دانلود آنی و ارسال سریع
در این آموزش تلاش شده است تا با استفاده از داده های واقعی کلیه مراحل پردازش سیگنال در متلب از فراخوانی داده ها گرفته تا پیش پردازش، استخراج ویژگی، حذف ویژگی های نامناسب از لحاظ آماری، طبقه بندی و ارزیابی طبقه بندهای مختلف مورد استفاده قرار گیرد تا دانشجویان به طور کامل کلیه مراحل را فرا گیرند.
در طول آموزش تاکید فراوانی بر چند معضل در این زمینه شده است که هرچند ساده و پیش پا افتاده به نظر می رسند ولی در واقع جز اساسی ترین مشکلات دانشجویان در حال حاضر هستند. تمرکز ابتدایی این آموزش بر نحوه فراخوانی داده های واقعی با فرمت های مختلف و همچنین ارائه راهکار برای فراخوانی تعداد فایل های زیاد به یکباره در متلب و به صورت اتوماتیک است. آموزش نحوه صحیح ارائه نتایج و شکل ها در پایان نامه ها و مقالات نیز مورد توجه قرار گرفته است و به چندین شکل مختلف بر نحوه های مختلف نشان دادن نتایج و تست کردن راه حل ها تاکید شده است.
امید آن می رود که با توجه به پایه ای بودن بسیاری از مباحث مطرح شده که با هدف برطرف کردن ضعف برنامه نویسی در دانشجویان پایه ریزی شده است، این آموزش سبب افزایش اعتماد به نفس دانشجویان شود و به آن ها در انجام تحقیقات خود یاری رساند.
فهرست سرفصل ها و رئوس مطالب مطرح شده در این مجموعه آموزشی، در ادامه آمده است:
- درس یکم: مروری بر مفاهیم پردازش سیگنال دیجیتال
- بررسی اجزای مختلف بلوک دیاگرام کلی مربوط به پردازش سیگنال دیجیتال
- ارائه تعاریف مقدماتی
- اشاره به برخی کاربردهای پردازش سیگنال در علوم مختلف
- درس دوم: فراخوانی انواع مختلف داده های واقعی در متلب
- ارائه چند مثال عملی از سیگنال های صوتی، ارتعاشاتی و بیولوژیکی با پسوندهای مختلف نظیر dat, xls, csv, txt, wav, mat
- چگونگی فراخوانی اتوماتیک داده های جمع آوری شده توسط دانشجو و تبدیل آن ها به یک مجموعه واحد
- درس سوم: پیش پردازش سیگنال
- کاهش فرکانس نمونه برداری
- بررسی روش های حذف انواع آرتیفکت (Artifact) و نویز از سیگنال ها
- معرفی فیلتر ساویتزکی گولای
- درس چهارم: استخراج ویژگی از سیگنال های واقعی
- بررسی روش های مختلف پنجره بندی سیگنال
- استفاده از دو مثال عملی از سیگنال های بیولوژیک قابل بسط به سایر حوزه ها
- معرفی و استخراج ویژگی های آماری از سیگنال
- تبدیل فوریه و کاربرد آن در استخراج ویژگی های فرکانسی
- استفاده از تبدیل ویولت برای استخراج ویژگی از سیگنال های ناپایا (Non-Stationary)
- استخراج ویژگی آنتروپی شانون (Shanon Entropy) از سیگنال به عنوان یک ویژگی غیرخطی
- معرفی برخی ویژگی های مورفولوژیک مربوط به انواع سیگنال های حیاتی
- درس پنجم: حذف ویژگی های فاقد سطح معناداری آماری مناسب
- اشاره به برخی روش های حذف و انتخاب ویژگی
- معرفی شاخص سطح معناداری آماری
- به دست آوردن p-value با استفاده از آزمون t و استفاده از آن در حذف برخی ویژگی ها
- درس ششم: طبقه بندی
- بررسی یک نمونه داده معتبر در زمینه سرطان سینه
- طراحی یک شبکه عصبی MLP و مروری بر جزئیات آن برای طبقه بندی داده ها
- معرفی و پیاده سازی عملی روش های ارزیابی کیفیت طبقه بندها نظیر صحت، حساسیت و اختصاصی بودن
- استفاده از ماشین بردار پشتیبان SVM جهت طبقه بندی داده ها
- معرفی روشی برای پیاده سازی عملی ماشین بردار پشتیبان SVM برای داده های چند کلاسه در متلب
- استفاده از طبقه بند k نزدیک ترین همسایه برای طبقه بندی داده های سرطان سینه
- استفاده از کلیه طبقه بندهای معرفی شده (ANN, SVM, KNN) برای طبقه بندی داده های مربوط به درس های سوم و چهارم
مفید برای رشته های
- مهندسی پزشکی
- مهندسی برق
- مهندسی کامپیوتر هوش مصنوعی
- مهندسی عمران
در ادامه لیست کتب انگلیسی منتشر شده در این زمینه معرفی شده اند:
| معرفی کتب انگلیسی | |||
| عنوان | نویسندگان | سال انتشار | |
| Bioelectrical Signal Processing in Cardiac and Neurological Applications (Biomedical Engineering) | L Sörnmo, P Laguna | ۲۰۰۵ | |
| Biomedical Signal Processing | Metin Akay | ۲۰۱۲ | |
| Advanced Signal Processing and Digital Noise Reduction | Saeed V. Vaseghi | ۲۰۱۳ | |
مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند 
حمید رضا :
با عرض سلام.
مدرس مختصر توضیح داده و خیلی سریع از مطالب میگذره.
student :
سلام
انتظار می رفت به معرفی ابزارهای هر حوزه پرداخته بشه.
حامد :
باسلام
مدرس خیلی سریع توضیح میدهد. بعضی فرمول ها قابل فهم نیستند.
محمدرضا :
سلام
من در لینک مربوط با پردازش سیگنال قلب با یه مشکل اساسی مواجه شدم از سایت mit -bih سیگنال های ثبت شده رو میشه گرفت ولی در اموزش شما توسط دکتر کمال جعفریان اشاره ای به دریافت کد atr از سیگنال قلب نشده این در صورتی هست که از سایت پایگاه داده قلب فقط میشه یک فرم یا کد ECG رو دریافت کرد در صورتی که در اموزش و فیلم ۲ ایشون اشاره میشه به دریافت دو کد که یکیش ATR.MATT هست
ممنون میشم این مورد توضیح داده بشه
روابط عمومی :
در پاسخ به محمدرضا:
با سلام؛
ضمن تشکر از حضور شما در فرادرس، پاسخ مدرس در ادامه آمده است:
درصورت نیاز به هر یک از فایلهای حاشیه نویسی سیگنال قلبی ecg برای پایگاه داده معرفی شده در فیلم آموزشی، که به فایلهای annotation معروف هستند و پسوند atr دارند، روی این لینک (+) کلیک کنید.
در ضمن یک تولباکس برای برقراری ارتباط میان پایگاه داده فیزیونت و نرم افزار متلب وجود دارد به نام WFDB TOOLBOX که در اینترنت موجود است. در این تولباکس هم دستور rdann فایل atr را در متلب فراخوانی می کند.
موفق و پیروز باشید.
نعمت :
واقعا عااااااالی بود.
کاشانی :
این آموزش صرفا برای کسانی هست که به پردازش سیگنال آشناهستند چون راجع به خود پردازش صحبتی نشده و ابزار های آن در نرم افزار متلب معرفی شده است.
mastaneh :
سلام
چند مورد اساسی وجود داره:
اول اینکه لحن صحبت و توضیح ایشون حوصله سر بر بود لحن بیان مفاهیم توسط استاد یک مسئله بسیار مهمه ایشون لحنشون بی حوصله و بی حال بود. دوم، نوشتید سیگنال های واقعی، کاش مینوشتید فقط ECG ما که دنبال EEG بودیم واقعا هیچی نسیبمون نشد.
سپاس
سعید :
به نظر من خیلی عالی بود. ای کاش EMD هم داخلش میاوردن ولی به طور کلی برای کسانی که بخوان داخل پایان نامه هاشون از مبحث پردازش سیگنال استفاده کنن به صورت کاربردی، مختصر و مفید تمام آنچه لازم دارن گفته شده. به کسانی که به دنبال تئوری های روش ها هستن توصیه نمیشه چون کاملا کاربردی گفته شده.
elham :
با عرض سلام و خسته نباشید و تشکر ویژه بابت سایت پربارتون لازم به ذکر است بنده با کمک آموزش پردازش سیگنال های واقعی در متلب شما توانستم پایان نامه خود را بدون نیاز به استادان راهنمایی که هیچگونه کمکی نمی کنند تا حد زیادی پیش ببرم. از این بابت از شما بسیار سپاسگذارم. درخواستی که دارم ، در صورت امکان در زمینه پردازش گفتار و صوت به صورت پیشرفته نیز درسهایی طراحی و ارائه گردد. مطمئنم دانشجویان و فعالان زیادی در زمینه ذکر شده بسیار استقبال خواهند کرد. با تشکر دوباره از تمامی زحمات شما . واقعا تحول بزرگی در زمینه انتقال دانش در سطح کشور ایجاد کردید. مطمئنم این حرکت شما می تواند جهانی شود. بسیار سپاسگذارم.
زینب :
خیلی تند از روی مطالب میگذرن و برای کسی که اطلاعات کافی نداره اصلا مناسب نیست.