عنوان

طراحی یک پردازنده با ساختار تکاملی برای حذف نویز سیگنال عصبی دریافتی از پروب های کاشته شده در بدن

‭۹۴۲۶پ‬

per

طراحی یک پردازنده با ساختار تکاملی برای حذف نویز سیگنال عصبی دریافتی از پروب های کاشته شده در بدن

/مسعود ملک زاده

: دانشکده مهندسی برق و کامپیوتر

‮‭۹۴‬ص‬

چاپی

بصورت زیرنویس

کارشناسی ارشد

مهندسی برق-الکترونیک

‮‭۱۳۹۱/۰۶/۲۵‬

تبریز

معمولا سیگنال‌های عصبی دریافت شده از پروب های کاشت شده در بدن شامل نویز است که این نویز ترکیب شده با سیگنال عصبی معمولا پردازش سیگنال های عصبی را با اشکالاتی مواجه می کند .از منابع نویز موجود می‌توان به نویز ناشی از تقویت کننده الکترونیکی، نویز پروب های عصبی، نویز سیستم عصبی اشاره کرد .با توجه به این که نویز سیستم عصبی همراه و در درون سیگنال عصبی تولید می شود و اطلاعات زیادی در مورد نحوه تولید و محدوده فرکانسی این نویز موجود نیست، برای حذف این نویز نمی توان از روش های متداول حذف نویز مانند طراحی یک فیلتر استفاده کرد .آنالیز مؤلفه های مستقل یک الگوریتم تکاملی است که می تواند سیگنال های منبع را از روی سیگنال مشاهده شده که حاصل ترکیب سیگنال های منبع است تخمین بزند .بنابراین با استفاده از این تکنیک می‌توان نویز سیستم عصبی را از سیگنال بدست آمده از پروب های عصبی که حاصل ترکیب سیگنال عصبی و نویز عصبی است به دست آورد .در این پایان نامه به بررسی و پیاده سازی الگوریتم ‮‭FAST ICA‬ برای جدا سازی نویز از سیگنال عصبی پرداخته ایم و الگوریتم ‮‭LMS‬پیشنهاد شده است که این الگوریتم سرعت همگرایی قابل ملاحظه ای نسبت به الگوریتم ‮‭FAST ICA‬ دارا می باشد .این دو الگوریتم ابتدا در نرم افزار ‮‭MATLAB‬ پیاده سازی و شبیه سازی شده اندو نتایج بدست آمده از دو الگوریتم مقایسه شده است و سپس الگوریتم ‮‭FAST ICA‬در نرم افزار ‮‭ISE‬ و بر روی تراشه ‮‭FPGA‬ از خانواده ‮‭Artix۷‬ پیاده سازی شده است

The neural signal recorded from implantable neural probes is usually noisy which can disrrupt process of neural signals.There are various noise sources of which the noise of amplifier, neural probe and nervous system are the most important ones.Because the nural noise is generated within neural signal there are few information about the generation process, frequency and charactristics of this noise, we cant use conventional methods to cancel such a noise. Independent Component Analysis ( ICA ) is an evolvable algorithm that can estimate the source signals from observed signals. regarding This fact, we can use this method to obtain the neural noise from recorded signal which is a mixure of neural signal and neural noise. In this thesis we evaluated the FAST ICA and LMS algorithm to cancel the neural noise. First two algorithms were implemented in MATLAB and the results were discussed, then The FAST ICA algoritm was implemented in VHLD using Vertix7 FPGA

ملک زاده، مسعود

فرونچی، جواد، استاد راهنما

مظفری، بهزاد، استاد مشاور

سیاه و سفید

نمایه‌سازی قبلی