شماره کتابشناسی ملی
شماره
۱۵۶۳۴پ
زبان اثر
زبان متن نوشتاري يا گفتاري و مانند آن
per
عنوان و نام پديدآور
عنوان اصلي
مدل سازی اسپارس سیگنال ECG مبتنی بر نظریه نمونه برداری فشرده
نام نخستين پديدآور
/المیرا رشتبری
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
: پردیس
تاریخ نشرو بخش و غیره
، ۱۳۹۴
یادداشتهای مربوط به نشر، بخش و غیره
متن يادداشت
چاپی - لوح فشرده
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
کارشناسی ارشد
نظم درجات
مهندسی برق گرایش مخابرات
زمان اعطا مدرک
۱۳۹۴/۱۱/۱۴
کسي که مدرک را اعطا کرده
تبریز
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
نمونه‌صبرداری فشرده یکی از حوزه‌صهای تحقیقاتی جدید در پردازش سیگنال و تئوری اطلاعات است که اخیرا مورد توجه بسیاری از محققین قرار گرفته است .ایده اصلی این بحث مدل‌صسازی تنک سیگنال ECG برمبنای نمونه‌صبرداری است .بسیاری از سیگنال‌صهای داده موجود در کاربردهای مختلف، قابلیت نمایش تنک در یک پایه خاص را دارند .بنابر این از نمونه‌صبرداری فشرده به عنوان یک روش بهینه برای فشرده‌صسازی داده‌صها در کاربردهای متفاوتی مانند پردازش تصاویر پزشکی استفاده می‌صشود .از کاربردهای نمونه‌صبرداری فشرده در شبکه‌صها، تحلیل ترافیک و مانیتورینگ، شبکه‌صهای کامپیوتری، جمع آوری اطلاعات در شبکه‌صهای حسگری بی سیم و شبکه‌صهای نظیر به نظیر می‌صتوان اشاره کرد .در نمونه‌صبرداری فشرده برای اندازه‌صگیری، اغلب از ماتریس‌صهای تصادفی گوسی استفاده می‌صشود که با احتمال زیادی شرایط لازم برای بازیابی داده‌صها به صورت یکتا برآورده می‌صکنند .هدف بازسازی سیگنال ECG با نمونه‌صهای کمتر است .ابتدا سیگنال ECG بررسی خواهد شد و در ادامه الگوریتم‌صهای مورد نیاز برای مدل‌صسازی معرفی صمی‌صشود، مانند تئوری نمونه‌صبرداری فشرده و الگوریتم بازسازی تعقیب انطباقی متعامد .شبیه‌صسازی‌صهای انجام شده نشان می‌صدهد که این روش قادر به مدل‌صسازی تنک سیگنال ECG با استفاده از الگوریتم بازسازی تعقیب انطباقی متعامد و تئوری نمونه‌صبرداری فشرده و با در نظر گرفتن پایه‌صهای گوسی خواهد بود
متن يادداشت
اتلاف‌های متغیر بازمان
متن يادداشت
اثر دوپلر
متن يادداشت
تبدیل‌های متعامد
متن يادداشت
تکنیک الموتی
متن يادداشت
چندمسیرگی
متن يادداشت
دایورسیتی
متن يادداشت
کدهای بلوکی فضا-زمان
متن يادداشت
محوشدگی
متن يادداشت
Compressive sensing as a new research area in signal processing and information theory has recently been the focus of many researchers. The main idea is modeling of the Electrocardiogram(ECG) sparse signal which is based on sampling. Most of the data signals in various applications, has the ability to display sparse in a particular base. Therefore compressive sensing is used as an optimal way to compress the data in different applications such as medical and image processing. Compressive sensing(CS) applications in networks noted as analysis and monitoring traffic, efficiency of computer networks, wireless sensor networks to collect information and peer-to-peer networks.In the Literature of compressive sensing, Gaussian random matrix often are used to measure which provide the necessary requirements with a high probability for unique retrieve data. The goal is to reconstruct the ECG signal with fewer samples. At first, the ECG signal will be reviewed and then the modeling algorithms required for such compressive sensing theory CS and reconstruction algorithm Orthogonal Matching Pursuit(OMP) will be introduced.Simulations show that this method will be able to model the sparse ECG signal using OMP reconstruction algorithms and theory of CS and by taking base Gaussian
عنوانهای گونه گون دیگر
عنوان گونه گون
2
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )
مستند نام اشخاص تاييد نشده
رشتبری، المیرا
نام شخص - ( مسئولیت معنوی درجه دوم )
مستند نام اشخاص تاييد نشده
یوسفی رضایی، توحید، استاد راهنما
مستند نام اشخاص تاييد نشده
طینتی، محمدعلی، استاد مشاور
دسترسی و محل الکترونیکی
يادداشت عمومي
سیاه و سفید
وضعیت فهرست نویسی
وضعیت فهرست نویسی
نمایه‌سازی قبلی
