ترغب بنشر مسار تعليمي؟ اضغط هنا

تصميم نظام تحصيل بيانات بالاعتماد على متحكم صغري و مرشحات رقمية ذات استجابة إهليلجية ELLIPTIC RESPONSE قابل للاستخدام في إلغاء الضجيج المرافق لإشارات التخطيط الكهربائي للدماغ EEG

Data Acquisition System Design Using a Microcontroller and Digital Elliptic Filters that are able to Remove Noise from EEG signals

2174   1   29   0 ( 0 )
 تاريخ النشر 2015
والبحث باللغة العربية
 تمت اﻹضافة من قبل Shamra Editor




اسأل ChatGPT حول البحث

إنّ كَون مطال إشارات التخطيط الكهربائي للدماغ EEG شديد الصّغر يجعل من الصعب التقاطها بدون التقاط الكثير من إشارات الضجيج (الناتجة عن العوامل الموجودة في الوسط المحيط) التي تؤثّر على إشارة تخطيط الدماغ الأصلية، و لذلك سيكون استخدام المرشحات ضرورة حتمية لحذف الضجيج و الحصول على إشارة صحيحة و واضحة. سنتطرق في هذه الدراسة لتصميم دارة إلكترونية بالاعتماد على متحكم صغري و مضخم تجهيزي Instrumentation Amplifier و مضخم عملياتي Operational Amplifier تقوم بثلاث عمليات أساسية، هي استقبال إشارات تخطيط كهربائي من رأس (دماغ) المريض ثم تحويلها من الشكل التشابهي إلى الشكل الرقمي، ثم إرسال الإشارة الرقمية الناتجة إلى مجموعة مكونة من ثلاثة مرشحات رقمية. كما سنتطرق لتصميم ثلاثة مرشحات رقمية ذات استجابة إهليلجية Elliptic Response قابلة للاستخدام في الزمن الحقيقي للمساهمة في عملية ترشيح الضجيج المتراكب مع إشارات تخطيط الدماغ الكهربائية (التي تُظهِر حالة دماغ المريض) لتكون ضمن الجزء البرمجي المتمّم للجزء الداراتي في نظام التقاط هذه الإشارات. و في النهاية سنقوم بعرض طريقة استخدام الدارة الإلكترونية المصمّمة مع المرشحات الرقمية الثلاثة المصممّة و عرض النتائج و مناقشتها. تم استخدام البرنامج Eagle 6.6 لتصميم و رسم الدارة الإلكترونية، و البرنامج CodeVision AVR 3.12 لكتابة البرنامج المثبَّت على المتحكم الصغري، كما تم استخدام البرنامج Mathworks MATLAB 2014a لتصميم المرشحات الرقمية و الأداة Mathworks MATLAB 2014a Simulink لإجراء التجارب و الحصول على النتائج.


ملخص البحث
تتناول هذه الدراسة تصميم نظام لتحصيل بيانات إشارات التخطيط الكهربائي للدماغ (EEG) باستخدام متحكم صغري ومرشحات رقمية ذات استجابة إهليلجية. نظراً لصغر مطال إشارات EEG، فإنها تتعرض للضجيج المحيط، مما يجعل استخدام المرشحات ضرورياً للحصول على إشارات واضحة. تم تصميم دارة إلكترونية تتضمن مضخم تجهيزي ومضخم عملياتي لالتقاط إشارات EEG من دماغ المريض، ثم تحويلها من الشكل التماثلي إلى الرقمي وإرسالها إلى مجموعة من ثلاثة مرشحات رقمية. تم تصميم المرشحات الرقمية باستخدام برنامج MATLAB 2014a، وتمت محاكاة النتائج باستخدام أداة Simulink. أظهرت النتائج فعالية النظام في إزالة الضجيج من إشارات EEG، مما يساهم في تحسين دقة التشخيص الطبي.
قراءة نقدية
دراسة نقدية: على الرغم من أن الدراسة تقدم حلاً مبتكراً وفعّالاً لتحصيل إشارات EEG وتنقيتها من الضجيج، إلا أن هناك بعض النقاط التي يمكن تحسينها. أولاً، لم يتم التطرق بشكل كافٍ إلى تأثير العوامل البيئية المختلفة على أداء النظام، مثل التداخل الكهرومغناطيسي من الأجهزة الأخرى. ثانياً، كان من الممكن تقديم تحليل أكثر تفصيلاً حول أداء المرشحات الرقمية مقارنة بالمرشحات التماثلية التقليدية. ثالثاً، لم يتم مناقشة تكلفة النظام بشكل كافٍ، مما يجعل من الصعب تقييم جدواه الاقتصادية. وأخيراً، كان من الممكن توسيع الدراسة لتشمل تطبيقات أخرى مثل إشارات التخطيط الكهربائي للقلب (ECG) لتقديم رؤية أوسع حول إمكانيات النظام.
أسئلة حول البحث
  1. ما هو الهدف الرئيسي من استخدام المرشحات الرقمية في نظام تحصيل بيانات EEG؟

    الهدف الرئيسي هو إزالة الضجيج المتراكب مع إشارات التخطيط الكهربائي للدماغ للحصول على إشارات واضحة ودقيقة تساعد في التشخيص الطبي.

  2. ما هي البرامج التي تم استخدامها في تصميم ومحاكاة النظام؟

    تم استخدام برنامج Eagle 6.6 لتصميم ورسم الدارة الإلكترونية، وبرنامج CodeVision AVR لكتابة البرنامج المثبت على المتحكم الصغري، وبرنامج Mathworks MATLAB 2014a لتصميم المرشحات الرقمية وأداة Simulink لإجراء التجارب والحصول على النتائج.

  3. ما هي التحديات التي تواجه التقاط إشارات EEG؟

    التحديات تشمل صغر مطال إشارات EEG والتداخل مع إشارات الضجيج المحيطة، مما يجعل من الصعب الحصول على إشارات دقيقة بدون استخدام مرشحات فعّالة.

  4. كيف يمكن تحسين النظام المقترح في المستقبل؟

    يمكن تحسين النظام من خلال دراسة تأثير العوامل البيئية المختلفة على أدائه، وتقديم تحليل أكثر تفصيلاً حول أداء المرشحات الرقمية مقارنة بالمرشحات التماثلية، ومناقشة تكلفة النظام بشكل أوسع، وتوسيع الدراسة لتشمل تطبيقات أخرى مثل إشارات التخطيط الكهربائي للقلب (ECG).


المراجع المستخدمة
Choy, TT.; Leung, PM. Real time microprocessor-based 50 Hz notch filter for ECG, J Biomed Eng. ,1988 May
Ferdjallah, M.; Barr, RE. Frequency domain digital filtering techniques for the removal of power line noise with application to the electrocardiogram, Computer Biomed Res. ,1990 Oct
Wu, Y.; Yang, Y. A new digital filter method for eliminating 50Hz interference from the ECG, Zhongguo Yi Liao Qi Xie Za Zhi.,1999 May
قيم البحث

اقرأ أيضاً

من باب الحرص على مواكبة أحدث التقنيات التي تم التوصل إليها عالمياً و بهدف ملاحقة الركب العالمي في مجال التكنولوجيا كان لابد لنا من السعي الحثيث للبحث في أحدث السبل التكنولوجية لتحسين واقع عمل المؤسسات ضمن الجمهورية العربية السورية. يهدف هذا البحث إل ى بناء شبكة من المتحكمات المنطقية (PLCs) القابلة للبرمجة مع شاشات (HMI) و أنظمة SCADA و دراسة أنسب البروتوكولات لبناء الشبكة مع تحديد الأسباب. بعد د ا رسة و تحديد البروتوكولات الأنسب لبناء الشبكة, يتم استخدام هذه الشبكة الصناعية المؤتمتة في تحسين الواقع الحالي لشركة المياه في مجال تحصيل بيانات العدادات بالدقة و السرعة المطلوبتين. بنيت الشبكة بالاعتماد على مجموعة من المتحكمات المنطقية القابلة للبرمجة بحيث يتم استخدام كل متحكم لتحصيل البيانات من حي من أحياء محافظة حماة تربط هذه المتحكمات الموزعة عبر موجه مركزي لنقل البيانات إلى المركز الرئيس لشركة المياه ,و للتواصل مع النظام تستخدم واجهات التخاطب البشرية HMI و نظام SCADA لإظهار و تخزين البيانات التي تم تحصيلها تربط هذه الواجهة ضمن الشبكة نفسها الخاصة بالمتحكمات المنطقية القابلة للبرمجة لنحصل بذلك على شبكة صناعية موزعة.
يقدم البحث تصميماً لنظام تفقد آلي للطلبة، يقوم النظام بالتقاط صورة للطالب ثم استخلاص ملامح الوجه الأساسية، تم تدريب الشبكة باستخدام خوارزمية الانتشار العكسي، إذ تم توليد قاعدة بيانات تدريبية لكل طالب، مكونة من 15 عينة تدريبية له لمرة واحدة في بداية ا لفصل الدراسي، كل عينة تحتوي تعابير الوجه اللازمة للتعرف على طالب، تُدرب الشبكة العصبونية على قاعدة بيانات الطلبة من أجل الحصول على شبكة عصبونية مدربة قادرة على التعرف على طلاب كل فئة بالاعتماد على ملامحهم، وبالتالي معرفة من حضر الجلسة ممن لم يحضر، تم تزويد النظام المصمم لهذا الغرض بالشبكة المدربة، يقدم النظام إمكانية إجراء التفقد الآلي للطلاب حسب فحوى الدراسة مع التنبيه في حال وجود صورة لطالب لا ينتمي لنفس المجموعة.
هدف هذا البحث هو دراسة تقريب مبسط من أجل تصميم مضخمات أولية نقل ممانعة منخفضة الضجيج باستخدام ترانزيستورات ثنائية القطبية من أجل المستقبلات الضوئية. اِشْتُقَّتِ الحلول التحليلية من أجل الانحياز الأمثلي و ضجيج تيار الدخل المكافئ. ثم أُنجزت الدراسة بإج راء مقارنة بين الدارات المصممة. حسِب ضجيج تيار الدخل المكافئ بإدخال المعاملات إلى و باستخدام برنامج مكتوب matlab باستخدام برنامج محاكاةmultisim من أجل كشف إشارة نبضية بعرض نبضة 30ns.
يتضمن البحث دراسة و تحليل تأثير كلاَ من الضجيج الحراري، و الضجيج الطلقي على حساسية المستقبل في نظام اتصال ضوئي رقمي، و يسلط الضوء على البارامترات التي تؤثر سلباً و إيجاباً على الحساسية، و قد تم استخدام اللغة البرمجية ماتلاب MATLAB لدراسة العلاقة بين حساسية المستقبل و معدل المعطيات، و أوضحت مدى أفضلية حساسية المستقبل المحدود بالضجيج الطلقي من المستقبل المحدود بالضجيج الحراري؛ حيث تكون الحساسية أفضل بحدود 30dB. كما قدمت الدراسة توضيحاً لأفضلية الكاشف الضوئي APD من ناحية الحساسية مقارنة مع الكاشف الضوئي PIN بسبب ربحه الداخلي، و ذلك عندما يكون الضجيج الحراري هو المهيمن، و لكن يفضل الـ PIN عندما يكون الضجيج الطلقي هو المهيمن. و تبين لنا من الدراسة تحسن حساسية مستقبل محدود بالضجيج الطلقي من أجل كفاءة كم أعلى و من أجل طول موجة أكبر، و لكنها تسوء للحصول على معدل خطأ أصغر. كما أظهرت تحسن حساسية مستقبل محدود بالضجيج الحراري بزيادة الاستجابية و بزيادة مقاومة الحمل، و لكنها تسوء بزيادة رقم الضجيج و كذلك من أجل معدل خطأ أصغر.
مع دخولنا عصر الذكاء الصنعي فإن الحاجة لتجهيزات منزلية ذكية أضحى أمرا في غاية الأهمية لما يمكن ان تقدمه هذه التجهيزات من توفير الطاقة الكهربائية والموارد المائية التي تعتبر كنوزا على البشرية المحافظة عليها. بالاضافة لمساهمة هذه التجهيزات في حماية الب يئة. لذلك تم في بحثنا بناء غسالة اتوماتيكية تقوم بعملية الغسل بالاعتماد على حالة المابس ونوعيتها ودرجة اتساخها دون الأعتمار على برنامج محجج مسبقا. ولإنجاز هذه الغسالة الذكية قمنا بكتابة كود برمجي لمتحكم ضبابي من النمط الثاني, باستخدام لغة البرمجة بايثون حيث استقبل هذا المتحكم أربعة مداخل: الدخل الأول (لون الملابس), وتم الحصول عليه بالتقاط صورة للملابس المطلوب غسلها بوساطة كاميرا بدقة ٨ ميغابكسل وتم تحليلها باستخدام مكتبة OpenCV والدخل الثاني نوع الملابس وتم تحديده بالاعتماد على خوارزمية تمييز الأنماط المحلية Local Binary Pattern وهي خوارزمية لمعالجة الصورة الرقمية تستخدم بشكل واسع لتمييز الاشكال التي تتبع نمط وبنية محددة, والدخل الثالث درجة الاتساخ والدخل الرابع وزن الغسيل.
التعليقات
جاري جلب التعليقات جاري جلب التعليقات
سجل دخول لتتمكن من متابعة معايير البحث التي قمت باختيارها
mircosoft-partner

هل ترغب بارسال اشعارات عن اخر التحديثات في شمرا-اكاديميا