• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>2016 International Conference on Electrical Power and Energy Systems >Respiratory signal analysis using PCA, FFT and ARTFA
【24h】

Respiratory signal analysis using PCA, FFT and ARTFA

机译：使用PCA，FFT和ARTFA进行呼吸信号分析

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Sinus patients, both humans and animals, are increasing day by day in the world. That's why today signal analysis has been the need to know the diseases in the patient. Biomedical signal processing (BSP) has great importance in the life of every human and animal. Without BSP signals cannot be analysed, resulting in failure of disease acknowledgment. In this paper respiratory signals of Sinus and Normal Person has been analysed using Principal Component Analysis (PCA), Fast Fourier Transform (FFT) and Auto-Regressive Time-Frequency Analysis (ARTFA). PCA is used where dimension reduction is required. It has found many applications in BSP. ARTFA allows us to follow the changes in frequencies involved in the signal through time. For this, frequency changes in time are required to be observed. FFT examines the signal in frequency domain and calculates the spectral function (SF). In this paper, the variance of First Principal Component and Second Principal Component have been calculated for Sinus and Normal Person and these values are 86.94%, 13.05% and 92.733%, 7.266% respectively.
机译：人和动物的鼻窦患者在世界上日益增加。这就是为什么今天的信号分析一直需要了解患者的疾病。生物医学信号处理（BSP）在每个人和动物的生命中都非常重要。如果没有BSP信号，则无法进行分析，从而导致疾病确认失败。本文使用主成分分析（PCA），快速傅立叶变换（FFT）和自回归时频分析（ARTFA）分析了窦和正常人的呼吸信号。 PCA用于需要减小尺寸的地方。它在BSP中发现了许多应用程序。 ARTFA允许我们随时间跟踪信号所涉及的频率变化。为此，需要观察时间的频率变化。 FFT在频域中检查信号并计算频谱函数（SF）。本文计算了窦和正常人的第一主成分和第二主成分的方差，分别为86.94％，13.05％和92.733％，7.266％。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号