Advertisement

Zeit-, Frequenz- und Verbundbereich

  • Peter HusarEmail author
Chapter

Zusammenfassung

Physiologisch orientierte Methoden der Zeitreihenanalyse, der Spektralanalyse sowie der Zeit-Frequenz-Analyse (TFA, Time-Frequency Analysis) und Raum-Zeit-Analyse werden erläutert, analysiert und ihre Realisierung an typischen Biosignalen bzw. Fragestellungen demonstriert. Alle Methodengruppen haben es zum Ziel, einerseits den meistens schlechten SNR (Signal-Rauschen-Abstand) zu verbessern, andererseits typische Signalmerkmale zu detektieren und zu quantifizieren. In der Zeitreihenanalyse werden zunächst Artefakte eliminiert oder zumindest reduziert (Bewegungsartefakt, Muskelzittern, Schwankungen der Basislinie, Netzstörungen). Für die Quantifizierung werden typische Signalmerkmale (lokale/globale Extrempunkte, Flanken, Nulldurchgänge, Fußpunkte) detektiert und anschließend vermessen. Spektralanalyse findet bei Biosignale wenig Anwendung, da sie einen zyklostationären Charakter voraussetzt, der bei Biosignalen nur sehr selten vorkommt. Für den dynamischen Signalcharakter der Biosignale eignen sich am besten Methoden der TFA und der Raum-Zeit-Analyse, die hier detailliert erläutert und an experimentellen Daten demonstriert werden.

Supplementary material

152058_2_De_4_MOESM1_ESM.zip (156.5 mb)
Elektronisches Zusatzmaterial 1 (ZIP 160285 kb)

Literatur

  1. Baraniuk, R., & Jones, D. (Januar 1994). A signal-dependent time-frequency representation: fast algorithm for optimal kernel design. In IEEE Transactions on Signal Processing (S. 134–146).Google Scholar
  2. Berger, R., Akselrod, S., Gordon, D., & Cohen, R. (September 1986). An efficient algorithm for spectral analysis of heart rate variability. In IEEE Transactions on Biomedical Engineering (S. 900–904).Google Scholar
  3. Bergh, J., Ekstedt, F., & Lindberg, M. (1999). Wavelets mit Anwendungen in Signal- und Bildverarbeitung. Berlin: Springer.zbMATHGoogle Scholar
  4. Boashash, B. (2003). Time frequency signal analysis and processing. London: Elsevier.Google Scholar
  5. Debnath, L. (2002). Wavelet transforms and their applications. Boston: Birkhäuser.CrossRefGoogle Scholar
  6. Henning, G., Hoenecke, O., Husar, P., & Schellhorn, K. (März 1996). Time-Frequency Analysis in Objective Perimetry. In Applied Signal Processing (S. 95–103).Google Scholar
  7. Husar, P. (2010). Biosignalverarbeitung. Heidelberg: Springer.CrossRefGoogle Scholar
  8. Pan, J., & Tompkins, W. J. (March 1985). A Real-Time QRS Detection Algorithm. In IEEE Transactions on Biomedical Engineering (S. 230–236).Google Scholar

Copyright information

© Springer-Verlag GmbH Deutschland, ein Teil von Springer Nature 2020

Authors and Affiliations

  1. 1.Institut für Biomedizinische Technik und InformatikTU IlmenauIlmenauDeutschland

Personalised recommendations