Magenta, Letizia
(2019)
Algoritmi per la reiezione dei disturbi nei sistemi di acquisizione dei segnali EEG basati sulla tecnica del Compressed Sensing.
[Laurea magistrale], Università di Bologna, Corso di Studio in
Ingegneria elettronica [LM-DM270]
Documenti full-text disponibili:
Abstract
Il Compressed Sensing è emerso recentemente come un strumento che simultaneamente acquisisce e comprime segnali analogici su dispositivi a basso consumo. Rispetto alla sua caratterizzazione classica (CS), il sistema di acquisizione può essere adattato alla classe di segnali in ingresso (R-CS) ed è inoltre possibile garantire una buona reiezione dei disturbi (R-CSd). Quest’ultimo modello si basa sulla risoluzione di due problemi di ottimizzazione con un numero di variabili potenzialmente elevato. Il primo dei quali ha una risoluzione analitica, il secondo necessita di un risolutore software che, per un numero elevato di variabili, potrebbe non arrivare ad una soluzione in tempi ragionevoli.
Il lavoro che viene presentato supera questo problema con un algoritmo scritto ad hoc che sfrutta l’applicazione del metodo del Gradiente Proiettato Discendente con Proiezioni Alternate, attraverso il quale si riesce a ridurre drasticamente il tempo richiesto dalla CPU per ottenere una soluzione, anche per un numero elevato di variabili.
A conclusione del lavoro si è applicato questo metodo alla classe di segnali EEG con l’intento di attuare una reiezione dei disturbi a bassissima frequenza direttamente nello stadio di compressione. Il lavoro mostra la catena di elaborazione per il CS, il R-CS e per R-CSd. I casi analizzati sono: adattamento sulla classe di segnali EEG, adattamento sul singolo canale e divisione dei canali in due distinti cluster.
Quello che si dimostra è che l’algoritmo R-CSd mostra le stesse performance di R-CS in tutti e tre i casi, facendo a meno dell’utilizzo di un filtro passa alto. La ricostruzione dei canali con la caratterizzazione dell’intera classe di segnali o con l’uso dei due cluster non si discosta troppo da quanto osservato per l’adattamento sul singolo canale con una conseguente semplificazione del sistema di acquisizione proposto.
Abstract
Il Compressed Sensing è emerso recentemente come un strumento che simultaneamente acquisisce e comprime segnali analogici su dispositivi a basso consumo. Rispetto alla sua caratterizzazione classica (CS), il sistema di acquisizione può essere adattato alla classe di segnali in ingresso (R-CS) ed è inoltre possibile garantire una buona reiezione dei disturbi (R-CSd). Quest’ultimo modello si basa sulla risoluzione di due problemi di ottimizzazione con un numero di variabili potenzialmente elevato. Il primo dei quali ha una risoluzione analitica, il secondo necessita di un risolutore software che, per un numero elevato di variabili, potrebbe non arrivare ad una soluzione in tempi ragionevoli.
Il lavoro che viene presentato supera questo problema con un algoritmo scritto ad hoc che sfrutta l’applicazione del metodo del Gradiente Proiettato Discendente con Proiezioni Alternate, attraverso il quale si riesce a ridurre drasticamente il tempo richiesto dalla CPU per ottenere una soluzione, anche per un numero elevato di variabili.
A conclusione del lavoro si è applicato questo metodo alla classe di segnali EEG con l’intento di attuare una reiezione dei disturbi a bassissima frequenza direttamente nello stadio di compressione. Il lavoro mostra la catena di elaborazione per il CS, il R-CS e per R-CSd. I casi analizzati sono: adattamento sulla classe di segnali EEG, adattamento sul singolo canale e divisione dei canali in due distinti cluster.
Quello che si dimostra è che l’algoritmo R-CSd mostra le stesse performance di R-CS in tutti e tre i casi, facendo a meno dell’utilizzo di un filtro passa alto. La ricostruzione dei canali con la caratterizzazione dell’intera classe di segnali o con l’uso dei due cluster non si discosta troppo da quanto osservato per l’adattamento sul singolo canale con una conseguente semplificazione del sistema di acquisizione proposto.
Tipologia del documento
Tesi di laurea
(Laurea magistrale)
Autore della tesi
Magenta, Letizia
Relatore della tesi
Correlatore della tesi
Scuola
Corso di studio
Indirizzo
Bioingegneria elettronica
Ordinamento Cds
DM270
Parole chiave
Compressed Sensing; Rakeness; EEG; Reiezione dei disturbi
Data di discussione della Tesi
7 Febbraio 2019
URI
Altri metadati
Tipologia del documento
Tesi di laurea
(NON SPECIFICATO)
Autore della tesi
Magenta, Letizia
Relatore della tesi
Correlatore della tesi
Scuola
Corso di studio
Indirizzo
Bioingegneria elettronica
Ordinamento Cds
DM270
Parole chiave
Compressed Sensing; Rakeness; EEG; Reiezione dei disturbi
Data di discussione della Tesi
7 Febbraio 2019
URI
Statistica sui download
Gestione del documento: