Veuillez choisir le dossier dans lequel vous souhaitez ajouter ce contenu :
Résumé du colloque
Pour plusieurs applications de l'analyse des signaux physiologiques, les spectres constituent le résultat final. L'interprétation et la classification sont effectuées sur la base des seules propriétés spectrales: fréquences, amplitudes, énergie. Cependant, une représentation efficace de ces résultats, afin de diminuer l'information redondante, pourrait fournir un outil de classification puissant. Deux approches en ce sens sont investiguées ici: la transformation de Karhunen-Loeve et la prédiction linéaire. La première consiste en l'expansion d'une séquence de résultats dans l'espace des vecteurs propres de sa matrice de covariance. La deuxième utilise la théorie des filtres prédicteurs pour modéliser le signal comme une combinaison linéaire de ses valeurs antérieures, bruit, en fréquence, calculée de filtre tout-pôles qui génère le spectre d'intérêt. Les deux méthodes ont été testées sur les spectres des sons respiratoires, ce qui permet de vérifier leur utilité à la fois pour la classification des résultats et pour la compression des données.
Vous devez être connecté pour ajouter un élément à vos favoris.
Veuillez vous connecter ou créer un compte pour continuer.
Outils de citation
Citer cet article :
MLA
APA
Chicago
Ajouter un dossier
Vous pouvez ajouter vos contenus préférés à des dossiers organisés. Une fois le dossier créé,
vous pouvez ajouter un article ou un contenu de la liste ou de la vue détaillée au dossier sélectionné dans la liste.