Измерительно-вычислительный комплекс для выделения слабых сигналов тема диссертации и автореферата по ВАК РФ 05.11.16, кандидат технических наук Пресняков, Сергей Владимирович

  • Пресняков, Сергей Владимирович
  • кандидат технических науккандидат технических наук
  • 2000, Пенза
  • Специальность ВАК РФ05.11.16
  • Количество страниц 236
Пресняков, Сергей Владимирович. Измерительно-вычислительный комплекс для выделения слабых сигналов: дис. кандидат технических наук: 05.11.16 - Информационно-измерительные и управляющие системы (по отраслям). Пенза. 2000. 236 с.

Оглавление диссертации кандидат технических наук Пресняков, Сергей Владимирович

ВВЕДЕНИЕ.

ГЛАВА 1. АНАЛИЗ МЕТОДОВ ВЫДЕЛЕНИЯ ИНФОРМАЦИИ ИЗ

ЗАШУМЛЕННЫХ СИГНАЛОВ.

1.1 Анализ исследуемых сигналов.

1Л Л Общие свойства электроэнцефалограммы.

1Л.2 Вызванная активность.

1Л .3 Определение отношения сигнала к шуму в электроэнцефалограмме.

1.2. Характерные задачи обработки сигналов.

1.3. Применение согласованной фильтрации в задачах выделения сигналов.

1.4. Способы повышения отношения сигнал/шум.

1.5. Фоновый принцип обнаружения изменений.

1.6. Методы выделения слабых биоэлектрических ответов.

1.6.1 Вероятностное обнаружение слабых сигналов.

1.6.2 Корреляционные методы выделения информативных сигналов.

1.6.3 Методы приема с использованием когерентных накопителей.

1.6.4 Методы усреднения.

1.6.5 Метод повышения достоверности обнаружения биоэлектрических ответов.

1.7. Выводы.

ГЛАВА 2. РАЗРАБОТКА МЕТОДА ВЫДЕЛЕНИЯ

ИНФОРМАТИВНОГО СИГНАЛА НА ФОНЕ

ПРЕОБЛАДАЮЩИХ ШУМОВ.

2.1. Определение оптимального количества интервалов усреднения

2.2. Разработка методики выделения информативного сигнала.

2.3. Определение эффективности предлагаемой методики выделения сигнала из шума.

2.4. Аппаратный комплекс фазирования сигналов.

2.5. Использование линейной теории предсказания.

2.6. Прогнозирование на основе статистической структуры временной организации ритмов ЭЭГ.

2.7. Адаптивный алгоритм выделения сигнала.

2.8. Выводы.

ГЛАВА 3. ОЦЕНКА ЭФФЕКТИВНОСТИ РАЗРАБОТАННОГО МЕТОДА НА ИМИТАЦИОННЫХ МОДЕЛЯХ

РАССМАТРИВАЕМЫХ СИГНАЛОВ.

3.1. Особенности построения моделей сигналов сложных систем.

3.2. Виды моделей.

3.3. Разработка имитатора ЭЭГ.

3.4. Модели ВП.

3.5. Анализ предлагаемой методики на моделях сигналов.

ГЛАВА 4. ИСПОЛЬЗОВАНИЕ РАЗРАБОТАННОЙ МЕТОДИКИ

ПРИ ОБНАРУЖЕНИИ РЕАКЦИЙ ГОЛОВНОГО МОЗГА

4.1 Анализ технических средств реализующих разработанную методику выделения зашумленного сигнала.

4.2 Разработка способа выделения сигналов подпорогового уровня

Рекомендованный список диссертаций по специальности «Информационно-измерительные и управляющие системы (по отраслям)», 05.11.16 шифр ВАК

Введение диссертации (часть автореферата) на тему «Измерительно-вычислительный комплекс для выделения слабых сигналов»

Проблема выделения сигнала из шума является одной из глобальных технических задач. Причем иногда отношение сигнал/шум меньше единицы. В частности, при проведении медицинских исследований стоит задача выделения биоэлектрического сигнала головного мозга - вызванного потенциала (ВП). Особенностью данной задачи является то обстоятельство, что шум значительно превосходит по уровню информационный сигнал. Так, при отведении от покровов головы, амплитуда ВП составляет около 15 мкВ. Уровень шумов, на фоне которых регистрируется информационный сигнал, достигает 100 мкВ. Обычно шум складывается из нескольких составляющих. В данном случае в него входят аппаратные шумы усилителей, различные наводки, а также спонтанная электрическая активность головного мозга - электроэнцефалограмма (ЭЭГ). Уровень шумовой составляющей в основном определяется именно уровнем ЭЭГ.

При решении задач выделения сигналов широко используются технологические приемы, такие'как использование в усилительной аппаратуре малошу-мящих элементов. При регистрации слабых биоэлектрических сигналов применение лишь только данных приемов эффективно лишь до определенной степени. Например, уровень сигнала ВП, который необходимо выделить, соизмеримым с уровнем аппаратных шумов. Более того, в данном случае приходится учитывать особенности формирования информационного сигнала. ВП генерируется теми же нейронными структурами, что и спонтанная электрическая активность головного мозга. Поэтому сигнал не может существовать отдельно от шума, и их спектры лежат в одном частотном диапазоне.

Кроме данных обстоятельств, существуют определенные трудности, использования приемов, которые достаточно просто могут быть реализованы при выделении сигналов от технических объектов, но практически нереали-зуемы при решении задач выделения биоэлектрических сигналов. При выделении биоэлектрических сигналов отдельно можно определить проблему рассмотрения человека как объекта исследований. Наличие нестационарности, связанной с уходом параметров сигнала с течением времени при длительном обследовании пациента - отличительная черта большинства сигналов, с которыми приходится работать при -медицинских исследованиях. Данные обстоятельства сказываются на специфике выделения информативной составляющей биоэлектрических сигналов.

Существующие методы выделения сигналов обычно требуют шаблона выделяемого сигнала, по которому строится фильтр [60, 86, 108] и работают при условии превышения сигнала над помехой [4, 5, 98, 102]. Методы позволяющие выделять зашумленный сигнал при отношении сигнал/шум менее единицы широко используют теорию когерентного приема [3, 6] требующей длительной регистрации с целью накопления информационного сигнала. При этом повышаетег вероятность несходства конечного результата с лежащими в его основе реальными полезными сигналами. Поэтому становится актуальной задача разработки методов, позволяющих более качественно подавлять шумы. Это позволит снизить время обследования и повысит качество выделения индивидуальных признаков информационного сигнала.

Совершенствование технических средств обработки информации привело к массовому применению компьютеров в различных областях науки и техники. Быстрота обработки информации и удобство работы сделали ЭВМ непременным атрибутом любых исследований. ЭВМ обладают такими возможностями, что они позволяют реализовать очень сложные алгоритмы обработки информации. Хотя многие из методов, лежащих в основе этих алгоритмов, были известны давно, все их достоинства в полной мере реализовались лишь с появлением быстродействующих ЭВМ. Во многих случаях компьютеры являются элементом измерительно-вычислительных комплексов [64, 107] и обеспечивают возможность обработки в реальном времени, осуществляя, таким образом, совмещение процесса измерения и обработки информации.

Использование компьютера в информационно - измерительной системе позволяет повысить качества подавления шума посредством структурной организации измерительного комплекса и применением эффективных методов математической обработки регистрируемых сигналов.

Бурно развивающаяся техника обработки информации с помощью электронных вычислительных машин находит все более широкое применение в самых разнообразных областях науки, включая физиологические и медицинские исследования. Сложные медицинские комплексы, составной частью которых является компьютер, находят все более широкое применение для диагностики и лечения заболеваний [2, 45, 47, 76], помогают врачам в постановке правильного-диагноза. При медицинских исследованиях все чаще используют многопараметрическую регистрацию. Большой интерес представляет электрическая активность мозга [39, 41, 44], сердца [12, 103, 112], параметры пульсовой волны [46, 115], дыхательный процесс [17, 85], деятельность других органов для решения задач диагностики. Разработанные различные методы выделения и обработки информации, которые используются при решении технических задач, воплощаются при создании медицинских комплексов.

В последнее время в лечебных учреждениях начали широко применять электромагнитные методы лечения различных заболеваний [69, 109]. Особую роль здесь играют низкойнтенсйвные электромагнитные волны в миллиметровом диапазоне (миллиметровая или КВЧ-терапия) [32, 33, 40, 93]. При этом остаются еще множество вопросов о характере воздействия волн крайне высокой частоты на организм человека. Не изучено до конца влияние параметров излучения на способность организма реагировать на эти частоты, ведутся исследования по измерению латентного периода индикации КВЧ-поля [92] т.е. через какой промежуток времени изменятся параметры работы организма под влиянием электромагнитного излучения и т.д. Таким образом, весьма перспективными можно считать научные исследования по совершенствованию ап пар ато в м икр о в о л но в о й терапии и разработке измерительно - вычислительных комплексов для изучения характера воздействия волн мм - диапазона на организм человека.

На данном этапе развития техники, связанным с использованием ЭВМ, возникают задачи не только эффективного выделения информативных сигналов, но и совместной обработки полученных результатов. Компьютер позволяет синхронизировать управляющие внешние воздействия с регистрируемыми процессами. Это дает возможность реализовывать эффективные методики выделения сигналов и получать «овые данные при научных исследованиях.

Целью диссертационной работы является разработка методов выделения слабых сигналов на фоне превосходящих шумов и создание на их базе измерительно-вычислительного комплекса для научных медицинских исследований.

Предметом исследования в диссертационной работе являлись методы выделения зашумленных сигналов.

Технические задачи, которые решались в диссертационной работе возникли в связи со следующими задачами медицинских исследований:

1) исследование слабых "сигналов головного мозга;

2) исследование действия электромагнитного излучения низкой интенсивности мм-диапазона на пространственно-временную организацию биоэлектрических, сигналов мозга;

3) получение информации с нескольких систем организма человека для исследования их совместного влияния.

На защиту выносится:

1. Методика адаптивного выделения сигнала из шума, позволяющая повысить эффективность подавления шумовой составляющей посредством слежения за результатом обработки регистрируемого сигнала и обеспечения компенсирующих мер для коррекции результата измерения в реальном масштабе времени.

2. Методика косвенной оценки подпороговых воздействий, основанная на подмешивании к информационному сигналу дополнительного воздействия и сопоставлении серий полученных данных.

3. Автоматизированная система, обеспечивающая сбор данных, обработку полученной информации и адаптивное управление периферийным оборудованием по результатам математической обработки, осуществляемой в реальном масштабе.

По теме диссертационной работы было опубликовано 7 печатных работ, из них 1 - в центральной прессе. Основные результаты работы доложены и обсуждены на Всероссийской межвузовской научно-технической конференции студентов и аспирантов «Микроэлектроника и информатика - 99» (г. Зеленоград, 1999); Международной научно-технической конференции «Методы и средства измерения в системах контроля и управления» (г. Пенза, 1999); Международной конференции «Радиоэлектроника в медицинской диагностике» (г. Москва, 1999).

В структурном отношении работа состоит из введения, четырех глав, заключения, списка использованных источников и двух приложений. Она содержит 237 страниц основного текста, 72 рисунка, 3 таблицы.

В главе 1 проводится анализ исследуемых сигналов, описываются их основные характеристики, анализируются методы обработки информации, устройства и алгоритмы выделения зашумленных сигналов. Определяется, что методика выделения информативного сигнала будет ориентирована на биоэлектрические сигналы, .формируемые головным мозгом человека.

Рассматриваются достоинства и недостатки существующих методов выделения сигнала из шума. Определяется, что решаемая проблема относится к классу задач, связанных с оценкой параметров сигнала. Отмечается, что согласно теории информации, для повышения отношения сигнал/шум требуется некоторое количество избыточной информации.

По результатам обзора литературы установлено, что основным и наиболее эффективным методом выделения сигнала головного мозга является метод когерентноголриема, исподьзующий увеличение длительности сигнала для повышения отношения сигнал/шум.

В главе 2 проводится анализ стандартного метода когерентного усреднения. Даются рекомендации по выбору оптимального количества интервалов усреднения. Разрабатывается методика, позволяющая повысить отношение сигнал/шум, посредством управления фазовым сдвигом усредняемых интервалов. Определяется эффективность предлагаемой методики (зависимость коэффициента подавления шума от точности прогнозирования развития сигнала), основываясь на корреляционной функции исследуемого сигнала. Рассматриваются различные способы реализации предложенного метода в зависимости от метода прогнозирования. Предлагается методика с использованием адаптивного способа выделения биоэлектрического сигнала головного мозга, основанная на слежении в реальном масштабе времени за накапливаемым в процессе усреднения сигналом и принятия решения о времени подачи управляющего воздействия. Предлагается способ автоматического определения минимально - достаточного количества усредняемых эпох в зависимости от степени подавления шума.

В главе 3 разрабатываются модели исследуемых сигналов. Рассматриваются различные виды моделей и этапы их формирования. Предлагаются как физические, так и виртуальные модели для проверки методов обработки информации. Анализируются особенности построения моделей биоэлектрических сигналов. Проводится анализ работоспособности предлагаемого адаптивного фазового метода на моделях сигналов.

В главе 4 рассматриваются вопросы применения быстродействующих электронных вычислительных машин и отдельных элементов автоматической вычислительной техники при физиологических исследованиях и в медицинской практике. Описывается методика проведения научных исследований по выделению информативной составляющей сигнала. Разрабатывается программа записи и обработки полученной информации. Описывается созданный измерительно-вычислительный комплекс для проведения медицинских ис

11 следований. Предлагается косвенный метод определения достоверных изменений параметров работы сложноорганизованной системы под влиянием различных подпороговых воздействий. Разрабатывается методика проведения эксперимента позволяющая корректно сравнивать различные серии экспериментов в условиях изменяющихся параметров исследуемого объекта.

Проверяется работоспособность разработанного адаптивного метода выделения зашумленного сигнала на примере определения эффекта влияния волн КВЧ на характер проведения импульсов по нервным волокнам. Описывается устройство позволяющее совместить излучение генераторов КВЧ настроенных на различные частоты и организовать новое информационное воздействие на организм человека. Описывается программное обеспечение измерительно-вычислительного комплекса и назначение органов управления.

В заключении приводятся основные результаты работы.

В приложении 1 представлены материалы, относящиеся к внедрению результатов диссертационной работы.

В приложении 2 приводится программное обеспечение разработанного измерительно - вычислительного комплекса для обработки полученной информации и.управления-периферийным оборудованием. А также программное обеспечение интерфейса программы.

Похожие диссертационные работы по специальности «Информационно-измерительные и управляющие системы (по отраслям)», 05.11.16 шифр ВАК

Заключение диссертации по теме «Информационно-измерительные и управляющие системы (по отраслям)», Пресняков, Сергей Владимирович

Выводы

Таким образом, разработанный ИВК позволяет проводить различные исследования в области изучения работы организма человека. Удобный интерфейс и простота работы с программой делают его привлекательным для медицинских работников. Применение автоматизированного управления позволяет избавиться от необходимости проведения монотонных повторений операций. Использование разработанных методов обработки информации дает возможность более качественно, по сравнению с традиционными методами, выделять зашумленные сигналы.

Практическое использование данного комплекса подтвердило правильность теоретических обоснований адаптивного фазового метода выделения информативной составляющей сигнала. При выделении слабого биоэлектрического сигнала головного мозга - ВП, подавление шума до уровня 5 мкВ наблюдается уже при 15 усреднениях. Традиционный метод когерентного усреднения обеспечивает подобное качество подавления шума лишь при 40 усреднениях. Это говорит о качественном подавлении шума при использовании разработанного метода выделения сигналов.

При исследовании воздействия волн мм-диапазона на организм человека, была разработана методика проведения эксперимента для косвенного определения характера проявления подпороговых воздействий на организм человека. Данную методику можно распространить и на решение технических задач по выделению сигналов, уровень которых не превышает зону нечувствительности системы.

Разработанное устройство совмещения излучения генераторов КВЧ различных частот, методика проведения эксперимента и измерительно - вычислительный комплекс с программным обеспечением предоставляет возмож

169

ЗАКЛЮЧЕНИЕ В настоящее время вопросы выделения сигнала из шума достаточно хорошо проработаны. Тем не менее, проблема выделения слабого биоэлектрического сигнала ВП решается лишь применением метода когерентного усреднения, который не претерпел существенных изменений за многие годы его использования. Это объяснятся спецификой решаемой задачи. В частности, из-за значительного превышения уровня помехи над сигналом и их перекрывающимися спектрами. Использование метода когерентного усреднения приводит к тому, что результирующий сигнал имеет сильно усредненный вид. Кроме того, сложность решаемой задачи заключается в том, что в отличие от сигналов технических объектов, где для каждого повторения воздействия вид реакции системы не отличается друг от друга, характеристики биоэлектрических ответов имеют довольно сильную вариабельность из-за наличия привыкания и различных помех.

В настоящей работе предлагается методика выделения сигналов, позволяющая повысить эффективность подавления шума при использовании теории когерентного приема. Это позволяет более качественно выделять индивидуальные параметры информативной составляющей.

Кроме того, использование разработанных оригинальных методик выделения информации от биологических объектов позволило выделить реакцию сложноорганизованной системы на воздействие подпорогового уровня -электромагнитное излучение мм - диапазона.

При выполнении диссертационной работы были получены следующие результаты.

1. Проведен анализ методов выделения сигнала из шума. Выявлено, что наиболее распространенным методом выделения сигнала головного мозга - вызванного потенциала из шума является метод когерентного усреднения. В то же время ему присущи такие недостатки как необходимость подачи большого числа внешних воздействий для формирования нескольких реализаций сигнала. В результате обработки, полученный сигнал имеет сильно усредненный вид и требуется длительное время проведения обследования. Таким образом, задача разработки методик, позволяющих повысить качество подавления шума, является актуальной.

2. Анализируя инструментальную погрешность используемых приборов и динамическую погрешность от усреднения мгновенных отсчетов процесса, установлено, что оптимальное количество интервалов суммирования при использовании метода когерентного усреднения для достижения максимального отношения сигнал/шум - 70;

3. Разработана методика выделения слабых сигналов, отличающаяся от стандартного метода когерентного усреднения автоматическим формированием интервалов усреднения с привязкой к фазе подавляемого сигнала. Данная методика позволяет повысить качество подавления шума. Экспериментально подтверждена эффективность разработанной методики при отработке модели воздействия волн мм диапазона.

4. Разработана методика прогнозирования развития сигнала ЭЭГ основанная на статистической структуре организации ее основных ритмов. Методика позволяет снизить требования к вычислительным возможностям ЭВМ и осуществить прогнозирование в реальном масштабе времени.

5. Разработана методика косвенной оценки действия сигналов подпоро-говой интенсивности, основанная на подмешивании дополнительного сигнала, формировании пересекающихся выборок вместо временного разделения воздействий и анализе изменения компонент составляющих биоэлектрических сигналов, полученных в результате формирования последовательности данных на основе пересекающихся выборок. При использовании данной методики было проведено исследование влияние низкоэнергетического КВЧ излучения на изменение времени возникновения компонент биоэлектрического сигнала головного мозга.

6. На основании проведенных экспериментальных исследований биоэлектрических процессов при информационном воздействии электромагнитным излучением миллиметрового диапазона была выявлена неадекватная реакция организма человека на частотные параметры излучения. Для расширения функциональных возможностей существующих аппаратов КВЧ - терапии, предложен способ локального воздействия КВЧ ЭМИ несколькими частотами одновременно.

7. По результатам проведенных работ, разработан и изготовлен измерительно - вычислительный комплекс, осуществляющий сбор информации, постэкспериментальную обработку интересующих сигналов и адаптивное управление периферийным оборудованием ориентируясь на результаты математической обработки полученные данных, осуществляемой в реальном масштабе времени. Комплекс позволяет проводить медицинские исследования, ориентируясь на различные биоэлектрические сигналы организма человека. Создан ряд прикладных программ, обеспечивающих работоспособность комплекса и осуществляющих выделение информации на основе современных алгоритмов обработки данных.

Автор выражает благодарность научным консультантам: к.т.н., доценту кафедры «Автоматика и телемеханика», Пащенко Валентине Васильевне и к.т.н., зав. отделением «Функциональная диагностика» Пензенской областной больницы им. H.H. Бурденко, Ковалеву Анатолию Александровичу за ценные советы и замечания при проведении научных исследований и оформлении диссертационной работы.

Список литературы диссертационного исследования кандидат технических наук Пресняков, Сергей Владимирович, 2000 год

1. Аветисов С.Р., Смогунов В.В. Новые технологии продления жизни человека. Пенза: ЦНИЛОТ, 1992. - 30 с.

2. Александров В.В., Шнейдеров B.C. Обработка медико биологической информации на ЭВМ. - М.: Медицина, 1983. - 195 с.

3. Акимов П.С., Бакут П.А. Теория обнаружения сигналов. М.: Радио и связь, 1984.-274 с.

4. А. с. 548794 Германия, МКИ3 G01S13/82. Способ обработки, обеспечивающий подавление шумов и выделение полезных сигналов / Зифлинг Г. (Германия) Изобретения стран мира. №7, 1994. - С. 43: ил.

5. А. с. 357283 Франция, МКИ3 G01S13/82. Способ измерения ВЧ фонового шума в условиях воздействия ВЧ сигналов окружающей среды / Ма-рил С.Л. (Франция) Изобретения стран мира. №2, 1994. - С. 43: ил.

6. А. с. 153786 США, МКИ3 G01S13/04. Способ и устройство для распознавания полезных сигналов на фоне шумовых сигналов / Прэтт У. (США) Изобретения стран мира. №4, 1994. С. 46: ил.

7. А. с. № 652513 Россия, МКИ GO IS 1/24 Устройство совмещения передних фронтов когерентных фазокодированных радиоимпульсов / Смирнов Н.В. (Россия). Бюл. №34, 1985. - 4 е.: ил.

8. Ануашвилли А.Н., Прангишвилли И.В. Фоновый принцип обнаружения подвижного объекта // Автоматика и телемеханика. 1997. - №5. - С. 195 - 202.

9. Аппарат микрорезонансной терапии АИСТ. Технические условия. ДАКЖ. 941526.ООЗТу.

10. Аппарат КВЧ терапии неинвазивного воздействия на БАТ АРЦАХ. Паспорт. УАТП. 941526.020 ПС.

11. Аумала О. Превращение помех в полезную информацию (точный сбор зашумленных данных) // Приборы и системы управления. 1997. - №4 -С. 52-55

12. Баевский P.M.: Корнилов О.И., Клецкин С.З. Математический анализ измерений сердечного ритма при стрессе. М.: Наука, 1984. - 125 с.

13. Беллман Р. Введение в теорию матриц. М.: Наука, 1976. - 273 с.

14. Березин И.С., Жидков Н.П. Методы вычислений т.1. М.: Гос. изд. физ. мат. литерат., 1962. - 464 с.

15. БецкийО. В. КВЧ терапия//Радио. - 1995. - №7. - С. 4 - 7

16. Бецкий О.В. Частотная зависимость биологических эффектов в области электромагнитных волн: новые биологические резонансы в миллиметровом диапазоне // Миллиметровые волны в биологии и медицине. -1998. -№2.-С. 3-5.

17. Бокша В.Г., Брудная Э.Н., Попов A.A. Автоматизированная система оценки функций дыхания. Киев: Здоров'я, 1983. - 112 с.

18. Бочкарев A.M.: Юрьев А.Н., Долгов М.Н., Щербинин A.B. Цифровая обработка радиолокационной информации при сопровождении целей // Зарубежная радиоэлектроника. 1991. - №3. - С. 3 - 22.

19. Браммер К. Зифлинг Г. Детерминированное наблюдение и стохастическая фильтрация. М.: Наука, 1982. - 283 с.

20. Брук Ю.М.: Ульянов О.М. Адаптивное подавление промышленных помех. // Радиотехника. 1988. - №7. - С. 60 - 61.

21. Ван Трис Г. Теория обнаружения, оценок и модуляции. М.: Сов. Радио, 1982. - 362 с.

22. Взятышев В.Ф. Диэлектрические волноводы. М.: Сов. радио, - 1970. -338 с.

23. Вапнэ Г.Н., Глаголев Б.С. Перспективные линии передачи КВЧ диапазона. Сер.1. Электроника СВЧ. Вып.11. -М.: Энергия, 1986. -289 с.

24. Васильев В.И., Коноваленко В.В., Горелов Ю.И. Имитационное управление неопределенными объектами. Киев: Наукова Думка, 1989. -310 с.

25. Видаль Ж.Ж. Обнаружение процессов, происходящих в головном мозге, по ЭЭГ в реальном масштабе времени. // ТИИЭР. №5. - 1977. - С. 49 -59

26. Винокуров В.И., Ваккер P.A. Вопросы обработки сложных сигналов в корреляционных системах. М.: Советское радио, 1972. - 284 с.

27. Вишняков А.Н. Выделение полезного сигнала на фоне помехи и псевдорегулярного возмущения // Автоматика и телемеханика. 1997. - №10. -С. 126-133

28. Воробьев Г.Н., Потапов Е.С., Смирнов В.В., Сюзев В.В. Имитация случайных процессов с требуемыми спектральными характеристиками в цифровых моделях информационно управляющих систем // Автоматика и телемеханика. - 1976. - №9. - С. 22 - 28.

29. Воробьев Г.Н., Сюзев В.В. Генераторы случайных процессов в базисе Уолша//Радиотехника и электроника. 1983. -№10. - С. 1914 - 1920.

30. Гарднер У.А., Трехкаскадная адаптивная компенсация шума для произвольных сигналов с использованием вводимого в источник вспомогательного сигнала. // ТИИЭР. 1981. - №7. - С. 81 - 84

31. Гнездицкий В.В. Вызванные потенциалы мозга в клинической практике. Таганрог: Медиком. - 1997. - 252 с.

32. Давыдов Б.И., Тихончук B.C., Антипов В.В. Возможности слабого нетеплового воздействия ЭМП. / Биологическое действие, нормирование и защита от электромагнитных излучений. М.: Энергоатомиздат, 1984.107 с.

33. Девятков Н.Д., Голант М.Б., Бецкий О.В. Миллиметровые волны и их роль в процессах жизнедеятельности. М.: Радио и связь, 1991.169 с.

34. Девятков Н.Д., Голант М.Б., Бецкий О.В. Особенности медикобиологи-ческого применения миллиметровых волн. М.: ИРЭ РАН, 1994.108 с.

35. Дэрбиштр А. Выделение ВП методом корреляции между ЭЭГ и шаблоном. // ТИИЭР. 1972. - №10. - С. 43 - 46.

36. Жадин М.Н. Биофизические механизмы формирования ЭЭГ. М.: Наука, 1984. - 196 с.

37. Жадин М.Н., Игнатьев Д.А. Метод анализа вызванных потенциалов, учитывающий декрементность процесса. // Биофизика. 1974. - №1. -С. 143-146.

38. Жуковский В.Д. Медицинские электронные системы. М.: Медицина, 1982. - 310 с.

39. Жирмунская Е.А. Клиническая электроэнцефалография. М.: Медицина, 1991.-354 с.

40. Завгородний C.B. и др. Исследование влияния электромагнитного излучения миллиметрового диапазона на сердечно сосудистую систему. // Миллиметровые волны в биологии и медицине. - 1997. - №9 - 10. - С.25.28.

41. Зарецкий A.A., Шестериков С.А., Оглезнев К.Я. Система регистрации стволовых ВП у человека. М.: Наука, 1982. - 82 с.

42. Зарецкий A.A., Шестериков С.А., Оглезнев К.Я. Повышение точности определения латентности слуховых стволовых вызванных потенциалов М.: Педагогика, 1982.- 120 с.

43. Заявка на изобретение № 99115246 Россия, МКИ3 Н03В25/00 ФИПС 7.07.99. Способ локального КВЧ ЭМИ двух или более частот / Ковалёв A.A., Перолайнен А.И., Якунин В.В., Пресняков C.B. (Россия).

44. Зенков J1.P., Ронкин М.А. Функциональная диагностика нервных болезней. М.: Медицина, 1991. - 386 с. .

45. Иванов Ю.И. Программная система, интерпретирующая записи длинно-латентных вызванных потенциалов. // Медицинская техника. 1996. -№4. - С. 15-16.

46. Инструментальные методы исследования сердечно-сосудистой системы. Справ, пособие / Под ред. Т.С. Виноградовой. М.: Медицина, 1986.-278 с.

47. Калядин Н.И., Кузнецов П.Г. Компьютерные медицинские мониторы: состояние и перспективы. // Медицинская техника. 1999. - №5. - С. 5 -8.

48. Кей С.М. Ядра разложения нелинейных функций // ТИИЭР. 1975. -№5.-С. 278-230.

49. Клинико-электрофизиологические показатели функционального состояния головного мозга человека. Л.: ЛИЭТИН, 1971. - 387 с.

50. Коваленко В.И., Трушин В.И. Широкодиапазонные генераторы КВЧ // 10 Рос. симп. мм волны в медицине и биологии: Сб. докл. М., 1995.

51. Ковалёв A.A., Пресняков C.B. Механизм первичного влияния на кору головного мозга человека проявлений трансформации в его организме внешнего низкоэнергетического КВЧ-излучения. // Миллиметровые волны в биологии и медицине. 1999. - №2. - С. 25-36.

52. Ковалёв A.A., Пресняков C.B., Якунин В.В. Взаимодействие разных КВЧ нетепловой интенсивности в организме человека. // Миллиметровые волны в биологии и медицине. 1999. - №2. - С. 25-36.

53. Кожевников В.А., Мещерский K.M. Современные методы анализа электроэнцефалограммы. М.: Государственное издательство медицинской литературы, 1963. - 386 с.

54. Кожевников В.А., Радионова Е.А. Вероятностный метод оценки реакций угнетения альфа ритма ЭЭГ, возникающих в ответ на звуковые раздражения минимальной интенсивности // Проблемы физиологической акустики. - 1959. - №4. - С. 68-79.

55. Коротаев А.Г. Системы анализа и синтеза речевого сигнала с линейным предсказанием // Зарубежная радиоэлектроника. 1976. - №10. - С. 314.

56. Коротаев А.Г. Методы линейного предсказания // Зарубежная радиоэлектроника. 1976. - №10. - С. 49 - 65.

57. Красненкер В.М. Стабильные методы обнаружения сигналов на фоне помех // Автоматика и телемеханика. 1980. - №5. - С. 65 - 88.

58. Кулаичев А.П. Компьютерная электрофизиология в клинической и исследовательской практике. М.: Информатика и компьютеры, 1998. -283 с.

59. Кулаичев А.П., Каплан А.Я. Компьютерные системы анализа биосигналов//Мир ПК. 1994. - №8. - С. 11-19.

60. Ланцош К. Практические методы прикладного анализа. М.: Наука,1984. 256 с.

61. Лебедева H.H. Реакции центральной нервной системы человека на электромагнитные поля с различными биотропными параметрами // Биомедицинская радиоэлектроника. 1998. - №1. - С. 24 - 35.

62. Леховицкий Д.Х., Табачников М.И., Шипицын С.И. Выбор порядка линейного фильтра предсказания для стационарных случайных процессов с гауссовской корреляционной функцией // Радиотехника. 1990. - №4. -С. 44 -48.

63. Макс Ж. Методы и техника обработки сигналов при физических измерениях. М.: Мир, 1983. - 311 с.

64. Малиновский В.Н. Электрические измерения. М.: Энергоатомиздат,1985.-416 с.

65. Мельников П.Н., Сюзев В.В. Автоматизация анализа и синтеза структур ЭВМ и вычислительных алгоритмов. Новосибирск: Инженерно-строительный институт, 1991. - 267 с.

66. Миллиметровые волны в медицине и биологии / Под рук. Девяткова Н.Д., М.: ИРЭ АН СССР, 1989. - 308 с.

67. Мишле А.Х. Повышение отношения сигнал/шум для затухающих экспонент методом фильтрации при обратном направлении времени. // ТИИЭР. -№10. 1975. - С. 108 -112.

68. Мосунов В.Б. Алгоритмы адаптивного линейного усиления // Зарубежная радиоэлектроника 1985. - №5 - С. 3 - 24.

69. Никольский В.И., Смогунов В.В. Электронная терапия. Новая концепция лечения. Пенза: Изд. ППИ, 1991. - 40 с.

70. Новиков Ю.В., Калашников O.A., Гуляев С.Э. Разработка устройств сопряжения. М.: ЭКОМ, 1997. - 222 с.

71. Новицкий П.В., Зограф И.А., Лабунец B.C. Динамика погрешностей средств измерений. Л.: Энергоатомиздат, 1990. - 344 с.

72. Новицкий П.В., Зограф И.А. Оценка погрешности результатов измерений Л.: Энергоатомиздат, 1991. - 356 с.

73. Оглезнев К.Я., С.А. Шестериков, A.A. Зарецкий Слуховые стволовые ВП в диагностике заболеваний центральной нервной системы. М.: Центральный ордена Ленина институт усовершенствования врачей, 1982. - 104 с.

74. Отнес Р., Эноксон Л. Прикладной анализ временных рядов. М.: Мир, 1982.-389 с.

75. Петров Б.Н., Г.М. Уланов Теория моделей в процессах управления. М.: Наука, 1978.-437 с.

76. Пащенко В.В., Пресняков C.B., Пигарев A.B. Метод выделения вызванных потенциалов. // Радиоэлектроника в медицинской диагностике: Тез. докл. Международной конф. М: МИЭТ, 1999. - С. 58.

77. Пащенко В.В., Пресняков C.B. Выделение сигнала ВП на основе экстраполированных данных статистической структуры временной организации ритмов ЭЭГ. // Датчики систем измерения, контроля и управления: Межвуз. сб. науч. тр. Пенза: ПТУ, 2000 (в печати).

78. Полляк Ю. Г. Вероятностное моделирование на электронных вычислительных машинах. М.: Советское радио, 1971. - 283 с.

79. Потапов В.И. Фильтрация в системах случайной структуры. // Автоматика и телемеханика. 1990. - №8. - С. 32 - 36.

80. Пресняков C.B. Способ выделение ответов головного мозга на внешнее возбуждение с помощью следящего алгоритма. // Датчики систем измерения, контроля и управления: Межвуз. сб. науч. тр. Пенза: ПГУ, 2000 (в печати).

81. Пресняков C.B., Ковалев А.А., Якунин В.В. Управляемый генератор КВЧ. // Радиоэлектроника в медицинской диагностике: Тез. докл. международной конф. М, 1999. - С. 79.

82. Пресняков C.B. Адаптивный итерационный метод выделения вызванных потенциалов. // Методы и средства измерения в системах контроля и управления: Тез. докл. международной науч. техн. конф. - Пенза, 1999. С. 86.

83. Пресняков C.B., Алексеев К.А. Методика выделения информативного вызванного потенциала мозга из шума. // Микроэлектроника и информатика 99: Тез. докл. Всероссийской межвуз. науч. - технич. конф. - Зеленоград, 1999.-С. 45.

84. Пунц С., Джаковити Дж., Скарано Дж. О свойстве коэффициентов частичной корреляции стационарных процессов с гауссовской атокорреля-ционной функцией. //ТИИЭР. -1987. №7. - С. 106 - 107.

85. Пупышев В.Н. Тибетская медицина: язык, теория, практика. Новосибирск: НГУ, 1988.- 153 с.

86. Рабинер Гоулд Теория и применение цифровой обработки сигналов. -М.: Мир, 1978.- 376 с.

87. Райниш К. Кибернетические основы и описание непрерывных систем. -М.: Энергия, 1978.-289 с.

88. Рандалл Р.Б. Частотный анализ. М.: Энергия, 1989. - 426 с.

89. Рудаков П.И., Финогенов К.Г. Программируем на языке ассемблера IBM PC. Обнинск: Принтер, 1997. - 584 с.

90. Снапелев Ю. М., В.А. Старосельский, Моделирование и управление в сложных системах. М.: Советское радио, 1974. - с. 4

91. Справочник по теоретическим основам радиоэлектроники. / т. 2 под ред.

92. Кривицкого Б.Х. -М.: Энергия, 1977. 117 с.

93. Современные проблемы физиологии высшей нервной деятельности. / Под редакцией Бехтеревой Н.П. М.: Медицина, 1979. - 278 с.

94. Сидоренко A.B. Влияние низкоинтенсивного электромагнитного излучения миллиметрового диапазона на физиологические показатели организма. // Зарубежная радиоэлектроника. 1996. - №12. - С. 32 - 35.

95. Склабси Р. Дж., Риск Х.А., Хинмен 4.JI. Соматосенсорные ВП при стимуляции сложной временной структуры в исследовании рассеянного склероза. // ТИИЭР. №5 - 1977. - С. 41- 49.

96. Сороко С.И. Нейрофизиологические механизмы индивидуальной адаптации человека в Антарктиде. Д.: Наука, 1984. - 137 с.

97. Стогов Г.В. Влияние КВЧ на характеристики ВП // Вопросы культурологии физиотерапии и лечебной физической культуры 1994. - №2. - С. 23 - 26.

98. Сухоедов И.В. Шумы электрических цепей. М.: Связь, 1975. - 350 с.

99. Тартаковский А.Г. О совместном последовательном обнаружении сигналов и оценивании параметров при априорной неопределенности. // Автоматика и телемеханика. 1980. - №3. - С. 113 - 122.

100. Трахтман A.M. Введение в обобщенную теорию сигналов. М.: Сов. Радио, 1972.-268 с.

101. Трокссел Д.Э., Шрайбер У.Ф., Керплендер П., и др. Системы улучшения изображений с использованием псевдослучайного шума // ТИИЭР. -1979. -№6. -С.107 109.

102. Турбо Паскаль 7.0. К.: Торгово-издательское бюро BHV, 1996. - 448 с.

103. Уидроу JI. Адаптивная обработка сигналов. М.: Сов. Радио, 1981. -375 с.

104. Фатенков В.Н. Биомеханика сердца в эксперименте и клинике. М.: Медицина, 1990. - 158 с.

105. Федоров А.Г. Delphi 3.0 для всех. М.: Компьютер пресс, 1998. - 543 с.

106. Фельдбаум A.A. Методы теории автоматического управления. М.:1. Энергия, 1982.-476 с.

107. Фридландер Б. Решетчатые фильтры для адаптивной обработки данных. //ТИИЭР. 1982. - №8. - С. 54 - 98.

108. Фурунжиев Р.И. Вычислительная техника и ее применение. Минск: Вышейшая школа, 1984. - 462 с.

109. Хелстром К. Статистическая теория обнаружения сигналов. М.: Наука, 1963.- 372 с.

110. Чайлдерс Д.Г., Вызванные потенциалы. Электрогенез, модели, методика исследований, восстановление и отслеживание фронта волны. // ТИИЭР.- 1977. №5. - С. 29-30.

111. Шагас Ч. Вызванные потенциалы в норме и патологии. М.: Мир, 1975.- 236 с.

112. Шакин В.В. Вычислительная электрокардиография. М.: Наука, 1981. -196 с.

113. Шварце X. Использование компьютеров в регулировании и управлении. -М.: Связь, 1988.-256 с.

114. Ширман Я.Д. Манжос В.Н. Теория и техника обработки радиолокационной информации на фоне помех. М.: Радио и связь, 1987. - 237 с.

115. Юхтин В.И., Иванов А.И Диагностика и лечение облитерирующих заболеваний артерий нижних конечностей. Иркутск: Изд - во Иркутского университета, 1980. - 140 с.

116. Во Hjorth The physical significance of time domain description in EEG analysis // Electroencefalography and clinical neurophysiology. 1973. - vol. 34. -pp. 321 - 325.

117. Calvet J., Cathala H.P., Contamin F., Hirsch J., Scherrer J. Potencial evoques corticaux chez l'homme. // Rev. Neurol. 1956. - vol. 95. - pp. 445 - 454.

118. Cameron R.H., Martin W.T. The orthogonal development of nonlinear functional in series of Fourier-Hermite functionals. // Ann. Math. 1977. -vol.48, - pp. 385 - 392.

119. Dolse and H. Kunkel Computirized EEG Analisis. Stuttgart: Fischer. -1985.-279 pp.

120. Fenwick P., Michie P., Dollimore J. Mathematical simulation of the electro-encefalogram using an autoregressive series. // Int. J. Bio. Comp. 1981. -vol. 2.-pp. 281 - 307.

121. Frechet N. Sur les functionnelles continues. // Aim. De 1' Ecole Normale, Sup., 3rd series. 1970. - vol. 27. - pp. 78 - 83.

122. Gersch W. Spectral analysis of EEG's by autoregressive decomposition of time series. // Math. Biosciences 1980. - vol. 7. - pp. 205 - 222.

123. Krausz H. Identification of nonlinear systems using random impulse train inputs // Biol Cybernetics 1975. - vol. 19. - pp. 217 - 230.

124. Lee Y.W., Schetzen M. Measurement of the Wiener kernels of a nonlinear system by cross-correlation // Int. J. Control. 1975. - vol. 2. - pp. 237 -254.

125. Lopes da Silva F. H., Dijk A. Detection of nonstationarities in EEG's of epileptics // Math. Biosciences 1987. - vol. 3. - pp. 146 - 154.

126. Ogura H. Orthogonalfunctionalsof the poisson process // IEEE Trans. Inform. Theory. 1972. - vol. 18. - pp. 473 -481.

127. Shipton H.W. An electronic trigger circuit as an aid to neurophysiological research. // Brit. Inst. Rad. Eng. 1949. - №9. - pp. 374 - 383.

128. Volterra V. Theory of Functional and of Integral and Integrodifferential Equations. New York: Dover, 1969. - pp. 1 - 39

129. УТВЕРЖДАЮ ^ главный инженер НИИФИ,ка.2000 г.1. Зеленцов Ю.А.1. АКТвнедрения результатов диссертационной работы Преснякова C.B.

130. Измерительно вычислительный комплекс выделения слабых сигналов».

131. По договору 249 93 в НИИФИ проводилась разработка системы для «ОКБ Сухого», г. Москва для измерения статико - динамического давления на воздухозаборниках и лопатках турбин двигателей самолетов семейства «Су».

132. Эффективность предлагаемой методики подтверждена результатами испытаний разработанной системы в НИИФИ.

133. Работа представляют научный интерес в плане выделения сигналов на фоне превосходящих помех.

134. Согласовано;- Согласовано:

135. Начальник лаборатории Научный руководитель

136. НИИФИ к.т.н. зав. каф. «АиТ», д.т.н., профессор,1. Осадчий Е.П.16 » <ма 2000 г.

137. УТВЕРЖДАЮ главный врач областной больницы им. Н.И. Бурденко ж5^0р'Тиед наук В.И. Никольскийе.1. АКТ

138. Использования результатов диссертационной работы Преснякова C.B.

139. Информационно измерительная система выделения слабых сигналов»

140. ЕРИБом областной больницы ш«Н.Н. Бурденко инаименование предприятия,

141. БНЗом областной болышщ ш.К.Н.В'рценко-——(навменованйе предприятия,и Пензенского института усовершенствования врачей.организация, когда)к использованиюпод наименованием: "Ш^ой дыдежшдя видовых правда лов"врач обл.б-хщ ШЯо----впач РФ.к.м.н. 19 9"

142. Руко»од«д^л предприятия газации)1. П.Шадабш

143. Тшг ОАО «Маяк» Тнр. 200 3. 21161. УДОСТОВЕРЕНИЕна рационализаторское предложение2а.октя0ря 1238г.дата подачи)

144. БРИЗом областной болышцы Бурденко инаименование предприятия.

145. Пензенского института усовершенствования лрачей.организации, когда)к использованиюпод "Метод определения биологическойз на чим о с тл поди о р о г сешс электромагнитных излучениичеловека".пы1. Т.П.Шаддыбин

146. Тип. ОАО «Маяк» Тнр. 200 3. 21161. УДОСТОВЕРЕНИЕна рационализаторе ко« предложение54 29 октября 1998тдата подачи)

147. О б Л . б-ЦЫ 1Ш . БУР ЦЭ НК^ЫЬель предпршггжярач РФ, К.;л.я. (адгакимцт)19 П.Ша ядабжн998Г. (¿/^^ТшГоАО «Маяк» Тир. 200 3. 2116

148. ОПИСАНИЕ ИНТЕРФЕЙСНОЙ ЧАСТИ ПРОГРАММЫ {$М,16384,0,200000} {Х+}uses арр,objects,menus,drivers,dialogs,views,MsgBox,stdDlg,dos,crt,graph; label 1;

149. Работа с вызванным потенциалом}1. Прием данных}

150. ЬЫате = 10; ЬРатП = 10; Ь01сЬ = 10; ЬУогг Шпе = ЬКате+ЬРатИ+Ь01с11+ЬУо2г+ЬВо1

151. Максимальная длинна массива}3; ЬВо1 = 5;1. Длинна строки}1. Туре

152. Ба1аТуре =тесогс1 Каше: stringLLine.; РатИ: зЫг^ЫЛпе]; 01сЬ: string[LLine];1. Var

153. DataFile: file of DataType; NLines: Word;1.nes: arrayL.MaxLine. of String[LLine]; {Массив строк} Type

154. PInterior=ATInterior; TInterior=obj ect(TScroller) Constructor Init(var Bounds: TRect; HS,Vs: PScrollBar); Procedure Draw; Virtual; Procedure ReadFile; end;1. Type

155. TNotebook = object(TApplication) Procedure InitStatusLine; Virtual; Procedure InitMenuBar; Virtual; Procedure HandleEvent(var Event:TEvent); Virtual; Procedure GetDialog; Procedure About; Procedure Work; end;

156. PMyDialog =ATDialog; TMyDialog = object(TDialog)

157. Procedure HandleEvent(var Event: TEvent); Virtual; end; Type

158. PWorkWin =ATWorkWin; T Work Win = object(T Window) Constructor Init(Bounds: TRect);end;}

159. Procedure TNotebook.InitStatusLine; Var R: TRect; Begin GetExtent(R); R.A.Y := pred(R.B.Y);

160. StatusLine:=New(PStatusLine,Init(R,NewStatusDef(0,$FFFF,

161. NewStatusKey('~Alt-X~ Выход', kbAltX,cmQuit, NewStatusKey('~F 10~ MeHio',kbF 10,cmMenu, NewStatusKey('~Alt-C~ Закрыть окно',kbAltC,cmClose,NIL))), NIL)));end;

162. Procedure TNotebook.InitMenuBar; var

163. R: TRect; begin GetExtent(R); R.B.Y :=succ(R.A.Y);

164. MenuBar:= New(PMenuBar,Init(R,NewMenu( NcwSubMenu('~N~ Настройка',hcNoContext, NewMenu(

165. Newltem('~l~- Опции',",kbAltQ,cmNastr,hcNoContext, Newltem('~2— About',M,kbAltF,cmAbout,hcNoContext, NIL))),

166. NewSubMenu('~W~- Работа',hcNoContext, NewMenu(

167. Newltem('~6~ Чтение в EMS',",kbAltY,cmReadEMS,hcNoContext, Newltem('~7~ - Чтение блоками',",kbAltU,cmReadFile,hcNoContext, Newltem('~8~ - Запись no SM Sv+KVCh',",kbAltK,cmWriteSupSvKVCh,hcNoContext,

168. Newltem('~9~ Запись Фаза',",kbAltJ,cmWriteFaza,hcNoContext, Newltem('~10~ - Adaptive ',",kbAltZ,cmAdapt,hcNoContext, NIL))))))))))),

169. NewSubMenu('~V— Вызванный потенциал',hcNoContext, NewMenu(

170. Newltem('~7~ Свет+КВЧ (EMS)',",kbAltH,cmPotencSvetKVChS,hcNoContext,

171. Newltem('~8~ BnSuper ',",kbAltL,cmPotencNew,hcNoContext, NIL))))))))),

172. NewSubMenu('~S~- Спектр',hcNoContext, NewMenu(

173. Newltem('~l~ 33r,'',kbAltD,cmSpectr,hcNoContext, Newltem('~2~ - ЭКГ',",kbAltJ,cmSpectrEKG,hcNoContext, NIL))),

174. NewSubMenu('~B— База данных',hcNoContext, NewMenu(

175. Newltem('~ 1 — Открыть' ,",kbAltF,cmBaza,hcNoContext, NIL)), NIL)))))))); end;

176. Procedure FileOpen; Label 1; var r:trect; s: string; var

177. PF: PFileDialog; Control: Word; qwe:longint; Beginif(d=5) or (d=10) then

178. New(PF, Init(Disk+'*.vp','Выберите нужный файл:','Имя файла',fdOpenButton,0)); if d= 15 then

179. New(PF, Init(Disk+'*.dbf,'Выберите нужный файл:','Имя файла',fdOpenButton,0)) else

180. New(PF, Init('*.dta','Выберите нужный файл:','Имя файла',fdOpenButton,())); Control:= DeskTopA.ExecView(PF); case Control of StdDlg.cmFileOpen,cmOk: begin {$V-}

181. Vint.Init(namefil,stOpenRead,2048); EMS.CopyFrom(Vint,Vint.GetSize); if ems.getsize<100 then beginwrite('error EMS',' ',s,' ',Vint.GetSize); ems.done; halt(l); end; end; end; end;

182. StdDlg.cmFileOpen,cmCancel: halt(0); end;1: write(s); Dispose(PF,Done); end;

183. Procedure TNotebook.HandleEvent(var Event:TEvent); Begin

184. CloseGraph; ReDraw; ShowMouse; end; cmReadEMS: begin d:=13; FileOpen; chtenieEMS;CloseGraph;

185. ReDraw; ShowMouse; end; cmPotencSvetKVChS: begin d:=24; FileOpen;EMS.Seek(0); nuvel:=l; SvetKVCh;

186. CloseGraph; ReDraw; ShowMouse; end; cmAdapt: begin d:=25; FileOpen; nuvel:=l; AdaptFM;

187. CloseGraph; ReDraw; ShowMouse; end; cmHand: begin d:=14; FileOpen; Hand; ReDraw; ShowMouse; end; cmPotencNew: begin d:=21; FileOpen; EncefNew; ReDraw; ShowMouse; end; cmBaza: begin d:=l5; {FileOpen;}exec('h:\bp\bin\tvis\plasma.exe',")?

188. ReDraw; ShowMouse;end; cmReadVP: begin d:=5; FileOpen; blockread(kan,dat,FDis* 16);initialGraph; nuvel:=l; chtenieencef; ReDraw;

189. ShowMouse; end; cmNastr: GetDialog; cm Work: Work;cmAbout: About;cmSpectr: begin d:=20; FileOpen;SwapVectors;clrscr;CloseGraph;exec('h:\tp\bin\dta\spectr.exe', namefil);

190. Swap Vectors; ReDraw; ShowMouse; end; cmSpectrEKG: begin d:=24; FileOpen; SpectrRR; CloseGraph;1. ReDraw; ShowMouse; end;else ReDraw; ShowMouse; end;1. ClearEvent(Event) end;-

191. Procedure TNotebook. GetDialog; Var q: word; R: TRect; D: PMyDialog; I: PlnputLine; RB: PRadioButtons;

192. ОПИСАНИЕ ЧАСТИ ПРОГРАММЫ, ОБЕСПЕЧИВАЮЩЕЙ РЕГИСТРАЦИЮ, ОБРАБОТКУ ПОЛУЧЕННОЙ ИНФОРМАЦИИ И УПРАВЛЕНИЕ ВНЕШНЕМИ УСТРОЙСТВАМИ

193. Procedure InitialGraph; var i, GraphDriver: integer; Begin

194. Var ntact,bufl,bu£2: integer; { f dis = 3.2 кГц } beginntact:=round(1193180.0/(FDis*16)); { 200 частота дискретизации * 16 - числоканалов}

195. Port IntU. := 1; { Запрет прерываний } if ntact < 256 { Программирование таймера } then begin

196. Port timerU.:= $14; Port [timerA]:=ntact; Port [timerU]:=$04; end else beginbufl :=ntact mod 256; buf2:=ntact div 256; Port timerU.:=$34; Port [timerA]:=bufl; Port [timerA]:=buf2;1. Port timerU.:=$04; end;end;

197. Procedure filtr; var b:word;qw:real; Begin

198. For nkan:=0 to 15 do For nzap:=l to FDis do beginif datnkan,nzap.>dat[nkan,nzap-l] then qw:=dat[nkan,nzap]-dat[nkan,nzap-1 ] else qw:=dat[nkan,nzap-l]-dat[nkan,nzap]; If qw>50 then dat[nkan,nzap]:= dat[nkan,nzap+l]; end; end;

199. OutTextXY(round(i)+10+dx 1 ,round(nkan*20+sdvig+datnlcan,nzap-1 ./k-3),s); setColor( white); end; end; i:=i+dx; end;str(diapazon,s);

200. OutTextXY(dx 1 +240,10,'Amp -'); OutTextXY(dxl+290,10,s);str(nris,s);

201. OutTextXY(dx 1+240,50,'nusr '+s); nris:=nris+l; End;1. F+}

202. Procedure massiv; { Формирование блока данных (1сек х 16каналов)} Begin If nkan<16 then begin datnkan,nzap. :=a; nkan:=nkan+l; end else beginnkan:=0; nzap:=nzap+l; end;end;1. F-}

203. Procedure Priem 1; var st,ml:byte; Begin PortWnumber. :=1; delay(l); PortW[start]:=l; delay(l); st:=PortW[start]; ml:=PortW[number]; a:=(st shl 8)+ml; end;

204. Procedure stranisa ;forward;

205. Procedure PriemFaza; var al,a2:word;qwe:longint;uv,uv 1 ,MaxExtr,ExitProc:boolean; Begin

206. Moveto(round(i-dx),nkanl *21 +rouncl(datPrnkan 1 ./20)-100); Lineto(round(i),nkanl *21 +round(res/20)-100); i :=i+dx;datPr[nkan 1 ] :=res; end;

207. SetIntVec(irq0,S aveOFInt); Port Vecmask.:=Mask01d; Port [timerU]:= $14; Port [timerA]:=0; Port [timerU] :=$04;closeGraph;

208. Write('^eT запись на диск .'); EMS.Seek(O);

209. Vint.Init(namefil,stCreate,2048); Vint.CopyFrom(EMS,EMS.GetSize); EMS.Done; Vint.Done;end;1.}

210. Procedure stranisa; Label 1;var q:char;st:string; beginwhile nris<2 do beginif keypressed then goto 1; str(nusr,st);

211. Procedure zapisEMS; var pozition:longint; begin1.itialEMS;} initialgraph; priem; closeGraph;

212. Write('HfleT запись на диск .');1. EMS.Seek(O);pozition: =ems .getsize;

213. Vint.Init(namefil,stCreate,2048);

214. Vint. CopyFrom(EMS ,EMS. GetS ize);1. EMS .Done; Vint.Done;end;

215. While not keypressed do begin1. nzap>640 then begini:=0; nzap:=0; ClearDevice; end;if nkan=16 then beginnkan:=0; i:=i+dx;nzap:=nzap+l; end;

216. For nzap:=0 to FDis do For nkan:=0 to 15 dodatl nlcan^zapj^datl [nkan,nzap.+dat[nkan,nzap]

217. For nzap:=0 to FDis do For пкап:=0 to 15 dodatnlcan,nzap. :=round((datl [nkan,nzap])/nread) {if nread= 1 then} sentr; ris(260/FDis,FDis);ch:=readkey;if ch=#27 then goto 1; cleardevice;end; ClrScr;

218. Writeln('Bbi хотите записать ВП ?'); Writeln(TIocne просмотра нажмите Yes or No'); write('A пока нажмите "Any key'"); {flltr;}

219. Procedure Ri sEMS (S eeknkan: word); Var i:real;b,qwe:word;s:string; Label 1; Beginif (ch='-') or (ch-+!) then Seeknkan:=d else d:=Seeknkan;

220. EMS.Read(b,2); Line(nris*300+20,nkan*200+round(round(b/k))+sdvig,nris*300+round(3*dx)+20,nkan*200+round(round(b/lc)+sdvig)); i:=i+dx;setColor(lO);

221. OutTextXY(320,80+nkan*200,s);setColor(white);1. EMS.Read(b,2);}

222. For nzap:=3 to {FDis}temp do begin1. EMS.Read(a,2);

223. Procedure Pereris(right:boolean; dl:word; Seeknkan:byte); var s: string;yl,b:word; {right=true смещение линии вправо}

224. Begin {dl координата линии}if right then {Seeknkan номер канала выводимого на экран}begin

225. PutIimge(round((dl-l)*280/FDis+20),0,pA,0); PutImage(round((dl-l)*280/FDis+320),0,plA,0); GetImage(round(dl*28O/FDis+20), 0,round(dl*280/FDis+20), 480,рЛ); GetImage(round(dl*280/FDis+320),0,round(dl*280/FDis+320),480,plA); end else begin

226. PutImage(round((dl+l)*280/FDis+20),0,pA,0); PutImage(round((dl+1 )*280/FDis+320),0,p 1 A,0); GetImage(round(dl*280/FDis+20),0,round(dl*280/FDis+20),480,pA); GetImage(round(dl*280/FDis+320),0,round(dl*280/FDis+320),480,plA); end;

227. Setviewport(500,5,600,20,ciip0n);1. ClearViewPort;setcolor(l 1);str(round(dl/FDis* 1000),s); OutTextXY(0,0,s+' мСек'); SetViewPort(0,0,GetMaxX,GetMaxY,True); setcolor( white); end;1. Procedure Getlm; Begin

228. Getlmage(20,0,20,480,рл); Getlmage(320,0,320,480,p 1л); end;

229. Procedure UprRis; Label 2,3;

230. EMS.Read(datnkan,nzap.,2);qwe:=ems.getpos; end;if nris=0 then begin ClearDevice; dxl:=20 end else dxl :=320; sentr; ris(160*2/FDis,FDis); if nris=l then goto 3; goto 2; end; end;end;1.}

231. For nzap:=0 to FDis do beginif (nread*FDis*32+nzap*2)> EMS.GetSize-50 then goto 4; EMS. S eek(nread* FDis * 3 2+nzap * 2); For nkan:=0 to 15 do begin

232. EMS.Read(datnkan,nzap.,2); if (EMS.GetPos+FDis*2)> EMS.GetSize-FDis*3 then goto 4 EMS.Seek(EMS.GetPos+FDis*2); end;end;inc(nread);if (nread*FDis*32+nzap*2)> EMS.GetSize-50 then goto 4; EMS.Seek(nread*FDis*32);

233. For nzap:=0 to FDis do For nkan:=0 to 15 do datl nkan,nzap.:=datl [nkan,nzap]+dat[nkan,nzap]; end; {filtr;}4: For nzap:=0 to FDis do For nkan:=0 to 15 dodatnlcan,nzap.:=round((datl[nkan,nzap])/nread);if nris=0 then InitialGraph; { begin ClrScr;

234. Writeln('Bbi хотите записать ВП ?');

235. Writeln(,Пocлe просмотра нажмите Yes or No');

236. Write('A пока нажмите "Ввод"');sentr;readln;end;}if d= 19 then begin

237. EndFile:=EMS.GetSize-FDis*32; while EMS.GetPos<EndFile do begin

238. For nzap:=0 to FDis do For nkan:=0 to 15 do begin1. EMS.Read(a,2);datnkan,nzap.:=dat[nkan,nzap]+a; end;inc(nread); end;

239. For nzap:=0 to FDis do For nkan:=0 to 15 dodatnkan,nzap.:=round((dat[nlcan,nzap])/nread); sentr;initialgraph; dxl:=170;ris(160*2/FDis,FDis);cleardevice;q:=readkey;closegraph; EMS.Done;dxl:=0;end;1+} {F+}

240. Procedure encefnac; var npriem:byte; begin1.itialGraph;nuvel:=l ; For nkan:=0 to 15 do

241. For nzap:=0 to FDis do datl nkan,nzap.:=0; npriem:=0;while not keypressed dobeginpriem;npriem:=npriem+l ; For nkan:=0 to 15 do For nzap:=0 to FDis do datl nkan,nzap.:=datl [nkan,nzap]+dat[nkan,nzap] ifnpriem=l then begin npriemiK); dxl:=200;

242. For nkan:=0 to 15 do For nzap:=0 to FDis do datnkan,nzap. :=round(dat 1 [nkan,nzap]); sentr;cleardevice; ris(160*2/FDis,FDis); end;end; dxl:=0; end;begin

243. Moveto(dx 1 +round(i-dx),round(dy 1 +datnkan,nzap-1 ./k* 10)); Lineto(dx 1+round(i),round(dy 1+dat[nkan,nzap]/k:f! 10)); i:=i+dx; end; i:=0;

244. SetViewPort(0,0,getmaxx,getmaxy,clipOn); chtenieencef; end;if ch=#0 then beginch:=readkey; case ch of

245. H1: begin dy2:=dy2-round(80/k); goto l;end; 'P': begin dy2:=dy2+round(80/k); goto l;end; 'K': begin dx3:=dx3-10; goto l;end; 'M': begin dx3:=dx3+10; goto l;end;

246. CloseGraph; nuvel:=nuvel*2;sentr; InitialGraph;chtenieencef; end;if ch='n' then begin

247. CloseGraph; nuvel:=nuvel/2;sentr; InitialGraph;chtenieencef; end;if ch='i' then begin

248. CloseGraph; sdvig:=sdvig-50; InitialGraph;chtenieencef; end;if ch-m' then begin

249. CloseGraph; sdvig:=sdvig+50; InitialGraph;chtenieencef; end;if ch=#0 then begin ch:=readkey; case ch of

250. H': begin dy:=dy-21; if dy>65000 then dy:=dy 65536;end 'P': dy:=dy+21;help; end; end;if ch=#27 then goto 1;if ch=#13 then begin videlenie; goto 1; end;1. ClearViewPort;

251. Putlmage(0,dy+15 ,pA,CopyPut); upravlenie; 1: end;1. Procedure chtenieencef;var i:real;begindxl:=60;dx:=2;i:=l;sentr; For nzap:=l to FDis-30 do begin For nkan:=0 to 15 do Begin

252. Procedure filtrrecur; label 1;var i,j,pozition:longint;rec:byte;sum,el:word;beginrec:=2;clrScr;write('.THxo!!! Идет фильтрация!1);pozition:=round((EMS.GetSize/64)-5); {кол-во слов в канале кардиограммы 5}

253. For i:=rec to pozition do begin

254. EMS. S eelc((i-rec) * 3 2+2); sum :=0; For j :=i-rec to i+rec dobegin

255. EMS.Read(a,32); if j=rec then el:=a; ifa<1450 then goto 1; sumi^sum+a; end;a: =round(sum/(2 * rec)); a:=el-a;

256. EMS.Seek(i*32+2); EMS.Write(a,2); 1: end; EMS.Seek(O); end;

257. Procedure mix; {вычитание ЭКГ из ЭЭГ} begin

258. For nzap:=l to FDis do datl nkan,nzap. :=0; dxl:=200;del:=0;j:=0; {обработка}

259. For nz:=l to chislorr-2 do beginif d=ll then begin1. EMS.Seek(rrnz.);b:=round((rrnz+1 .-rr[nz])/32); {b- кол-во записей между RR зубцами} {if b>srb then prov:=b-srb else prov:=srb-b; if (prov>50) or (b>Fdis) thencloseGraph; clrScr;

260. Writeln(lKoличecтвo усреднений ',nz,'. Из них ',del-l,' сбойных'); write('press у'); z:=false; ch:=readkey; if ch='y' then begin d:= 10;initfile;blockwrite(kan,dat,FDis* 16);1. Close(kan);end;1 :EMS.Done;Vint.Done; end;

261. ClearDevice; For nz:=l to ntoch do Begin

262. Size:=ImageSize(0,0,2,480);right:=true;coordxold:=0;1. GetMem(p,size);l:dx:=0.5;

263. Setviewport(400,5,600,20,ciip0n);1. ClearViewPort;setcolor(3);

264. OutTextXY(0,0,'количество усреднений: '+s);

265. SetViewPort(0,0,GetMaxX,GetMaxY,True);setcolor(green);

266. EMS.Seek(ems.getpos+(round((2/dx*nmas*32-ems.getpos)/32)*32)); setcolor(yellow);

267. EMS.Read(aa,2); Str(aa,s);OutTextXY(dx2-10,200,s);goto 5; end; end;

268. For nz:=nusr-j to nusr-2 do begin1. EMS.Seek(nnz.);b:=roimd((nnz+l.-n[nz])/32); {b- кол-во записей между отметками}

269. For nzap:=0 to fdis do For nkan:=0 to 15 do begindatnkan,nzap. :=2000; end;

270. For nzap:=0 to b do For nkan:=0 to 15 do begin EMS.Read(x,2); datnkan,nzap.:=x; end; nuvel:=l; sentr; setcolor(ncolor); inc(ncolor);if ncolor=16 then ncolor:=0;ris( 160/FDis,FDis); EMS.Seek(nnz.); readln;

271. For nzap:=0 to b do For nkan:=0 to 15 do begin1. EMS.Read(x,2);datl nkan,nzap.:=datl [nkan,nzap]+x; end; end;

272. For nzap:=b to FDis do For nkan:=0 to 15 do

Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.