتری ر...

15 صفحه اول

رویکردی برای کاهش داده در سیستم های ثبت جند کاناله عصبی قابل کاشت در بدن

در این رساله یک رویکرد فشرده سازی سیگنال های عصبی مبتنی بر تبدیل های whtو dct پیشنهاد می شود. بر مبنای این رویکرد، دو سامانه فشرده سازی داده های عصبی برای استفاده در سامانه های ثبت چند کاناله عصبی قابل کاشت در بدن طراحی و پیاده سازی شده است. کارایی روش پیشنهادی روی سیگنال های عصبی واقعی و همچنین سیگنال های عصبی سنتز شده مورد ارزیابی قرار گرفته است. این روش قادر است نرخ فشرده سازی حدود 70 ( 70 ب...

15 صفحه اول

اثر بربرین در تنظیم آستروسیتهای Gfap+ ناحیه هیپوکمپ موشهای صحرایی دیابتی شده با استرپتوزوتوسین

Background: Diabetes mellitus increases the risk of central nervous system (CNS) disorders such as stroke, seizures, dementia, and cognitive impairment. Berberine, a natural isoquinolne alkaloid, is reported to exhibit beneficial effect in various neurodegenerative and neuropsychiatric disorders. Moreover astrocytes are proving critical for normal CNS function, and alterations in their activity...

متن کامل

اثر بربرین در تنظیم آستروسیتهای Gfap+ ناحیه هیپوکمپ موشهای صحرایی دیابتی شده با استرپتوزوتوسین

Background: Diabetes mellitus increases the risk of central nervous system (CNS) disorders such as stroke, seizures, dementia, and cognitive impairment. Berberine, a natural isoquinolne alkaloid, is reported to exhibit beneficial effect in various neurodegenerative and neuropsychiatric disorders. Moreover astrocytes are proving critical for normal CNS function, and alterations in their activity...

متن کامل

طراحی و پیاده سازی یک دمدولاتور psk کم مصرف برای سیستم های قابل کاشت در بدن

در این پایان نامه، دو دمدولاتور bpsk با توان مصرفی بسیار کم با نرخ داده بالا برای ادوت قابل کاشت در بدن ارائه شده است. این دمدولاتور ها در داخل بدن کاشته خواهند شد و داده و کلاک مورد نیاز برای میکروسیستم کاشته شده در بدن را آشکار و بازیابی می کنند. هر دو دمدولاتور ابتدا موج bpsk دریافتی را به کمک یک مدار اشمیت تریگر به صورت دیجیتالی تبدیل می کنند. دمدولاتور اول از داده بازیافت شده برای تولید کل...

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی خواجه نصیرالدین طوسی - دانشکده برق و کامپیوتر

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023