Zastosowania metod przetwarzania strumieni danych
Wprowadzenie
- Metodyka przetwarzania strumieni danych:
- Akwizycja danych
- Przetwarzanie wstępne
- Ekstrakcja cech
- Klasyfikacja
- Cel: usuwanie trendów i szumów w strumieniach danych dla poprawy jakości analizy
Zastosowanie 1: Odszumianie sygnałów z żyroskopów
Metody oparte na algorytmie EMD
- Łączenie EMD z technikami regularyzacji
- Typowe podejścia:
- Twarde i miękkie progowanie interwałowe
- Operator SCAD (Smoothly Clipped Absolute Deviation):
θ(pk(zk(nj)); Tk/(μ+1), ak) =
pk(zk(nj)) * max(0, |pk(zk(nj))| - Tk) / (|pk(zk(nj))| - aT)
dla |pk(zk(nj))| > a * Tk/(μ+1)
Weryfikacja algorytmu
| Typ danych | Metryki | Przykładowe wyniki |
|---|---|---|
| Syntetyczne (Block, Bumps, Doppler) | - | Szum frakcyjny Gaussa (H=0.5) |
| Rzeczywiste (żyroskop) | QE [arcsec], ARW [deg/h1/2], BI [deg/h], RRW [deg/h3/2], RR [deg/h2] | EEMD-TVD: QE=0.0002·10-6, ARW=-0.0022·10-6, BI=0.0059·10-6 |
Metody oparte na VMD
- Inicjalizacja słownika VMD: D = T(y)
- Iteracyjne aktualizacje:
vk(m+1) = soft(ukm + dkm, λBPD,k/μ) - dkm
dk(m+1) = (1/μ) * T*(y - Σ vk(m+1))
Zastosowanie 2: Odszumianie skanów MRI
- Cel: poprawa jakości obrazów klinicznych T1-w (baza IXI)
- Metryka: SI (Structural Similarity Index)
- Porównanie metod:
Metoda Sesja 606 (SI) Proponowana 1058.853 LMMSE 946.223
Zastosowanie 3: Estymacja obrazów naturalnych na bazie fMRI
- Cel: generowanie obrazów cyfr na podstawie aktywności mózgu
- Porównane metody: Beliy et al., Ozcelik et al., Gxiv et al.
- Testy: 5 osób (Subject1-Subject5)
- Wnioski: Metody VMD wykazują wysoką skuteczność
Podsumowanie
- Kluczowe zastosowania:
- Odszumianie sygnałów z sensorów
- Poprawa jakości obrazów medycznych
- Analiza aktywności mózgu
- Techniki: EMD, VMD z regularyzacją (SCAD, SALSA)
- Metryki walidacyjne: QE, SI
*Based on lectures of Krzysztof Brzostowski ©
designed & developed by dimon.work