تحقیق درباره سیگنال صوت

اختصاصی از حامی فایل تحقیق درباره سیگنال صوت دانلود با لینک مستقیم و پر سرعت .

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 19

چکیده

در فصل اول به معرفی سیگنال صوت و روشهای تولید آن می پردازیم.

در فصل دوم این پایان نامه، بلوک دیاگرام مربوط به ساختار Audio Equolaizer و توضیحی مختصر در باره نحوه کار آن را خواهیم دید.

در فصل دوم، تعریف فیلتر و سنتز مدار و همچنین معرفی پارامترهای فیلتر را می‌آوریم فصل چهارم، دو تقریب معروف چبی شف و باتر ورث را به اختصار توضیح میدهد. سپس در فصل پنجم و ششم، پس از مقایسه فیلترهای فعال و غیر فعال، استفاده از تقویت کننده عملیاتی را در فیلترهای فعال بالاگذر و پائین گذر و میان گذر خواهیم دید.

و پس از آن به معرفی فیلترهای فعال به کار رفته در این Audio Equolaizer خواهیم پرداخت.

فصل هفتم کاربردهای مختلف LM380 را به عنوان تقویت کننده صوتی، بیان می کند. پس از آن در ضمینه (1) چند نمودار کاربردی، در فیلترهای فعال را خواهیم دید.

و در انتها نیز Datasheet مربوط به LM380 آمده است.

فصل دوم

2-2: یکنواخت ساز صوتی:

هرگاه بخواهید بخشی از طیف صدا را مورد تاکید یا رد قرار دهید از فیلتر فعال استفاده میکنید.

اغلب وقتها برای پاسخهای Low-pass و high-pass از فیلتر افتان و برای کاربردهای Band-pass برای کاربرد عمومی صدا از مقادیر متوسط Q (یعنی از 2 تا 5) سر و کار داریم. این امر به این معناست که فیلترهای فعال برای مصارف عمومی صدا بسیار سالده می باشد.

یکی از معروفترین شکلهای تغییر دهنده طیف، یکنواخت ساز گرافیکی می باشد که بلوک دیاگرام آن را در شکل (1-1) می بینید. این نوع یکنواخت ساز شامل مجموعه ای از پتانسیومترها می باشد که به منظور تاکید یا تائید قسمتی از طیف صدا به کار برده می شوند. از یکنواخت ساز گرافیکی در بهبود صدای واقع در اتاقها، تغییر صدای ابزار موسیقی، اضافه کردن جلوه های ویژه به یک قسمت صدای ضبط شده خام، برای بهبود صحبت در کانال و اموری از این قبیل استفاده می شود.

کانال های فیلتر از یک op.amp، Q پائین و فیلترهای Band-pass فعال تشکیل شده است. این ابزار گفته شده معمولاً درون حلقه فیدبک تقویت کننده که در شکل بالا نمایش داده شده است قرار می گیرد.

این فیدبک عمل تقویت یا قطع بوجود می آورد.

خروجی این یکنواخت ساز از طریق یک تقویت کننده صوتی به بلندگوها می رسد. باید در نظر داشت که تقویت کننده صوتی باید متناسب با توان بلندگو و همچنین مقاومت درونی آن در نظر گرفته شود. شکل (2-1) یک کیت استریو که دارای 18 کانال یکنواخت ساز است را نشان می دهد.

فصل سوم

1-3: سنتز و آنالیز مدار:

تعریف آنالیز و سنتز مدار د ر دیاگرام شکل (1-3) نشان داده است. آنالیز مدار به محاسبه پاسخ یک مدار یا سیستم مشخص به تحریک داده گفته می شود. طراحی یا سنتز مدار شامل یافتن یک مدار سیستم است که در آن پاسخ مشخصی به تحریک داده شده مد نظر می باشد.

درحالیکه دو عمل مذکور بنظر می رسد که معکوس یکدیگر هستند، ولی سه فرق اساسی دارند:

یک مساله آنالیز همواره یک راه حل دارد، ولی یک مسئله طراحی ممکن است راه حلی نداشته باشد.

یک مسأله آنالیز همواره یک راه حل واحد دارد، ولی اگر یک مسئله طراحی قابل حل باشد ممکن است چندین راه حل داشته باشد.

در آنالیز مدار، چند روش اساسی محدود وجود دارد، ولی در طراحی مدار چندین تکنیک مختلف وجود دارد که بستگی به نوع کاربرد مدار یکی یا چند تا از این روشها اختیار می گردد.

بنابراین سنتز روشی علمی است که بر اساس آن مدار یا سیستمی طراحی می گردد، بطوریکه پاسخ آن به تحرک مشخصی، شرایط خاصی داشته است.

2-3: مشخصه دامنه، فاز، افت فیلتر

فیلتر یک مدار خطی است که به منظور عبور مولفه های فرکانسی مطلوب و حذف مولفه های فرکانسی نامطلوب بکار می رود و در عمل و بخصوص در مخابرات کاربرد زیادی دارد.

بعنوان مثال می توان یک موج مربعی پریودیک را به کمک فیلتر به یک موج سینوسی به همان فرکانس و یا به فرکانس یکی از هارمونیک های آن تبدیل نمود و این کار در حقیقت با عبور مؤلفه فرکانسی مورد نظر و حذف بقیه هامونیکها موج مربعی صورت می گیرد.

بعنوان مثالی دیگر سیگنالهای فیزیولژی را در نظر بگیرید که اکثراً باند فرکانسی کمتر از 20HZ دارند. دستگاههای اندازه گیری چنین سیگنالهایی مانند (elactronicardiography) ECG که ضربان قلب را دریافت میکند، همواره دچار اشکال طراحی در بخش حذف سیگنال 50HZ برق شهر هستند

پردازش سیگنال وپردازش

اختصاصی از حامی فایل پردازش سیگنال وپردازش دانلود با لینک مستقیم و پر سرعت .

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 36

فصل 1

« پردازش سیگنال دیجیتال و سیستم های DSP »:

سیستم پردازش سیگنـال به هر سیستمی گفته می شود که از این دانش بهره می برد . پردازش سیگنال دیجیتال کاربرد اعمـــال حسابی بر روی سیگنالها می باشد که بصورت رقمی نمایش داده می شوند سیگنالها همانند دنباله ای ازنمونه هانشان داده می شوند.غالباًاین نمونه ها ازسیگنالهای فیزیکی ( همانند سیگنالهای صوتی ) با استفاده از تراگردانها ( همـانند میکروفن ) و مبدلهای A/D بدست می آیند . بعـد از پردازش حسابی،سیگنالهای دیجیتال می بایست توســط مبدلهای D/A به سیگنالهای فیزیکی تبدیل شوند .

DSP در بعضی از سیستم ها برای اعمال سیستم نقش کانونی دارد.مثلاً مودمهاوتلفن های سلولی دیجیتال بطور قابل ملاحظه ای بر اساس فن آوری های DSP طراحــــــی می شوند . در محصولات دیگر نقش DSP از مرکزیت کمتری برحوردار است اما اغلب در موارد کارایی ، ویژگیها و هزینه از مزایای بسیار مهم و قابل رضایتی برخوردار می باشد . مثلاً سازندگان قطعــات آنالوگ همــــــانند تقویت کننده های صوتی در حال بکارگیری فن آوری های DSP جهت کیفیت بهتر

می باشند .

بخش چشــم اندازی کلی بر پردازش سیگنال است . ابتدا در مورد مزیت DSP بر سیستم آنالوگ بحث شده سپس بعضی از ویژگیها و مشخصـات سیستم های DSP بصورت کلی بررسی می شود.درپایان نتیجه گیری با نگرشی خلاصه به بعضی ازکلاسهای مهم کاربردهای DSP انجام می شود .

مزایای DSP :

پردازش سیگنال دیجیتال نسبت به آنالوگ چندین مـزیت دارد . مهمترین مزیت این است که سیستم های DSP قادرند وظایف سنگینی را که تحقق آنهـا به کمک الکترونیک آنالوگ پیچیده و یا غیرممکن خواهد بودپیاده سازی کنند.مثال این کاربردهاسنتزگفتار، تشخیص گفتار و مودمهای سرعت بالا می باشد که از کدینگ تصحیح خطا بهره می برند. همه این وظایف ترکیبی از پردازش سیگنال و کنترل می باشند که غالباً پیاده سازی آنها توسط فــن آوری های آنالوگ پیچیده است . علاوه بر این سیستم های DSP نسبت به آنالوگ دو مزیت اضافی نیزدارند :

« عدم حساسیت به محیط » : سیستم های دیجیتـــــال به تغییرات شرایط محیطی کمتر حساس می باشند . رفتار مدار آنالوگ بسته به دما است . در مقایسه عمل سیستم DSP به محیط آن (خشک یا مرطوب ) وابسته نمی باشد . در هر صورت سیستمDSP پاسخ یکسانی خواهد بود .

«عدم حساسیت به تغییر عناصر » : قطعـات آنالوگ با تلورانس همراهند . پاســخ کلی یک سیستم آنالوگ به مقادیر داخلی اش وابسته است . بنابراین دوسیستم آنالوگ که بطوردقیق همانند یکدیگرطراحی شده باشند بسته به تغییرعناصرشان پاسخهای متفاوتی خواهند داشت.در مقایسه عناصر دیجیتال همواره خروجیهای مشابه برای ورودی های مشابه تولید خواهند کرد .

این دو مزیت بصورت زیر نیز بیان می شوند :

« رفتارتکرار پذیر و پایدار» : از آنجاییکه خروجی سیستم DSP به عوامل محیطی یا تغییر عناصر حساس نمی باشد لذا این امکــان وجود دارد که سیستم هایی با پاسخهای شناخته شده ، دقیق وثابت داشته باشیم.نهایتاً بعضی ازسیستم های DSP ممکن است دو مزیت دیگر نیز نسبت به آنالوگ داشته باشند.

« قابلیت برنامه ریزی » : اگریک سیستمDSP براساس پردازنده های برنامه پذیر طراحی شود ، می توان آن را مجدداً برنامه ریزی نمود بطوریکه وظایف دیگری را انجام دهد . در مقایسه سیستم های آنالوگ ازلحاظ فیزیکی به عناصرمتفاوتی نیازداشته تا وظایف متفاوتی را انجام دهند .

« اندازه » : اندازه اجزاء آنالوگ بسته به مقــادیرشان متغیر است . برای مثـال یک خازن MF 100که در فیلتـــر آنالوگ استفاده می شود از خازن PF 10 که در فیلتر دیگری بکار می رود بزرگتر است.اما ممکن است تحقق دیجیتال هردو فیلتراندازه مشابه ای داشته باشد . حتی ممکن است از سخت افزار یکسانی که تنها در ضرایب فیلتر متفاوت است استفاده شود .گاهگاهی ممکن است این پیاده سازی از هر دو تحقق آنالوگ نیز کوچکتر باشد .

این مزایا و توجه به فرآیندهای ساخت IC با استفاده از فن آوریهای DSP و مزیت آن در این فن آوری منجربه این واقعیت می شودکهDSP انتخاب وراه حلی مناسب وبهینه برای پردازش سیگنال به حساب آید .

مشخصات سیستم های DSP :

در این بخش برخی از مشخصات عمومی در همه سیستم های DSP نظیر الگوریتم ها،نرخ نمونه برداری ، نرخ CLOOK و انواع حساب توصیف می شوند .

الگوریتم ها :

سیستم های DSP اغلب به وسیله الگوریتم هایی که بکار می برند ، مشخــص می شوند . الگوریتم اعمال حسابی را که می بایست انجام شوند ، مشخص کرده امـــا نحوه پیاده سازی آن محاسبات رامعلوم نمیکند.ممکن است درنرم افزارو بروی یک ریزپردازنده معمولی یا ریزپردازنده سیگنال قابل برنامه ریــزی پیاده سازی با توجه به نیازمندیهای سرعت و دقت حسابی می باشد. جدول ( 1-1 ) بعضی از انواع عمومی الگوریتم های DSP و برخی از کاربردهایی را که عموماً این الگوریتم ها در آنها اسنفاده می شوند نشان می دهد .

نرخ نمونه برداری :

مشخصه کلـیدی یک سیستم DSP نرخ نمونه برداری آن است . نرخی که در آن نمونه ها گرفته ، پردازش و یا تولید می شوند.با توجه به پیچیدگی الگوریتم،نرخ نمونه برداری سرعت مورد نیاز را در فن آوری پیاده سازی معین می کند . یک مثال معروف پخش CD صوتی می باشد که در آن نمونه ها با نرخ 44.1 کیلو هرتز روی دو کانال تولید می شوند .

البته یک سیستم DSP ممکن است بیشتر از یک نرخ نمــونه برداری داشته باشد . به این قبیل سیستم ها، سیستم های DSP چند نرخی گفته می شود . مثـال آن تبدیل نرخ نمونه های CD از 44.1KHZ به نرخ نوار صوتی دیجیتال یا 48KHZ می باشد . بدلیـــل پیچیدگی نسبت بین این نرخ ها ، معمولاً تبدیل در مراحلی انجام می شود ( معمولاً با حدفاصل حداقل دو نمونه ) مثال دیگر الگوریتم چند نرخی یک بانک فیلتر است که در کاربردهایی نظیر کدکردن صــــدا، ویدئو و گفتار استفاده می شود . بانکهای فیلتر معمولاً شامل مراحلی هستند که سیگنال را به بخشهای فرکانس بالا و پایین تقسیم می کنند. آنگاه این سیگنالهای جدید با نرخ کمتر نمونه برداری شده مجــدداً تقسیم می شوند . در کاربردهای چند نرخی نسبت بین بالاترین و پایین ترین نرخ نمونه بـرداری در سیستم می تواند کاملاً بزرگ باشد. گاهگاهی به 000،100 ممکن است برسد .

محدوده نرخ های نمونه برداری که درسیستم های پردازش سیگنال وجود داردوسیع است در شکل ( 1-1 )کلاسهـــــای کاربردها بهمراه پیچیدگی الگوریتم و نرخ نمونه برداری افزایش

می یابد . الگوریتم هایی که در نــرخ های بالاتر استفاده می شوند به نظر می رسد که ساده تر از آنهایی باشند که در نرخ کمتر بکار می روند .

بسیاری از سیستم های DSP می بایست با سرعت بسیار بالا کار کنند چرا که بتوانند روی بخشهای طولی سیگنالهای ورودی به صورت بلادرنگ عملیات انجام دهند . انواع دیگر سیستم ها

مقاله درباره پردازش سیگنال های حیاتی

اختصاصی از حامی فایل مقاله درباره پردازش سیگنال های حیاتی دانلود با لینک مستقیم و پر سرعت .

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 16

فصل ششم

پردازش سیگنال های حیاتی

1- مقدمه و کلیات

سیگنال تابعی از یک یا چند متغیر مستقل است که اطلاعاتی را در مورد یک پدیدة فیزیکی یا بیولوژیکی در بردارد. موجودات زنده از سلول گرفته تا ارگان های بدن، سیگنال هایی با منشاء بیولوژیکی تولید می کنند. این سیگنا ل ها به صورت الکتریکی، مکانیکی یا شیمیایی اند. سیگنال های الکتریکی نتیجة دپلاریزاسیون سلول های عصبی یا ماهیچة قلبی اند. صدای تولید شده توسط دریچه های قلب نمونه ای از سیگنال های مکانیکی است یا PCO2 خون، سیگنال شیمیایی است. این سیگنال های بیولوژیکی یا سیگنال های حیاتی برای تشخیص پزشکی و تحقیقات زیست- پزشکی مورد استفاده قرار می گیرند.

سیگنال هایی که توسط ارگان های بدن تولید می شوند با هم دیگر مخلوط شده یا تحت تاثیر نویز قرار می گیرند. منظور از پردازش سیگنال های حیاتی جدا کردن سیگنال مورد نظر از سیگنال های در هم آمیخته و نویز دار و سپس استخراج پارامترهای مفید سیگنال است. این پارامترها برای تشخیص پزشکی به کار برده می شوند.

پردازش سیگنال های بیولوژیکی در 4 مرحله انجام می شود (شکل1):

اندازه گیری یا ثبت سیگنال

تبدیل سیگنال

محاسبة پارامترهای سیگنال

تفسیر یا طبقه بندی سیگنال ها

شکل1. مراحل پردازش سیگنال

در مرحلة 1 ، از مبدل ها برای ثبت جمع آوری سیگنال از بدن استفاده می شود. در این مرحله سیگنال های مکانیکی یا شیمیایی به سیگنال های الکتریکی تبدیل می شوند و سیگنال های

الکتریکی تقویت می گردند. نکتة مهم در سیگنال گیری حداقل بودن میزان آنتروپی آن است یعنی سیگنال با کمترین اغتشاش یا به عبارتی بیشترین نسبت سیگنال به نویز ثبت شود. برای پردازش کامپیوتری، سیگنال ثبت شده نمونه برداری می شود. در مرحلة دوم تبدیل هایی بر روی سیگنال اعمال می شود به نحوی که امکان استخراج پارامترهای معنادار در قسمت سوم تسهیل شود. این مرحله پیش پردازش نامیده می شود که هدف آن کاهش نویز سیگنال و کم شدن حجم داده است تا استخراج ویژگی های سیگنال د رمرحلة سوم آسان تر باشد. در مرحلة سوم پارامترهای مناسب معنادار که ویژگی های سیگنال نامیده می شوند استخراج می شوند. نتایج حاصل از این مرحله برای فرایند تصمیم گیری در مرحلة چهارم مورد استفاده قرار می گیرد. در مرحلة چهارم با استفاده از ویژگی های استخراج شده پزشک یا کامپیوتر تفسیر نهایی را اعلام می کنند. مرحلة تفسیر یا طبقه بندی ویژگی های سیگنال، بازشناخت الگو نامیده می شود.

2- مشخصات سیگنالهای زیستی

سیگنال های زیستی از فرایندهای بیولوژیکی حاصل می شوند. این فرایند بسیار پیچیده و دینامیک هستند.سیگنال های زیستی معمولاً تابعی از زمان هستند. در کل سیگنالهای زیستی در دو دسته طبقه بندی می شوند:

سیگنال های معین

سیگنال های تصادفی یا آماری

شکل 2. دسته بندی سیگنال ها

سیگنال های معین سیگنال هایی هستند که در آنها شکل موج سیگنال مشخص بوده و کاملاً قابل پیش بینی است. سیگنال های معین سه دسته اند: متناوب، شبه متناوب و گذرا. در سیگنال های متناوب شکل موجود در فاصله های زمانی مشخص تکرار می شود. سیگنال های زیستی کاملاً تناوبی نیستند. بنابراین برای توصیف سیگنال های تکراری زیستی عنوان شبه پریودیک مناسب تر است. در سیگنال های شبه متناوب شکل موجود به صورت تقریبی در فاصله های زمانی مشخص تکرار می شود. سیگنال های گذرا فقط یکبار در طی زمان اتفاق می افتند. سیگنال های تصادفی یا آماری در اثر دپلاریزاسیون ناهماهنگ و تصادفی گروهی از سلول ها می شود مانند سلول های عصبی مغز که سیگنال (EEG)Electroencephalogram را تولید می کنند. شکل موج چنین سیگنال هایی نامعین است و تنها با استفاده از مفاهیم آماری قابل توصیف است. بسته به نوع فرآیند بیولوژیکی سیگنال های تصادفی به دو دستة ایستا و ناایستا تقسیم می شوند. در سیگنال های تصادفی ایستا خصوصیات آماری سیگنال با گذشت زمان تغییر نمی کند. اگر فرایند بیولوژیکی تولید کنندة سیگنال تصادفی در شرایط خاصی باشد سیگنال تصادفی تولید شده ناایستا خواهد بود. به عنوان مثال EEG بیماری که دچار حملة ناگهانی صرع شده یک سیگنال تصادفی ناایستا ست. شکل 2 این دسته بندی ها را همراه با مثال موردی نشان می دهد.

3- روشهای پردازش

در این بخش به صورت خلاصه مروری بر روش های پردازش سیگنال های زیستی خواهیم داشت. ابتدا مبانی نظریة تجزیه و تحلیل سیگنال به صورت خلاصه مرور خواهد شد. در ادامه کلیات روش های مبتنی بر دامنة سیگنال و سپس طیف فرکانسی و فیلتر کردن سیگنال مطرح خواهد شد. در ادامه در موردمفهوم سیگنال به نویز توضیحاتی داده شده و سپس چند مثال از روش تشخیص سیگنال ارائه می شود.

3-1- تجزیه و تحلیل سیگنال ها و سیستم ها

در ابتدای این فصل تعریف کلی سیگنال بیان شد. در ادامه توضیحاتی در مورد تقسیم بندی کلی سیگنال ها ارائه خواهد شد. سپس در مورد سیستم ها و خصوصیات مهم آنها توضیح داده می شود. این مفاهیم برای درک موضوع پردازش سیگنال ضروری هستند. سیگنال ها به دو دستة کلی تقسیم بندی می شوند:

سیگنال های پیوسته در زمان: که در آنها متغیر مستقل دارای تغییرات پیوسته است.

سیگنال های گسسته در زمان: که در آنها متغیر مستقل فقط مجموعة گسسته ای از مقادیر را اختیار می کند.

در شکل 3 چند سیگنال پایة مهم که در بحث تجزیه و تحلیل سیگنال ها اهمیت اساس دارند آورده شده است. u(t) تابع پله و تابع ضربه نامیده می شود.

شکل 3. تابع پله و ضربه

سیستم یک یا چند سیگنال ورودی را به یک یا چند سیگنال خروجی تبدیل می کند. سیستم ها می توانند به صورت متوالی یا موازی قرار گیرند. در اتصال متوالی یا سری خروجی سیستم اول

گزارش پروژه درس پردازش سیگنال دیجیتال (DSP)

اختصاصی از حامی فایل گزارش پروژه درس پردازش سیگنال دیجیتال (DSP) دانلود با لینک مستقیم و پر سرعت .

دانلود  گزارش پروژه درس پردازش سیگنال دیجیتال (DSP) در 13 ص فرمت word 

 هدف از انجام این پروژه حذف نویز 50 هرتز موجود در یک سیگنال ثبت شده از مغز می باشد. بدین منظور روشهای مختلف برای طراحی بهترین فیلتر که پاسخ مورد نظر برای ما ایجاد کند مورد بررسی قرار گرفت، که در ادامه به آنها اشاره خواهد شد. (M-file های مربوطه در انتهای گزارش آورده شده است.) برای بررسی هرچه بهتر پاسخ فیلتر ابتدا چند سیگنال به شرح زیر در نظر گرفته شد:

• سینوسی با فرکانس 50 هرتز
• سینوسی با فرکانس 25 هرتز
• ترکیب دو سیگنال فوق

که فرکانس نمونه برداری برای هر یک از سیگنال های فوق Hz 256 در نظر گرفته شد. (مانند سیگنال اصلی) که در 1 ثانیه شکل موجها مشاهده می شود:

روش های تولید سیگنال الکتروکاردیوگرام 4 ص

اختصاصی از حامی فایل روش های تولید سیگنال الکتروکاردیوگرام 4 ص دانلود با لینک مستقیم و پر سرعت .

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 5

روش های تولید سیگنال الکتروکاردیوگرام (‏ECG‏)

در سال های اخیر توجه زیادی به تولید مصنوعی سیگنال های الکتروکاردیوگرام(‏‎ (ECG‎به کمک مدل های ریاضی معطوف شده است . یکی از کاربردهای مدل های دینامیکی که سیگنال های ‏ECG‏ مصنوعی تولید می کند، ارزیابی آسان دستگاه های پردازش سیگنال تشخیصی ‏‎  ECGاست.

همچنین باید مدل از توانایی لازم برای تولید سیگنال های ‏ECG‏ طبیعی و غیر طبیعی برخوردار باشد.اختلاف پتانسیل ثبت شده بین دو الکترود که روی سطح پوست قرارداده شده اند، به الکتروکاردیوگرام ‏‎(ECG)‎‏ سطحی معروف است . دی پلاریزاسیون/ ری پلاریزاسیون های دهلیزی و بطنی متوالی که در هر دوره قلبی اتفاق می افتد قله و دره هایی در یک سیکل منفرد سیگنال ‏ECG‏ طبیعی ایجاد می کند . این قله ها و دره ها با حروف ‏T,S,R,Q,P‏ نام گذاری می شوند.‏تنوع ضربان - ضربان در ‏RR‏ داخلی ، تنوع درمحدوده مقیاس زمانی از ثانیه تا روز است بعضی از این تغییرات به خوبی قابل درک هستند و برگرفته از :‏

/

 شکل 1- اتصال سیستم عصبی به قلب

‏1- حمله قلبی بین مکانیزم کنترل متفاوت فیزیولوژی از قبیل آریتمی سینوس تنفسی ‏‎(RSA)  ‎‏ و موج های مایراست. 2- میزان فعالیت فیزیکی و ذهنی3- ریتم ‏circadian‏ 4- اثرات مراحل مختلف خوابانتشار ضربان قلب از گره سینوسی - دهلیزی به دهلیزها و سپس به دسته دهلیزی بطنی هیس و سرانجام به بطن ها همراه با تغییرات پتانسیل الکتریکی است که می توان آن را در فاصله ای دورتر از قلب ثبت کرد. منحنی تغییرات الکتریکی قلب را الکتروکاردیوگرام یا به اختصار ‏ECG‏ می نامند .‏سیستم اعصاب مرکزی ‏‎(ANS) ‎‏ مسئول تنظیم کوتاه مدت فشار خون  است . ‏ANS، قسمتی  ‏از سیستم اعصاب مرکزی ‏‎(CNS) ‎‏ است. ‏ANS‏ از دو زیر سیستم سمپاتیک و پاراسمپاتیک استفاده می کند. سیستم سمپاتیک در شرایط استرس فعال می شود تا نرخ ضربان قلب را بالا ببرد . سیستم سمپاتیک می تواند نرخ ضربان قلب را تا 180 ضربان دردقیقه ‏‎(bpm)‎‏ بالا ببرد ‏‎.‎فیبر های عصبی سمپاتیک تمام قلب از جمله گره سینوسی - دهلیزی ، گره دهلیزی - بطنی ، مسیر های هدایتی و عضلات دهلیزی و بطنی را تحت تاثیر قرار می دهد‏‎.‎‏ با افزایش فعالیت سمپاتیک نرخ ضربان قلب و نیروی انقباضی افزایش می یابد. به علاوه میزان هدایت قلب افزایش و مدت انقباض آن کاهش می یابد. در مقابل ، سیستم پاراسمپاتیک در زمان استراحت فعال می شود و می تواند نرخ ضربان قلب را تا ‏bpm‏ 60 پایین بیاورد. سیستم پاراسمپاتیک مسیر های هدایت دهلیزی - بطنی و عضلات دهلیزی‎ ‎را تحت تأثیر قرار  می دهد‏‎.

‎روش های مختلفی برای تولید سیگنال وجود دارد که می توان به دو بخش عمده خطی و غیر خطی تقسیم کرد.

/

شکل2- مسیر حرکت نمونه تولید شده توسط مدل ‏Mc sharry

چند نمونه از روش های غیر خطی به صورت ذیل است:

روش ‏MC sharry‏ ، شبکه عصبی، ‏IPFM‏ ، مدل دینامیکی، مدل ‏zeeman، مدل ترکیبی ‏GCM‏ و از روش های خطی نیز می توان به روش های پارامتری مانند مدل های ‏AR,ARMA,‎‏ نام برد.‏مدل ‏McSharry‏  یک سیکل جدی در فضای سه بعدی ‏‎(x,Y,Z)‎‏ ایجاد می کند به طوری که هر حرکت کامل روی آن متناظر با یک سیکل قلبی در نظر گرفته می شود. تصویر مسیر حرکت روی صفحه ‏x-y‏ یک دایره است. تصویر این حرکت روی محور ‏z‏ ، سیگنال ‏ECG‏ را فراهم می کند.‏‎ ‎در مدلIPFM‏ از ورودی انتگرال گرفته می شود تا هنگامی که  حاصل انتگرال به سطح آستانه ای برابر ‏TH‏ برسد، در این زمان پالسی به عنوان ضربان قلب می شود. سطح آستانه ‏Th‏ را می توان با یک توزیع تصادفی گوسی انتخاب کرد. ورودی انتگراتور مجموع دو سیگنال است . یکی ‏m(t)‎‏ که بیانگر فعالیت اعصاب سمپاتیک و پاراسمپاتیک است و دیگری ‏‏ که به‏‎ ‎عنوان یک ورودی داخلی برای گره ‏SA‏ در نظر گرفته می شود. هنگامی که ‏m(t)‎‏ برابر صفر باشد ، پالس های تولید شده دارای فرکانس متناسب با ‏‏ خواهد بود. البته باید توجه کرد که  باید همواره مثبت باشد. بلوک دیاگرام مدل ارائه شده برای تولید ‏HRV‏ توسط ‏IPFM‏ به صورت روبه رواست.در مدل غیر خطی از مبنای شبکه های عصبی برای تولید سیگنال الکتروکاردیوگرام همراه با شبکه عصبی با توابع شعاعی ‏‎(RBF) ‎‏ در یک مدل دینامیکی غیر خطی که بر پایه مدل دینامیکی ‏Mc Sharry ‎‏ و همکاران بنا شده است استفاده شده که ، روش مناسبی برای تولید مصنوعی سیگنال های الکتروکاردیوگرام است.‏

/

شکل3-  بلوک دیاگرام مدل ‏IPFM

درروش مدل ‏zeeman‏  یک مدل جبرانی برای تولید سیگنال ‏ECG‏ مصنوعی مطرح شده است .  این مدل اثر آریتمی سینوسی تنفسی ، موج های مایر از همه مهم تر مولفه فرکانس پایین در طیف توان ‏HRV‏ را دخالت داده است . در مدل ، اثرات فعالیت های سمپاتیک و پاراسمپاتیک در مولفه های ‏LF , HF , VLF‏ در طیف توان ‏HRV‏ شامل می شود .  درروش تولید سیگنال ‏ECG‏ با استفاده از مدل ترکیبی گوسین ‏‎(GCM)‎‏ برای تولید الکترو کاردیو گرام ‏‎(ECG)‎‏ مولد سیگنال ویژگی های مورفولوژی ‏ECG‏ را در اطراف نقاط اکسترمم بیان می کند. دو روش برای تعداد شناسه های گوسین وجود دارد:1 روش  دستی : اپراتور تعداد گوسین ها را در این مدل پیشنهاد می کند .2 روش اتوماتیک : تعداد گوسین ها به طور اتوماتیک شناسایی شده و بر پایه خطای نهایی مطلوب است. در تولید ‏ECG‏ با استفاده از روش ‏GCM‏ باید تطبیقی بین صحت و زمان اجرا شدن وجود داشته باشد. نتایج تطبیق در این روش به تعداد گوسین ها بستگی دارد.‏HRV‏  به عنوان یکی از مهم ترین راه ها برای در نظر گرفتن سیستم قلبی - عروقی و کنترل آن است. ‏HRV‏ به ضربان - ضربان نرخ قلب به عنوان استخراج از ضربان های پیوسته زمان داخلی ، ‏RR‏ داخلی و حدود مقدار میانگین ‏‎ (HR - RR)‎است.‏طبقه بندی سری زمانی یکی از مسائلی است که کاربرد وسیعی در زمینه های متنوع دارد و اخیراً مورد توجه بسیاری از محققان بوده است. تحقیق های اخیر برروی طبقه بندی داده های استخراجی از مدل های ‏ARMA‏ با استفاده از الگوریتم های ‏K-means‏ و ‏K-medoids‏ با فاصله اقلیدسی بین پارامترهای تخمینی مدل، تمرکز شده است. در این تحقیقات ثابت شده که طبقه بندی به وسیله دیتای برش خورده، مزایای زیر را به دنبال خواهد داشت:

/

شکل4- بلوک دیاگرام مدل ارائه شده برای تولید ‏HRV‏ توسط ‏IPF