بهینه سازی کیفیت سیگنال های بیولوژیکی در پایش احساسات با استفاده از تبدیل موجک

شناخت احساسات بر اساس روشهایی همچون پردازش حالت های چهره و یا واکنش رفتار فرد، یکی از روش های رایج است، اما استفاده از این روشها مشکلاتی از قبیل پنهان کردن احساس توسط فرد و تفاوتهای فردی در بروز حالت و رفتار را دارد بنابراین پیچیدگی شناخت احساس بسیار زیاد میشود. برانی اساس هدف از این پژوهش بهینه سازی کیفیت سیگنالهای زیستی چندگانه با استفاده از تبدیل موجک می باشد که منجر به تشخیص بهتر احساسات فرد میشود. یکی از این سیگنالها، سیگنال EEG است که به دلیل ارزان و در دسترس بودن به آن توجه زیادی شده اما به خاطر نویز پذری ی زیاد دارای پیچیدگی زیادی دردسته بندی است. روش گردآوری اطلاعات بر اساس روش کتابخانه ای بوده و سیگنالهای EDA مورداستفاده در این تحقیق از بانک اطلاعاتی TIMIT بوده و شبیه ساز ی الگوریتم پیشنهادی بر اساس این سیگنالها انجام گرفت. دیتای موردنیاز برای شبیه ساز ی سیگنال ETG ، از پایگاه داده MIT-BIH اخذ شده است که مجموعه ای از سیگنالهای ECG میباشد. در این پژوهش به بررسی عملکرد فیلترهای دیجیتالی بر روی سیگنال ETG پرداخته شد و به طور خاص فیلتر وفقی و تبدیل ویولت بر روی سیگنال ETG که از پایگاه داده MIT-BIH دریافت شده بود اعمال شد. ازآنجاکه روش طبقه بندی احساسات را بر اساس آنالیز زمان فرکانس سیگنالها ی EDAتوسعه میدهیم، ویژگیهای اصلی تبدیل موجک پیوسته با فرض تبدیل ویولت پیچیده برای اولین بار در اینجا ارائه میشود. دراین پژوهش، به جا ی استفاده از فیلترهایی که از سختافزار برای حذف نویز استفاده میکنند، فیلترهای دیجیتال پیشنهاد شدند. نتایج شبیه سازی ها نشان داد که تبدیل ویولت sym۴ و فیلتر وفقی با سایز پله ۰/۰۰۰۵ و طول فیلتر ۲۵نسبت سیگنال به نویز را به میزان خوبی بهبود می بخشند و قادر به آشکارسازی ویژگیهای اصلی سیگنال ETG خواهند بود.