생체의학 신호 처리의 기본 단계 (2)

특징 추출 방법 : 공동 시간 주파수 영역

 

이산 웨이블릿 변환 (Discrete Wavelet Transform, DWT)	신호는 직교 함수로 분해 압축 및 노이즈 제거 목적에 매우 중요
연속 웨이블릿 변환 (Continuous Wavelet Transform, CWT)	푸리에 도메인의 음의 주파수가 고려 TF 해상도는 다양 신호 압축 및 확장이 가능해짐 캡처된 비정상 특성 (window 너비 변경)
단시간 푸리에 변환 (Short Time Fourier Transform, STFT)	TF 표현은 모든 윈도우 신호에 대해 지역화 (localize) 신호 분할이 가능 (협대역 및 광대역 기준) 고정되지 않은 기능은 window를 사용하여 처리

 

특징 추출 방법 : 시간 영역

 

 

커널 회귀 모델링 (Kernel based modelling)	특징의 시각화 신호의 복잡성이 감소 클래스 분리 (선형성 기반)
선형 예측 부호화 (Linear predictive coding)	신호 인코딩을 위한 최선의 방법 신호 값 검증 노이즈 감소를 위한 최선의 방법 강력한 신호 양자화 가능
자기 회귀 모형 (AR Modeling)	노이즈 감소 향상된 해상도 스펙트럼 피크 모델링 신호 압축
형태 특징 추출 (Morphology feature extraction)	생리적 특성을 추출 숨겨진 데이터 및 신호 구조를 얻을 수 있음 쉽게 구성 가능
캡스트럼 분석 (Cepstrum analysis)	스펙트럼 에너지는 특징에 의해 포착 푸리에 변환 계산은 필요하지 않음

 

https://matlabprojects.org/biomedical-signal-processing-topics/

Top 5 Biomedical Signal Processing Topics [Novel Research Proposal]