Дипломы, курсовые, рефераты, контрольные...
Срочная помощь в учёбе

Методы спектрального анализа квазипериодических низкочастотных неэквидистантно квантованных сигналов

ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Актуальность поставленной задачи определяется: необходимостью создания (совершенствования) методов спектрального анализа КННС. позволяющих получать точные оценки как их спектральной плотности мощности (СПМ), так спектральных показателей, рассчитанных на ее основенедостаточной изученностью особенностей КННС и их спектральных показателейограниченностью моделей имитации КННС и отсутствием критериев… Читать ещё >

Содержание

  • Глава 1. АНАЛИЗ СОСТОЯНИЯ ВОПРОСА ИЗУЧЕНИЯ КВАЗИПЕРИОДИЧЕСКИХ НИЗКОЧАСТОТНЫХ НЕЭКВИДИСТАНТНО КВАНТОВАННЫХ СИГНАЛОВ. И
    • 1. 1. Квазипериодические низкочастотные сигналы при неравномерном квантовании
    • 1. 2. Математические методы анализа КННС
    • 1. 3. Методика расчетов оценок спектральных показателей КННС
    • 1. 4. Постановка задач исследования
  • Глава 2. ИМИТАЦИОННЫЕ МОДЕЛИ КВАЗИПЕРИОДИЧЕСКИХ НИЗКОЧАСТОТНЫХ НЕЭКВИДИСТАНТНЫХ СИГНАЛОВ
    • 2. 1. Методы моделирования искусственных КННС
    • 2. 2. Исследование состоятельности спектральных оценок для нелинейно связанных КННС
    • 2. 3. Комплекс алгоритмов автоматического анализа эффективности
  • РОСП КННС
  • Глава 3. МЕТОДЫ ФИЛЬТРАЦИИ И АППРОКСИМАЦИИ НЕЭКВИДИСТАНТНЫХ СИГНАЛОВ
    • 3. 1. Выделение помех и артефактов в КННС
    • 3. 2. Преобразование неэквидистантных временных рядов
    • 3. 3. Метод коррекции передаточной функции интерполяторов
  • Глава 4. МЕТОДЫ СПЕКТРАЛЬНОГО АНАЛИЗА КВАЗИПЕРИОДИЧЕСКИХ СИГНАЛОВ
    • 4. 1. Методы оценки СПМ. основанные на расчете периодограммы
    • 4. 2. Параметрические методы оценки СПМ
    • 4. 3. Оптимизация параметров для методов оценки СПМ
  • Глава 5. МЕТОДЫ АНАЛИЗА СТАЦИОНАРНОСТИ И ИССЛЕДОВАНИЕ ЭФФЕКТИВНОСТИ МЕТОДИКИ РАСЧЕТА ОЦЕНОК СПЕКТРАЛЬНЫХ ПОКАЗАТЕЛЕЙ КННС
    • 5. 1. Тесты на стационарность квазииериодических сигналов
    • 5. 2. Анализ паттернов нарушения стационарности КННС
    • 5. 3. Комплекс алгоритмов разработанной методики расчета оценок спектральных показателей КННС
    • 5. 4. Выделение фаз апноэ при помощи методики
  • РОСП КННС

Методы спектрального анализа квазипериодических низкочастотных неэквидистантно квантованных сигналов (реферат, курсовая, диплом, контрольная)

Актуальность проблемы. Квазипериодичеекие низкочастотные неэквидистантно квантованные, сигналы (КННС) являются недостаточно изученными. несмотря на свою широкую распространенность в различных областях науки: радиолокации, геофизике, медицине, астрономии, климатических и океанических исследованиях, при анализе информации в условиях сбоев, помех и отказов радиотехнической аппаратуры и т. п.

На сегодняшний день распространенным и эффективным методом исследования волновой структуры КННС является их спектральный анализ. Теоретические основы и методы спектрального анализа, а также его приложения рассмотрены в работах многих учёных [1 4] и др., однако вопросы анализа КННС рассмотрены в них недостаточно подробно. При анализеквазипериодических и квазистационарных сигналов целесообразно оценивать спектральные показатели сигналов, получаемые интегрированием спектральной плотности мощности в заданном диапазоне частот. Существующие методики проведения такого анализа являются многоэтапными и громоздкими, из-за этого их реализация в практических целях разными группами специалистов оказывается отличной, а рассчитываемые оценки одних и тех же спектральных показателей оказываются невоспроизводимыми.

При анализе большинства натурных КННС нет возможности непосредственной проверки корректности оценок спектральных показателей, а также отсутствуют рекомендации, но применимости, эффективности методов и воспроизводимости результатов их расчета. Единственным возможным подходом, позволяющим при этом выполнить количественный анализ эффективности (точности) расчетов оценок спектральных показателей (РОСП) КННС является использование искусственных КННС.

Известные модели КННС [5] обладают рядом существенных недостатков. которые явно отличают искусственные сигналы от реальных, что ставит под сомнение возможность распространения результатов анализа эффективности методик РОСП КННС по модельным КННС на реальные сигналы. При этом не существует критериев оценки реалистичности искусственных КННС, а критерии оценки эффективности (точности) РОСП КННС разработаны недостаточно и обычно ограничены сравнением либо по одному спектральному индексу [6] либо визуальным сравнением СПМ [7].

Одним из часто используемых в медицинской практике КННС является последовательность межсократительных интервалов сердца, называемая ритмокардиографическим сигналом (РКС) или ритмокардиограммой, а явление квазипериодичности этих сигналов в литературе называется вариабельностью сердечного ритма (ВСР). РОСП таких КННС успешно применяется для исследования функционального состояния испытуемых и для задач медицинской диагностики [8 11].

В 2001 г. Министерством здравоохранения РФ утверждены методические рекомендации «Анализ вариабельности сердечного ритма использовании различных электрокардиографических систем», содержащие, в том числе, рекомендации, но спектральному анализу РКС [9]. Однако как отечественные [12, 13], так и зарубежные [14, 15] исследователи отмечают наличие недопустимых несоответствий в результатах РОСП, выполненных при помощи сертифицированных серийно выпускаемых образцов радиотехнических приборов медицинского назначения. Поэтому актуальной задачей для развития методов и средств спектрального анализа КННС, и, в частности, спектрального анализа РКС, является обеспечениеединства методики РОСП КННС за счет стандартизации методов ее реализации, которые позволяют обеспечить воспроизводимые, сравнимые и адекватные оценки спектральных показателей.

Актуальность поставленной задачи определяется: необходимостью создания (совершенствования) методов спектрального анализа КННС. позволяющих получать точные оценки как их спектральной плотности мощности (СПМ), так спектральных показателей, рассчитанных на ее основенедостаточной изученностью особенностей КННС и их спектральных показателейограниченностью моделей имитации КННС и отсутствием критериев оценки их реалистичности, позволяющих обосновать правомерность использования искусственных сигналов для исследования точности методики РОСП КННС;

— отсутствием критериев оценки эффективности (точности) методики РОСП КННС;

— отсутствием средств автоматизированного анализа эффективности (ААЭ) методов и алгоритмов в составе методики РОСП КННС.

Цель диссертационной работы состоит в обосновании рекомендаций для стандартизации методики расчета оценок спектральных показателей квазииериодических низкочастотных неэквидистантно квантованных сигналов и исследования ее точности на основе имитационного моделирования.

Задачи исследования:

1. Создание метода математического моделирования квазипериодических низкочастотных неэквидистантно квантованных сигналов, обладающих повышенной реалистичностью, для возможности анализа достоверности методики расчета оценок спектральных показателей таких сигналов.

2. Анализ существующих и разработка усовершенствованных методов в составе методики расчета оценок спектральных показателей квазипериодических низкочастотных неэквидистантно квантованных сигналов, обеспечивающих максимальную эффективность этого расчета по критерию минимума квадратичного среднего ошибок расчетов оценок спектральных показателей.

3. Проектирование структурной схемы и реализация комплекса средств автоматизированного анализа эффективности как составных методов, так и методики расчета оценок спектральных показателей квазипериодических низкочастотных иеэквидистантно квантованных сигналов в целом, применительно к задачам стандартизации расчетов.

4. Экспериментальное исследование устойчивости предложенной методики расчета оценок спектральных показателей квазииериодических низкочастотных неэквидистантно квантованных сигналов при решении задачи обнаружения фрагментов апноэ в автоматическом режиме с использованием только оценок спектральных показателей ритмокардиографпческих сигналов.

5. Разработка рекомендаций по методике расчета оценок спектральных показателей квазииериодических низкочастотных неэквидистантно квантованных сигналов применительно к задаче спектрального анализа ритмокардио-графических сигналов.

Методы исследования. При решении задач исследования использовались методы цифровой обработки радиосигналов, методы математического моделирования, спектральный анализ и его приложения, теория вероятностей, численные методы, системный анализ, математическая статистика.

Научная новизна работы заключается в следующем.

1. Предложена математическая модель анализа реалистичности к в ази периодических низкочастотных неэквидистантно квантованных сигналов, сформированных, но их спектру, впервые позволившая количественно сравнить эффективность методов моделирования таких сигналов.

2. Разработан метод моделирования квазипериодических низкочастотных неэквидистантно квантованных сигналов по их спектру, позволяющий повысить реалистичность искусственных сигналов, что выражается улучшении сходимости оценок временных показателей, получаемых на реальных и на искусственных сигналах, имеющих идентичные спектральные показатели, на 10,4%, обеспечивая среднее расхождение между получаемыми оценками на реальных и модельных сигналах не более чем на 13,4%.

3. Разработан комплекс средств автоматизированного анализа эффективности этапов расчета оценок спектральных показателей квазипериодических низкочастотных неэквидистантно квантованных сигналов, включающий усовершенствованные приемы использования выборок таких сигналов и искажений искусственных сигналов добавлением пропусков и артефактов, наблюдаемых на реальных сигналах.

4. Разработан критерий эффективности распознавания всплеекоподобных артефактов (ВПА) квазинериодических низкочастотных неэквидистантно квантованных сигналов и предложен усовершенствованный метод распознавания, позволяющий достичь максимальной эффективности среди аналогов, выраженной в уменьшении ошибки распознавания на 24%.

5. Разработан метод коррекции спектральной плотности мощности при использовании кусочно-непрерывной 5-сплайн интерполяции квазипериодических низкочастотных неэквидистантно квантованных сигналов, и продемонстрирован прирост точности расчета оценок высокочастотных спектральных показателей при использовании этого метода на 43%.

6. Оценены возможности применения наиболее распространенных методов оценки спектральной плотности мощности для задачи расчетов оценок спектральных показателей квазинериодических низкочастотных неэквидистантно квантованных сигналов, и определен набор параметров этих методов, позволяющий обеспечить максимальную эффективность расчета оценок спектральных показателей, в том числе, средняя ошибка расчета оценок спектральных показателей на основе быстрого преобразования Фурье 6,1%, метода Уэлча — 9,8%, метода Бурга — 6,1% и метода Томсона — 8,1%.

7. Определен набор паттернов нарушения стационарности, описывающий наблюдаемую нелинейную динамику адаптационных процессов квазипериодических низкочастотных неэквидистантно квантованных сигналов.

8. Разработан метод исследования стационарности квазипериодических низкочастотных неэквидистантно квантованных сигналов, позволяющий исключить часто наблюдаемый паттерн нарушения стационарности «сдвинутый цикл» с динамическим контролем ошибки, возникающей при исключении фрагмента сигнала, а также выделить такие сигналы, коррекция которых невозможна.

9. Продемонстрирована устойчивость предложенной методики расчетов оценок спектральных показателей квазипериодических низкочастотных неэквидистантно квантованных сигналов по результатам ее применения для математического анализа вариабельности сердечного ритма и распознавания на его основе фаз анноэ с 86% точности поминутной классификации фаз апноэ (13% ошибок второго рода), что на 18% больше, чем при использовании методики [9] расчета оценок спектральных показателей.

Практическая значимость результатов заключается в том. что разработанные методы и алгоритмы использованы для создания стандартой методики РОСП КННС, обеспечивающей воспроизводимость и сравнимость оценок спектральных показателей, получаемых с помощью серийно выпускаемых радиотехнических систем исследования состояния сердца и радиоэлектрон ных и мпл антантов.

Основные научные положения, выносимые на защиту:

1. Метод математического моделирования квазипериодических низкочастотных неэквидистантно квантованных сигналов по их спектру, обладающий наибольшей реалистичностью среди аналогов, выраженной в улучшении сходимости оценок эффективности этапов выполнения расчетов оценок спектральных показателей квазииериодических низкочастотных неэквидистантно квантованных сигналов, получаемых на искусственных и на реальных сигналах.

2. Комплекс средств автоматизированного анализа эффективности методики расчета оценок спектральных показателей квазипериодических низкочастотных неэквидистантно квантованных сигналов, позволяющий системно исследовать эффективность всех методов и алгоритмов, применяемых в составе названной методики.

3. Усовершенствованная методика расчета оценок спектральных показателей квазинериодических низкочастотных неэквидистантно квантованных сигналов. отличающаяся от ранее известных наличием наиболее эффективной процедуры оценки спектральной плотности мощности, наличием метода коррекции спектральной плотности мощности после искажений, вносимых процедурой интерполяции сигналов и наличием алгоритмов анализа и обработки фрагментов нестационарности в анализируемом сигнале.

4. Результаты экспериментальных исследований эффективности, точности и апробации результатов диссертационной работы.

Достоверность полученных результатов подтверждается соответствием результатов теоретического анализа, анализа на искусственных и реальных сигналах, корректным применением методов цифрового анализа сигналов, совпадением результатов исследования с аналогичными результатами, полученными другими авторами, актами о внедрении и использовании научных и практических результатов диссертации, а также результатами решения задачи распознавания фаз апноэ по динамике оценок спектральных показателей КННС при помощи разработанной методики РОСП КННС.

Теоретическая значимость работы заключается в том, что научные положения и выводы диссертации, новые постановки частных задач и методы их решения с выполненными обоснованиями обеспечивают развитие теоретических основ математического анализа КННС.

Апробация работы и публикации. Основные положения диссертационной работы докладывались и обсуждались: на 3-й, 4-й и 5-й международных конференциях «Russian-Bavarian Conference on Bio-Medical Engineering» (Эрланген, 2007. Москва, 2008, Мюнхен, 2009) — на 33-й международной конференции «Computers in Cardiology» (Болония, 2008) — на 2-й, 3-й и 4-й конференциях «Системный анализ в медицине» (Благовещенск, 2008 — 2010) — на 10-й, 11-й, 12-й международной конференции «Медико-технические технологии на страже здоровья" — на общеуниверситетских научно-технических конференциях «Студенческая весна» (Москва, 2006, 2007. 2008) — на научно-практической конференции «Методы исследования регионального кровообращения и микроциркуляции в медицине» (Санкт-Петербург, 2006).

По результатам исследования опубликовано 17 научных трудов, в том числе 6 статей в журналах, рекомендованных ВАК Минобрнауки России, и 11 тезисов докладов на Международных и Российских конференциях.

Выводы.

1. Метод моделирования квазипериодических низкочастотных неэквидистантно квантованных сигналов по их спектру, отличающийся от аналогов учетом спектральной плотности мощности в диапазоне (0, 0,04] Гц и преобразованием ее формы в изрезанную, обеспечивает существенное улучшение сходимости искусственных и реальных сигналов (оценка квадратичного среднего разности расчетов временных показателей на реальных и искусственных ритмокардиографических сигналах с идентичными спектральными показателями статистически значимо (р<0,001) снижается с 23 до 13%).

2. Метод моделирования квазипериодических низкочастотных неэквидистантно квантованных сигналов по их спектральным показателям, определяемым как случайные величины, функции плотности вероятности которых ограничены диапазоном допустимых значений оценок этих показателей на реальных сигналах, и формализация правил добавления пропусков и артефактов в квазипериодических низкочастотных неэквидистантно квантованных сигналах, позволяют сформировать в автоматическом режиме наиболее робастный комплекс алгоритмов расчетов оценок их спектральных показателей.

3. Метод коррекции спектральной плотности мощности квазииериодиче-ских низкочастотных неэквидистантно квантованных си [" палов обеспечивает восстановление до 92% их утраченной мощности в диапазоне 0,15−0,4 Гц и гарантирует среднюю ошибку оценки передаточной функции процедуры интерполяции не более 3%.

4. Методика расчета оценок спектральных показателей квазипериодических низкочастотных неэквидистантно квантованных сигналов, дополнительно, в отличие от аналогов, включающая алгоритм коррекции спектральной плотности их мощности и метод анализа стационарности с алгоритмом исключения паттернов нарушения стационарности, обеспечивает прирост эффективности расчета этих спектральных показателей по критерию минимума квадратичного среднего ошибок оценок спектральных показателей на 15% и по критерию адекватности визуального представления СПМ на 45%.

5. Использование разработанной методики расчета оценок спектральных показателей ритмокардиографических сигналов для детектирования фрагментов апноэ и скрининга пациентов с клинически значимым количеством таких фрагментов в автоматическом режиме позволяет обеспечить точность распознавания фрагментов апноэ 86% (с 7.5% ошибок второго рода) и 100% точности скрининга, что, соответственно, на 15% и на 24% больше, чем при использовании методики [9].

6. Рекомендации по расчёту оценок спектральных показателей квазипериодических низкочастотных неэквидистантно квантованных сигналов на основе предлагаемого комплекса методов обеспечивают высокую эффективность, воспроизводимость, сравнимость и возможность многократного использования результатов исследования спектра ритмокардиографичееких сигналов, что способствует увеличению значимости исследования вариабельности сердечного ритма как клинического метода диагностики функционального состояния испытуемых.

Практические рекомендации.

1. Для обеспечения приемлемой точности РОСП КННС оцифровка ЭКГ должна осуществляться на частоте от 500 Гц и выше.

2. Эффективность используемого метода распознавания QRS-комплексов должна быть проверена на находящихся в свободном доступе базах данных с доступными аннотациями, таких как «М1Т-В1Н», представленных на сайте www. physio net. org [31].

3. Для распознавания ВПА следует использовать усовершенствованный метод с жестким порогом (3.4), алгоритм которого представлен на рис. 3.5.

4. Наиболее устойчивым к наличию пропусков в сигнале КННС (после устранения ВПА или прочих артефактов) является метод линейной интерполяции. Эффект существенного ослабления высокочастотного показателя из-за применения линейной интерполяции можно избежать, используя метод коррекции СПМ по формуле (3.15), что позволяет минимизировать эффекты ослабления спектра, возникающего из-за свойств передаточной функции процедур интерполяции.

5. Персдиекретизацию КННС рекомендуется проводить с частотой не ниже f6 = 10Гц, а размерность передискретизированного сигнала следует выбирать четной величиной, начиная квантование с момента времени At = 1 /fb = 0,1 с. В этом случае стандартная размерность вектора передискретизированного КННС (РКС) составляет N = 3000.

6. Для устранения паттернов сдвигов на КННС (РКГ) необходимо использовать алгоритм, представленный на рис. 5.6.

7. Линейный тренд КННС с большой вероятностью соответствует наличию переходного процесса, и не может быть корректно проанализирован в рамках классической методики РОСП КННС. Проверку наличия выраженного линейного тренда в анализируемом КННС следует выполнять по формуле (5.7).

8. Для оценки СПМ следует использовать метод Том сон, а с параметром МУ — 7/4, который обеспечивает достижение минимум показателя КСОСП с адекватным качеством визуального отображения функции СПМ.

9. Оценку спектральных показателей КННС следует проводить в диапазонах. представленных в таблице 1.2.

10. Приоритетными направлениями повышения качества спектрального анализа КННС являются разработка более совершенных методов распознавания ВПА и поиск более эффективных тестов проверки КННС на стационарность.

Показать весь текст

Список литературы

  1. А.Б. Цифровая обработка сигналов. СПб.:Питер, 2006. 752 с.
  2. Stoica P., Moses R. Spectral analysis of signals. Pearson Prentice Hall, 2005. 452 p.
  3. Marple S.L. Digital spectral analysis: with applications. Upper Saddle River, NJ, USA: Prentice-Hall, Inc., 1986. 492 p.
  4. Kay S. Modern spectral estimation: theory and application. Prentice Hall, 1988. 576 p.
  5. McSharry P., Clifford G., Tarasscnko L., Smith L. Method for generating an artificial RR tachogram of a typical healthy human over 24-hours // Computers in Cardiology. 2002. Vol. 29. P. 225- 228.
  6. Clifford G.D., McSharry P.E. Method to filter ECGs and evaluate clinical parameter distortion using realistic ECG model parameter fitting // Computers in Cardiology. 2005. Vol. 32. P. 715 718.
  7. Moody G. Spectral analysis of heart rate without resampling // Computers in Cardiology 1993, Proceedings. 1993. P. 715 -718.
  8. Malik M., Camm A. Dynamic Electrocardiography. Wiley-Blackwell, 2004. 664 p.
  9. P.M., Иванов Г. Г., Чирейкин JI.В. и др. Анализ вариабельности сердечного ритма при использовании различных электрокардиографических систем (методические рекомендации) // Вестник аритмологии. 2001. Т. 24. С. 65 86.
  10. McAuley Т. Heart Rate Variability and Ultrafme Particle Exposures: To Citizens Living Downwind of an International Trade Bridge. VDM Verlag, 2008. 240 p.
  11. Г. Г., Грачева С. В., Сыркина А. Л. Новые методы электрокардиографии. М.: Техносфера. 2007. 552 с.
  12. А.П., Эльгардт И. А., Сдобнякова Н. С. Некоторые аспекты оценки вегетативного баланса при спектральном анализе вариабельности сердечного ритма // Вестн. аритмологии. 2001. Т. 22. С. 45 48.
  13. К.П., Паламарчук Е. А., Позиция А. Результаты независимого тестирования трех программ вычисления показателей вариабельности сердечного ритма // Укр. мед. часоиис. 2007. Т. 3, № 59. С. 45 51.
  14. Sandercock G., Shelton C., Bromley P., Brodie D. Agreement between three commercially available instruments for measuring short-term heart rate variability // Physiological Measurement. 2004. Vol. 25, no. 5. P. 1115 1124.
  15. Nunan D., Jakovljevic D. Donovan G. et al. Levels of agreement for RR intervals and short-term heart rate variability obtained from the Polar S810 and an alternative system // European Journal of Applied Physiology. 2008. Vol. 103, no. 5. P. 529−537.
  16. А. В. Гридин JI.А. Кукушкин Ю. А., Ушаков И. Б. Диагностика состояния человека: математические подходы. М.: Медицина, 2003. 464 с.
  17. Ю.А., Богомолов А. В., Ушаков И. Б. Математическое обеспечение оценивания состояния материальных систем. М.: Новые технологии, 2004. 32 с.
  18. Fleisch A., Beckmann В. Die raschen Schwankungen der Pulsfrequenz registriert mit dem Pulszeitschreiber // Research in Experimental Medicine. 1932. Vol. 80, no. 1. P. 487 510.
  19. В.В., Газенко О. Г. Физиологические методы в космонавтике. М.: Наука, 1965.
  20. В.В., Баевский P.M. Введение в медицинскую кибернетику. М.: Медицина, 1966. 178 е.
  21. P.M., Волков Ю. Н. Математические методы анализа сердечного ритма. М.: Медицина, 1968. 173 с.
  22. P.M., Кудрявцева В. И. Особенности регуляции сердечного ритма при умственной работе // Физиология человека. 1975. Т. 1, № 2. С. 296 301.
  23. А.Л., Калиниченко А. Н., и др . Кардиомониторы. Аппаратура непрерывного контроля ЭКГ. М.: Радио и связь, 1993.
  24. Т.Ф., Миронов В. А., Шамуров Ю. С. и др. Клинический анализ вариабельности сердечного ритма и его аппаратно-программное обеспечение // Клиническая информатика и телемедицина. 2004. Т. 1, № 2.1. С. 189 196.
  25. С. А. Ноздрачев А.Д., Одинак М. М. и др. Вариабельность ритма сердца: представления о механизмах // Физиология человека. 2002. Т. 28. № 1. С. 130 -143.
  26. Д.И. Анализ сердечного ритма. Вильнюс: Мокслас, 1982. 130 с.
  27. Advanced Methods and Tools for ECG Analysis, Ed. by G. D. Clifford, F. Azuaje, P. E. McSharry. Norwood, MA, USA: Artech House, 2006. Vol. 1 of Engineering in Medicine and Biology.
  28. Mateo J., Laguna P. Improved heart rate variability signal analysis from the beat occurrence times according to the IPFM model // IEEE Trans, on Biom. Eng. 2000. Vol. 47, no. 8. P. 985 996.
  29. Seydnejad S., Kitney R. Time-varying threshold integral pulse frequency modulation // IEEE Trans, on Biom. Eng. 2001. Vol. 48, no. 9. P. 949−962.
  30. P.M. Концепция физиологической нормы и критерии здоровья // Российский физиологический журнал им. И. М. Сеченова. 2003. Т. 89, № 4. С. 473- 487.
  31. В.М. Вариабельность ритма сердца: опыт практического применения метода. 2002. 290 с.
  32. B.M. Лукошкова E.B. Спектральный анализ колебаний частоты сердцебиений: физиологические основы и осложняющие его явления // Рос. физиол. журн. им. И. М. Сеченова. 1999. Т. 7. С. 893 909.
  33. А.Д., Щербатых Ю. В. Современные способы оценки функционального состояния автономной (вегетативной) нервной системы // Физиология человека. 2001. Т. 27, № 6. С. 95−101.
  34. С. В. Бяловский Ю.Ю. Анализ показателей вариабельности сердечного ритма с разным типом вегетативной регуляции при активной ортостатической пробе // Российский медико-биологический вестник им. академика И. П. Павлова. 2001. Т. 3 4. С. 124 129.
  35. Н. Б. Павлов А.Н., Анищенко Т. Г. Методы анализа сердечного ритма. Саратов: Изд-во ГосУНЦ Колледж. 2001. 120 с.
  36. Д. Н. Зингерман A.M. Ващилло Е. Г. Некоторые аспекты и успехи применения математического анализа в кардиоритмологии // Успехи физиологич. наук. 1978. Т. 9, № 2. С. 42 60.
  37. P.M., Кириллов О. И., Клецкин С. З. Математический анализ изменений сердечного ритма при стрессе. М.: Наука, 1984. 225 с.
  38. Luczak Н., Laurig W. An analysis of heart rate variability (Heart rate variability analysis for ergonomics purposes, discussing interpolations, algorithms and physiological effects and spectral analysis methods) // Ergonomics. 1973. Vol. 16. P. 85 -97.
  39. Sayers B. Analysis of heart rate variability (Blood pressure and body temperature dynamic control systems and respiration relationship to heart rate variability) // Ergonomics. 1973. Vol. 16. P. 17 32.
  40. Piha S. Cardiovascular autonomic reflex tests: normal responses and age-related reference values. // Clinical physiology (Oxford, England). 1991. Vol. 11, no. 3. P. 277.
  41. И.Г. Выявление скрытых периодичностей методом спектрального анализа: Кандидатская диссертация / Дисс. М.: ВЦ АН СССР. 1968.
  42. Laguna P., Moody G., Mark R. Power spectral density of unevenly sampled data by least-square analysis: performance and application to heart rate signals // IEEE Trans, on Biom. Eng. 1998. Vol. 45. no. 6. P. 698 715.
  43. Шейх-Заде Ю.Р., Скибицкий В. В., Катханов A.M. и др. Альтернативный подход к оценке- вариабельности сердечного ритма // Вестник аритмоло-гии. 2001. Т. 21. С. 49 55.
  44. В.М., Бекбосынова М. С., Лукошкова Е. В. Тахикардия при глотании и спектральный анализ колебаний частоты сокращений сердца // Б.э.б.м. 1999. Т. 127. С. 620 624.
  45. О. В. Кравченко В.Ф. Лазоренко О. В., Черногор Л. Ф. Преобразование Вигнера и атомарные функции в цифровой обработке сигналов. // Электромагнитные волны и электронные системы. 2006. Т. 11, № 6. С. 26−38.
  46. В.Н., Трофимов В. А., Шкуринов А. П. О точности измерения мгновенных спектральных интенсивностей фемтосекундных импульсов // Журнал технической физики. 2006. Т. 76, № 4. С. 78- 85.
  47. О.В., Черногор Л. Ф. Системный спектральный анализ сигналов: теоретические основы и практические применения // Радиофизика и радиоастрономия. 2007. Т. 12. № 2. С. 162 181.
  48. Pci S. Ding J. Relations between Gabor transforms and fractional Fourier transforms and their applications for signal processing // IEEE Trans, on Sig. Proc. 2007. Vol. 55, no. 10. P. 4839 4850.
  49. И. Десять лекций по вейвлетам. М.: НИЦ «Регулярная и хаотическая динамика», 2001. 464 с.
  50. А.А., Пономаренко В. И., Прохоров М. Д., Храмов А. Е. Изучение синхронизации автоколебаний по унивариантным данным при изменении частоты внешнего воздействия с использованием вейвлетного анализа // Письма в ЖТФ. 2006. Т. 32, № 11. С. 81 -88.
  51. С.Т., Титов Ю. М., Темников А. А. Новый метод изучения нестационарных колебательных процессов в сердечном ритме непрерывный вейвлет-анализ // Физиология человека. 2006. Т. 32, № 1. С. 132 138.
  52. Teich М., Lowen S., Jost В. ct al. Nonlinear Biomedical Signal Processing, Volume 2, Dynamic Analysis and Modeling // Heart Rate Variability, Ed. by A. M. N.Y.: IEEE Press, 2001. P. 159 213.
  53. Heneghan C., McDarby G. Establishing the relation between detrended fluctuation analysis and power spectral density analysis for stochastic processes // Physical Review E. 2000. Vol. 62, no. 5. P. 6103 6110.
  54. Bruegge В. Dutoit A. Object Oriented Software Engineering Using UML, Patterns, and Java. Prentice Hall, 2009.
  55. Garcia-Gonzalez M., Fernandez-Chimeno M., Ramos-Castro J. Bias and uncertainty in heart rate variability spectral indices due to the finite ECG sampling frequency // Physiological Measurement. 2004. Vol. 25, no. 2. P. 489 504.
  56. Friesen G., Jannett Т., Jadallah M. et al. A comparison of the noise sensitivity of nine QRS detection algorithms // IEEE Trans on Biomed Eng. 1990. Vol. 37, no. 1. P. 85 98.
  57. Hamilton P., Tompkins W. Quantitative investigation of QRS detection rules using the MIT/BIH arrhythmia database // IEEE Trans. Biomed. Eng. 1986. Vol. 33, no. 12. P. 1157 1165.
  58. Kamath M., Fallen E. Correction of the Heart Rate Variability Signal for Ectopics and Missing Beats // Heart Rate Variability, Ed. by M. Malik, A. Camm. Armonk, N.Y.: Futura Pub. Co., 1995. P. 75 -85.
  59. Clifford G., Tarassenko L. Quantifying errors in spectral estimates of HRV due to beat replacement and resampling // IEEE Trans, on Biom. Eng. 2005. Vol. 52, no. 4. P. 630 638.
  60. Hyndman В., Zeelenberg C. Spectral Analysis of Heart Rate Variability Revisited: Comparison of the Methods // Computers in Cardiology. 1993. P. 719−719.
  61. Badilini F., Maison-Blanche P., Coumel P. Heart rate variability in passive tilt test: comparative evaluation of autoregressive and FFT spectral analyses // Pacing and clinical electrophysiology. 1998. Vol. 21, no. 5. P. 1122- 1132.
  62. Castiglioni P. Evaluation of heart rhythm variability by heart rate or heart period: differences, pitfalls and help from lograithms // Medical and Biological Engineering and Computing. 1995. Vol. 33, no. 3. P. 323 -330.
  63. Руководство ИСО/МЭК 2. Стандартизация и смежные виды деятельности, 1998.
  64. М.Г. Метрология и стандартизация. СПб.: Изд-во «Петербургский ин-т печати». 2001. 372 с.
  65. Merri М., Farden D. Mottley J. Titlebaum E. Sampling frequency of the electrocardiogram for spectral analysis of the heart rate variability // IEEE Trans, on Biom. Eng. 1990. Vol. 37, no. 1. P. 99 106.
  66. С. Медико-биологическая статистика. М.: Практика, 1999. 459 с.
  67. Iyengar N., Peng С., Morin R. et al. Age-related alterations in the fractal scaling of cardiac interbeat interval dynamics // American Journal of Physiology- Regulatory, Integrative and Comparative Physiology. 1996. Vol. 271, no. 4. P. 1078 1084.
  68. Welch P. The use of fast Fourier transform for the estimation of power spectra: a method based on time averaging over short, modified periodograms // IEEE Trans, on Audio and Electroacoustics. 1967. Vol. 15, no. 2. P. 70−73.
  69. Parker P., Celler В., Potter E., McCloskey D. Vagal stimulation and cardiac slowing // Journal of the autonomic nervous system. 1984. Vol. 11, no. 2. P. 226 231.
  70. Bigger Jr J., Fleiss J., Steinman R. et al. Frequency domain measures of heart period variability and mortality after myocardial infarction // Circulation. 1992. Vol. 85, no. 1. P. 164−171.
  71. Bigger J., Fleiss J., Steinman R. et al. RR variability in healthy, middle-aged persons compared with patients with chronic- coronary heart disease or recent acute myocardial infarction // Circulation. 1995. Vol. 91, no. 7. P. 1936 1943.
  72. Ramaekers D. Ector H., Aubert A. et al. Heart rate variability and heart rate in healthy volunteers. Is the female autonomic nervous system cardioprotective? // European heart journal. 1998. Vol. 19, no. 9. P. 1334 1341.
  73. Heart Rate Variability, Ed. by C. A. Malik M. Armonk, N.Y.: Futura Pub. Co. Inc., 1995. Vol. II. 539 p.
  74. Albrecht P., Cohen R. Estimation of heart rate power spectrum bands from real-world data: dealing with ectopic beats and noisy data // Computers in Cardiology 1988. Proceedings. 1988. P. 311 314.
  75. Birkett С., Kienzle M., Myers G. Interpolation over ectopic beats increases low frequency power inheart rate variability spectra // Computers in Cardiology 1991, Proceedings. 1991. P. 257 259.
  76. Lippman N. Stein K. Lerman B. Comparison of methods for removal of ectopy in measurement of heart rate variability / / American Journal of Physiology- Heart and Circulatory Physiology. 1994. Vol. 2G7, no. 1. P. 411−418.
  77. В.И., Пугачев О. И., Егорова Е. В., Герасимов А. В. Применение цифровой обработки для фильтрации шума в звуковых сигналах // Нелинейный мир. 2009. Т. 7, № 11. С. 869 871.
  78. Clifford G., Tarassenko L., Townsend N. One-pass training of optimal architecture auto-associative neuralnctwork for detecting ectopic beats // Electronics Letters. 2001. Vol. 37, no. 18. P. 1126 1127.
  79. Clifford G. Signal processing methods for heart rate variability: Ph.D. thesis / Citeseer. 2002.
  80. Craven P., Wahba G. Smoothing noisy data with spline functions // Numerische Mathcmatik. 1978. Vol. 31, no. 4. P. 377−403.
  81. E.E. Методы численного анализа. M.: ИЦ Академия, 2007. 320 с.
  82. А.В., Майстров А. И. Моделирование ритмокардиограмм в частотной области данных // Динамика сложных систем. 2009. № 1. С. 49−58.
  83. Berger R., Akselrod S. Gordon D., Cohen R. An efficient algorithm for spectral analysis of heart rate variability /'/ IEEE Trans, on Biom. Eng. 1986. P. 900 904.
  84. Ю.А., Майстров А. И., Богомолов А. В. Методы аппроксимации ритмокардиограмм для расчета оценок спектральных показателей вариабельности сердечного ритма // Медицинская техника. 2010. № 3. С. 15 30.
  85. С.В. Вычислительная математика. СПб.: БХВ-Петербург, 2004. 314 с.
  86. Unser М., Aldroubi A., Eden М. B-Spline Signal Processing: Part I Theory // IEEE Trans. Sig. Proc. 1993. Vol. 41, no. 2. P. 821 833.
  87. Д., Адаме Д. Математические основы машинной графики. Мир, 2001. 606 с.
  88. Bracewell R. Discrete hartley transform // Journal of the Optical Society of America. 1983. Vol. 73. no. 12. P. 1832 1835.
  89. Sevic D., Popovic M. A new efficient implementation of the oddly stacked Princen-Bradleyfilter bank // IEEE Signal Processing Letters. 1994. Vol. 1, no. 11. P. 166 168.
  90. Kester W. Mixed-Signal and DSP design techniques. Newnes, 2003. 368 p.
  91. Thomson D. Spectrum estimation and harmonic analysis // Proceedings of the IEEE. 1982. Vol. 70- no. 9. P. 1055 1096.
  92. Mitra P., Bokil H. Observed brain dynamics. Oxford U. Press, USA, 2007. 408 p.
  93. Meirovitch L. Principles and techniques of vibrations. Prentice Hall, 1996. 694 p.
  94. Press W., Teukolsky S., Vetterling W., Flannery B. Numerical Recipes 3rd Edition: The Art of Scientific Computing. Cambridge University Press, 2007. 1256 p.
  95. Lomb N. Least-squares frequency analysis of unequally spaced data // Astrophysics and Space Science. 1976. Vol. 39, no. 2. P. 447 462.
  96. Scarglc J. Studies in astronomical time series analysis. II Statistical aspects of spectral analysis of unevenly spaced data // Astrophysical Journal. 1982. Vol. 263, no. 1. P. 835 853.
  97. Chon K., Korenberg M., Holstein-Rathlou N. Application of fast orthogonal search to linear and nonlinear stochastic systems // Annals of biomedical engineering. 1997. Vol. 25, no. 5. P. 793 801.
  98. Press W., Rybicki G. Fast algorithm for spectral analysis of unevenly sampled data // Astrophysical Journal. 1989. Vol. 338. P. 277 280.
  99. Coppersmith D., Winograd S. Matrix multiplication via arithmetic progressions // Proceedings of the- nineteenth annual ACM symposium on Theory of computing / ACM New York, NY, USA. 1987. P. 1 6.
  100. Masliah M. Measuring the allocation of control in 6 degree of freedom humancomputer interaction tasks: Ph.D. thesis / University of Toronto, Canada. 2001.
  101. Silverman R. Locally stationary random processes // Information Theory, IRE Transactions on. 1957. Vol. 3, no. 3. P. 182 187.
  102. Laurent H., Doncarli C. Stationarity index for abrupt changes detection inthetime-frequency piano // IEEE Signal processing letters. 1998. Vol. 5, no. 2. P. 43- 45.
  103. Castiglioni P., Rienzo M. How to check steady-state condition from cardiovascular time series // Physiological Measurement. 2004. Vol. 25. no. 4. P. 985 996.
  104. Kwiatkowski D., Phillips P. Schmidt P., Shin Y. Testing the null hypothesis of stationarity against the alternative of a unit root // Journal of econometrics. 1992. Vol. 54, no. 1−3. P. 159 178.
  105. Tarvainen M., Ranta-aho P., Karjalainen P. An advanced detrending method with application to HRV analysis // IEEE Trans, on Biom. Eng. 2002. Vol. 49, no. 2. P. 172 175.
  106. A.H. О точности спектральных методов расчета показателей вариабельности сердечного ритма // Информационно-управляющие системы. 2007. № 6. С. 41 48.
  107. Ungi I., Thury A., Csanady М. Investigation of the correlation between heart rate and heart rate variability // Computers in Cardiology. 1995. P. 189 192.
  108. Hallstrom A., Stein P., Schneider R. et al. Structural relationships between measures based on heart beat intervals: Potential for improved risk assessment // Trans. Biomcd. Eng. 2003. Vol. 19. P. 1 8.
  109. А.П. Синдромы сонного апноэ. Петрозаводск: изд. ПГУ, 1994. 184 с.
  110. Shouldicc R., O’Brien L., O’Brien С. et al. Detection of obstructive sleep apnea in pediatric subjects using surface lead electrocardiogram features // Sleep. 2004. Vol. 27, no. 4. P. 784 792.
  111. Guilleminault C., Korobkin R., Winkle R. A review of 50 children with obstructive sleep apnea syndrome // Lung. 1981. Vol. 159, no. 1. P. 275 287.
  112. McNames J., Fraser A., Reehtsteiner A. Sleep Apnea Classification Based on Frequency of Heart Rate Variability // Computers in Cardiology. 2000. P. 207.
Заполнить форму текущей работой