Professional Documents
Culture Documents
Signali Spektri
Signali Spektri
Kad kaemo derivati, mislimo na konstrukcije ili veliine izvedne iz polaznih, a koje mogu
biti i izvodi derivacije. Ovde e derivati biti Furijeovi razvoji, kao i njihove sloenice
njihovi dalji kompoziti/derivati.
Prisutni su sistemi razliite sloenosti i namene. U GIS su razvijani raznovrsni sistemi koji su
naili na iru primenu u procesiranju signala, posebno u laboratorijskim istraivanjima u
nauci, biomedicini i tehnici (www.gisss.math.rs).
Jednostavnija arhitektura ima sledee elemente: niz istovetnih ili razliitih akvizicionih
ureaja sa analognim (eventualno digitalnim) izlazom, interfejse, AD/DA konverziju, raunar,
softver koji podrava potrebne funkcije. Jednostavnija arhitektura se moe iriti u mrene
aplikacije, gde se pojedine funkcije sistema distribuiraju na mreu raunara.
Koncepti i elementi arhitekture hardvera i softvera, kao i unutranji standardi koji se koriste,
dovoljno se generalno postavljaju da omoguavaju fleksibilnu realizaciju varijanti ureaja i
sistema za obradu signala u raznovrsnim primenama, ukljuujui i sasvim specifine.
5.1. Elementi
Slika 54. Na levoj slici prikazana su dva sintetika signala koji se direktnim uvidom ne razlikuju; oba sadre
samo komponente baze; njihovi spektri na slici u sredini ukazuju na prisustvo etvrte sinusne komponente
najmanje amplitude i najvie frekvencije u desnom signalu, dok su ostale komponente u oba signala istovetne.
Slika 55. Primer snimka akustikog signala i njegovog spektra sa izraenim dominantnim spektralnim linijama
koje karakterizuju sadraj signala.
Ovde emo istai neke parametre Fourierove spektroskopije, kojima se u literaturi esto ne
pridaje odgovarajui znaaj, pa se onda dogadjaju odstupanja pridruene semantike od
realnosti. Na slici 56 imamo na ulazu (levo) signal iz primera sa slike 55, a na desnoj strani
imamo vie spektara ovog signala. Uoavamo veoma znaajne razlike u prikazanim
spektrima, to neemo diskutovati u svim detaljima, ali odmah se vidi da se proporcije istih
frekventnih komponenti radikalno menjaju izmedju ovih spektara. Svi prikazani spektri
izraunati su istom metodom. Otkud tolike razlike?
Slika 56. Signal sa slike 55 i pridrueni Fourierovi spektri. Svi spektri izraunati su istim algoritmom. Otvara se
znaajno pitanje ta onda u eksperimentu znae spektralne linije.
Prvo, recimo da su prvi i etvrti spektar dobijeni istim postupkom kao i prethodni, ali sa
razliitim brojem taaka tj. razliitom preciznou. Signal je isti, dakle brzina merenja
semplovanja je ista za sve spektre. Medjutim, razlika u preciznosti odmah ukazuje da su
spektri raunati na razliitim komadima merenog signala sa zajednikim poetkom, dakle, na
razliitim vremenskim intervalima, a signal oigledno nije stacionaran. Takodje, za preostala
tri spektra navedimo da su drugi i trei iste preciznosti kao prvi, dok je peti iste preciznosti
kao etvrti, ali da su raunati polazei od poetnih taaka merenja koje su neto udesno od
prethodnih spektara, dakle, ne na identinom komadu signala. Ovo je veoma jednostavan
primer signala akustiki tonski signal, koji se sastoji samo od TP, od jednostavnih
frekventnih impulsa, ali signal ima promene u vremenu, nisu sve komponente sinhrone, tj.
nisu sve istovremeno aktivne, nego se aktiviraju sa vremenskim pomakom. Naravno, ovde je
neophodno da brzina odmeravanja- semplovanja bude odgovarajua: najvia frekvencija u
izraunatom spektru jednaka je polovini brzine semplovanja Nf, Najkvistova frekvencija.
Kolinik Nf i spektralne rezolucije odredjuje i frekventni atom, frekventni interval u kome se
frekvencije ne mogu razlikovati. Dakle, da bismo merenjem obuhvatili sve znaajne
frekventne komponente, neophodno je da zabeleimo onu sa najviom frekvencijom, pa se
Najkvistova frekvencija mora podesiti iznad frekvencije ove komponente.
U matematici, bavei se funkcijama, uvek ili bar skoro uvek, polazimo od njihovih analitikih
oblika koji identifikuju same funkcije i onda sprovodimo uvebane postupke kojima
odredjujemo sve znaajne invarijante ispitivane funkcije. U realnosti merenjima se dolazi do
svih infomracija o realnim procesima, za koje postoje ili ne postoje matematike paradigme.
U drugom sluaju, preostaje nam da nakon ili u toku merenja, iz mase mernih podataka
agregiramo neke oblike funkcionalnosti ije e invarijante karakterizovati ispitivane procese,
a da se isti matematiki analitiki oblik zakonitosti/funkcionalnosti ne poznaje ili je ak i
u uobiajenom smislu potpuno nemogu. Tada, ako imamo dovoljno dobre spektroskopske
uvide, gde broj Furijeovih koeficijenata moe da bude hiljadu, million ili vie, mi potpuno
izlazimo iz uobiajene primene matematike u realnom svetu i prelazimo u domen
eksperimentalne matematike iz jednostavnog razloga. Mogunosti naeg poimanja sintaksnih
oblika (kojima se odredjuju uobiajene analitike forme) je ograniena duinom sintaksnih
nizova. Tako za formulu koja staje u dva do tri reda ili ima oblike uniformnog raspisa (kao
npr. uobiajeni sistemi jednaina, lepi nizovi/redovi), tj. u situacijama u kojima koristimo
uobiajeno tri takice, na uobiajeni smisao za apstrakciju omoguava uvid u sintaksni oblik,
to svi vole i u emu su svi u redovnom treningu uvebani. Ako u sintaksnom obliku nema
jednostavno opisivih pravilnosti ili ako isti po broju znakova prevazilazi nekoliko desetina,
onda takav sintaksni oblik za matematikog posmatraa gubi semantiki integrabilnu
strukturu i time prestaje da bude pojmljiv kao analitiki oblik. Dakle, nije nama potrebno da
izraz ima beskonano mnogo simbola da bi nam postao potpuno stran, moe to da se desi i na
manjem konanom broju. Znaaj numerike Furijeove reprezentacije u primenama, otvara
vaan novi domen matematike koji nazivamo eksperimentalna matematika zbog nedostatka
oznaka-naziva, u kome uobiajeni matematiki postupci karakteristini za operisanje sa
analitikim oblicima, sa formulama u kojima imamo povezani, potpuni uvid prestaje da bude
delotvoran. Ali tu nikako ne prestaje matematika, samo to sada uobiajene invarijante bivaju
zamenjene eksperimentalno uoljivim, uz naglaeno poveanje (sintaksne) sloenosti ili ak i
potpuni gubitak bilo kakvih sintaksnih oblika sa kojima se direktno operie. U odsustvu
ablona i uvebanih metoda, tu preostaju intuicija i kreativnost, uz pojaanu opreznost i
kritinost u zakljuivanju.
Savremena raunska pomagala uvode znaajan novi kvalitet u ovom domenu. Navedimo
primere iz uobiajene matematike obuke. esti su zadaci razvoja funkcija u redove. Npr. u
razvoju funkcije u Furijeov red, trai se odredjivanje opteg lana ili prvih 4 do 5
koeficijenata Furijeovog razvoja. U oba sluaja uobiajeno je da medju prvim koeficijentima
neki budu jednaki nuli, to se lake uvidja, a da se onda rauna svega nekoliko, do tri i iz
njihovog oblika se pogadja opti lan razvoja, za ta je uobiajeno neophodno blizu sat
vremena, znai ~ 0.5 do 1k sekundi po koeficijentu.
Sve prethodno navedeno ukazuje na neophodnost uvodjenja (ponovljene ili klizne) vremenske
spektroskopije. Na slici 54 desno, vidimo sukcesivne spektre sa pomakom za neki t,
odnosno vremensku spektroskopiju. Za stacionarne signale, ponovljeni spektri nee imati
promena, pa samim tim, u ovom sluaju vremenska spektroskopija nema veeg znaaja. Ali tu
je potrebno da unapred znamo da je signal stacionaran, to je dosta retko u realnosti, ali
odmah uvidjamo znaaj odredjivanja komada signala u kojima je spektar dovoljno stabilan.
Polazimo od sasvim jednostavnog primera. Analogni signal ponavljanog tona na 583Hz (d1)
sa kraom pauzom, proizvedenog na maloj elektrinoj organi doveden je u sistem,
digitalizovan na cca 4kS (kilo sempla) i podvrgnut Furijeovoj spektroskopiji, to je prikazano
na Slici 57, gde imamo signal, spektar u kome se direktno oitava amplitude signala
osnovne frekvencije, kao i prvih harmonika (dvostruka i trostruka osnovna uestanost).
Imamo i vremenski spektar ponovljeni spektar sa klizanjem kroz signal na slici levo. U 3D
strukturi se vide spektralne linije u vremenu: frekvencije i amplitude po apscisi i z-osi, dok se
po ordinati vide vremenske promene. Na taj nain ostvarujemo uvid u prisutne frekventne
komponente, kada poinju, koliko traju, kako se spektralne linije ponaaju u vremenu, ovde
vidimo da su konstantne i amplitude i frekvencija (za vreme trajanja tona). 3D realno
vremenska navigacija na ovim strukturama koje se posmatraju u realnom vremenu,
obezbedjuje potpuni uvid u process. Na slici desno, imamo zenitni pogled na 3D spektrogram,
dobijen tako to se pojedinano izraunati spektri vektori redjaju po ordinati s desne strane
dijagrama, koji tee u realnom vremenu. Dakle, po vertikalnoj osi imamo frekvencije, rastue
u smeru prema dole, po horizontali vremenski tok, intenziteti amplitude sastojaka su kolor
kodirani. Ovako se najbolje vidi, poetak, tok i kraj pojedinanih frekventnih komponenti
signala, kao i intenzitet, odnosno dinamika intenziteta u toku vremena (kretanje spektrograma
sinhrono promeni u signalu, odvija se s desna u levo).
Slika 57. Snimak tonskog signala na 583Hz, snimljen i posmatran u realnom vremenu, sa pojedinanim
spektrima, vremenskim promenama - spektrogram, sa izraenom jednom dominantnom frekvencijom i njenim
harmonicima, na levoj strani; na desnoj strani imamo 3D spektrogram, zenitni prikaz spektrograma sa leve
strane, frekvencije po vertikalnoj osi, po horizontalnoj osi je vreme, usmereno s desna u levo, intenzitet je kolor
kodiran, gde se precizno vidi prisustvo frekventnih komponenti i njihove dinamike promene u realnom
vremenu, realno veoma male. Direktnim posmatranjem signala teko raspoznatljivo, spektroskopijom u realnom
vremenu postaje veoma pristupano.
U sledeem primeru, slika 58, imamo slinu situaciju, neto sloeniju. Snima se, arhivira,
analizira i prikazuju rezultati analize akustikog signala u realnom vremenu i prate promene
njegovog sadraja koristei 3D Furijeovu spektroskopiju u realnom vremenu. Na levoj strani
slike 54, imamo signal jedan spektar u preseku i dole spektrogram, sve slino kao i u
prethodnom primeru. U sredini i desno 3D vremenski spektri, zenitni i pogled sa strane, sa
punom 3D navigacijom u realnom vremenu. U realnom vremenu se identifikuje tonska
sekvenca, sa koordinatama < 583Hz, 659Hz, 527Hz, 263Hz, 395Hz>, koja se sastoji iz
tonova melodije <d1, e1, c1, c, g> odvojeno proizvedenih na istom instrumentu. Direktno se
uoava da su tonovi sline duine i intenziteta- amplitude, stacionarne amplitude i frekvencije
dok traju. Sve se deava sinhronizovano u realnom vremenu (prikazane slike su dobijene
zamrzavanjem tenih na ekranu).
Slika 58. Snimljen akustiki signal u kome je prisutna melodija (d1, e1, c1, c, g) sa alternativnim 3D
spektrogramskim prikazima u realnom vremenu, u kojima se vide detalji frekventnih komponenti prisutnih u
signalu i njihova dinamika u vremenu. Za svaku pojedinanu liniju u spektru ovog snimka, vidi se precizno kada
nastaje, kakva joj je vremenska dinamika- promene, kada prestaje.
U primeru na slici 59 imamo hidrofonski zapis snimak komunikacije grbavih kitova, koji se
pre svega sastoji od tonova pesma kitova. Spektrogrami su dobijeni zamrzavanjem
ekranskog prikaza vremenskih spektara u realnom vremenu, nadovezane su strukture koje su
u vremenskom redosledu. Tonski zapis, spektroskopski prikazan sa svim detaljima
komponentama u signalu, ukazuje na sloenu sintaksnu strukturu jezik kojim ovi sisari
komuniciraju i na velikim daljinama.
Slika 59. Snimak akustikog signala razgovora/pesme grbavih kitova, gore crno, rastavljen u prisutne
frekventne komponente Furijeovom realno vremenskom spektroskopijom; selektovan komad spektrograma, levo
dole u desnom delu slike, prikazan uveano u gornjem desnom delu slike. Frekventna osa usmerena prema gore.
Da Furijeova realno vremenska 3D spektroskopija omoguava prepoznavanje kompletnog
muzikog sadraja, i to lokalizacijom, ekstrakcijom i odredjivanjem dinamikih svojstava
pojedinanih tonova prisutnih u izvodjenom muzikom delu, u realnom vremenu, vidimo iz
sledeih primera. Prvo, na slici 60, u desnom delu prikazan je poetak partiture Goldberg
varijacija, J.S Bacha. U levom delu je prikazan teni, realno vremenski spektrogram, drugi
snimak izvodjenja Glen Goulda. Korespondencija frekventnih komponenti spektrograma
(dobijenog zamrzavanjem tenog ekrana u realnom vremenu) na levoj strani i nota partiture
na desnoj strani je direktna i jednoznana.
Slika 60. Realno vremenski tok spektrograma, s desna u levo, odgovara vremenskom toku partiture s leva u
desno (jedinstvo vremena u obe strukture: starije vreme u strukturama je levo u odnosu na mladje vreme), sa
oiglednom direktnom korespondencijom partiture i odsviranih tonova, to omoguava rekonstrukciju partiture
iz muzikog izvodjenja, kao i uvid u specifinosti prisutne interpretacije. Snimak (CBS): Glen Gouldovo
izvodjenje Goldberg varijacija J. S. Bacha poetak (Frekventna osa usmerena prema gore).
U sledeem primeru, slika 61, imamo realno vremenski spektrogram, agregirane spektralne
promene u vremenu, tonskog snimka (Archive production, Orgelwerke) Helmut Walcha svira
na orguljama poslednji Bachov kontrapunkt, KDF kraj. U sloenoj fugi, uoava se (druga
tonska linija odozdo), u kojoj se kompozitor potpisuje (tema BACH), na kraju
monumentalnog dela, diktirano sinu na samom kraju ivota. Desno, isto izvodjenje, sa veim
komadom muzike i prekidom na kraju.
Slika 61. Snimak izvodjenja, organista Helmut Walcha izvodi na orguljama Bachovu poslednju fugu iz KDF.
Levo uoava se lako potpis kompozitora, desno vei deo zavrnog spektrograma ovog izvodjenja. Frekventna
osa usmerena prema gore.
U prethodnim primerima vidimo da je prepoznavanje muzikog sadraja notnog teksta, sa
celokupnom sintaksnom strukturom, mogue polazei od spektrogramskih sadraja
vremenske Furijeove spektroskopije muzikih tonskih zapisa. Navedimo da prikazani
sluajevi ukljuuju i izvodjenja najsloenijih muzikih dela. Ali, navedimo i da imamo
mnotvo mnogo jednostavnijih primera gde je zadatak prepoznavanja sintakse neto ili ak
veoma otean.
Slika 62. Primer signala sa tonskim govornim zapisima, u gornjem redu; u donjem redu prikazani su njihovi
3D Furijeovi vremenski spektrogrami, koji sadre potpunu informaciju o detaljima u ovim signalima, to daje
osnova za prepoznavanje.
Slika 64.(GIS/Lab. prof. Nine Japundi, Institut za farmakologiju i toksikologiju Medicinskog fakulteta, Un. u
Beogradu) Signal sranog pritiska, gore; vremenski spektrogram sa oznaenim opsezima u dva bojenja, dole;
uoava se dosta stabilna linija formacija u HF, kao i formacije u VLF opsegu (i primena mernih instrumenata
na spektrogramima).
U eksperimentima sa hemoragijom - iskrvarenjem, 3D spektroskopija obezbedjuje visok
stepen matematike karakterizacije procesa. Na slici 65 dati su kontrolni spektar, zatim
spektar sranog pritiska u situaciji sa 10% (zapremine krvi) hemoragijom i 20% hemoragijom.
Naglaene su relativne promene u spektralnim formacijama u svim opsezima, kao i specifini
relativni odnosi unutar pojedinanih spektrograma.
Slika 65. (GIS/Lab. prof. Nine Japundi, Institut za farmakologiju i toksikologiju Medicinskog fakulteta)
Spektrogrami u eksperimenti sa hemoragijom. A kontroloni, B hemoragija 10%, C hemoragija 20%
volumena krvi.
Slika 66. (GIS/Lab. prof. Nine Japundi, Inst. za farmakologiju i toksikologiju Medicinskog fakulteta)
Hemoragija spektrogrami: A- hemoragija 10%, B hemoragija, pretretirana, efekat kaptoprila, C hemoragija
pretretirana fentolaminom, D hemoragija (10%) pretretirana sa V2255.
Promene morfologije spektralnih formacija i relativni odnosi formacija u eksperimentima sa
gubitkom tenosti dehidratacijom, koji naglaeno karakterizuju specifine eksperimentalne
situacije prikazani su na slikama 67 i 68.
Slika 67. (GIS/Lab. prof. Nine Japundi, Inst. za farmakologiju i toksikologiju Med. fakulteta) Spektralni
odgovor - akutni gubitak tenosti prouzrokovan furosemidom i dejstvo antagonista vazo-aktivnog sistema; A -
kontrola, B - efekat furosemide, C - efekat furosemide-kaptopril, D - efekat furosemide-kaptopril-fentolamin, E -
efekat furosemide-kaptopril-fentolamin-V2255.
Slika 68. (GIS/Lab. prof. Nine Japundi, Inst. za farmakologiju i toksikologiju Med. fakulteta) Delovanje
antagonista vazo aktivnih sistema -spektralna karakterizacija arterijskog pritiska u hroninom gubitku tenosti u
24h - dehidrataciji. A kontrola, B efekat dehidratacije (gubi se HF formacija), C - efekat kaptoprila, D -
efekat kaptoprila-fentolamina, E - efekat kaptoprila-fentolamina-V2255
Delovanje pojedinanih supstanci i odredjenih kombinacija na arterijski pritisak prikazan je
na slici 69.
Slika 69. (GIS/Lab. prof. Nine Japundi, Inst. za farmakologiju i toksikologiju Med. fakulteta) Delovanje
modulatornih supstanci/kombinacija na arterijski pritisak. Spektrogram kontrolnog signala, gore, zatim oznaeni
modulatori, signali i spektrogrami sa karakteristinim promenama u spektroskopskim formacijama.
Slino kao u prethodnim primerima delovanja supstanci na arterijski pritisak, uvidom u
morfologiju spektrograma, gornji pogled, prikazujemo u primerima na slikama 70 71.
Uoavaju se pomeranja spektralnih formacija koje odgovaraju specifinim fiziolokim
procesima u svim opsezima, sa prisutnim znaajnim izoblienjima (desni spektrogrami).
Odredjene formacije u spektrogramu korespondiraju fiziolokim procesima-funkcijama. Zato
je primernije da govorimo o pomeranju spektralne linije/spektralne formacije, to ima punu
semantiku vezu, nego da spektralnu liniju apsolutno fiksiramo za odredjenu frekvenciju.
Slika 70. Delovanje supstanci na morfologiju spektrograma (gornji pogled - top view). Levo kontrola. Desno
Slika 71. Delovanje supstanci na morfologiju spektrograma. Kontrola, levo. Desno promene nakon aplikacije
heksametonium hlorida.
5.5. Elektro fiziologija - neurologija, encefalografija
Poto je uoeno da i miii pod tenzijom generiu sline oscilacije, najjednostavnije je bilo da
se aktivnost iznad nekoliko desetina Hz pripie miinim artefaktima, ime su modane
aktivnosti svedene u uski frekventni opseg [0, 30-40Hz], to je onda odredilo i sve ostale
tehnike i matematike veliine prisutne u akviziciji, direktnom opaanju i analizi modanih
signala. Ako se vratimo na primer signala individualnog neurona iz Glave 1, gde je
primenjena brzina semplovanja od 30000 merenja u sekundi (Nf = 15kHz), a to je
neophodno, tako rei minimalno da bi se stekao bolji uvid u detalje signala, onda vidimo da
prethodno ogranienje u odredjivanju osnovnih svojstava modanih signala gubi smisao.
Eksterno posmatrano, ako mozak prima mega pixelnu sliku, do preko 20 okvira u sekundi,
koje se (ko)procesiraju u realnom vremenu u razliitim regionima ili ako podsetimo da je
noviji standard u HiFi blizu 100KHz semplovanja sa 24bitnom dinamikom rezolucijom, a
to dolazi od zahtevanog kvaliteta zvuka koji nameu iskustvo/percepcija, onda vidimo da
gore navedena aksioma zahteva profinjenje od 3-4 reda veliine. Ako jo imamo prisutnu
spektroskopiju, dovoljno rezolutnu po frekvenciji i po vremenu, onda ovi tehniki zahtevi
predstavljaju donje ogranienje.
Naravno, danas se manje posmatraju direktni papirni zapisi signala, jer je moderan EEG
aparat povezan sa raunarom, signali se AD konvertuju i arhiviraju-snimaju u raunar, dalje
se kopiraju i distribuiraju, po potrebi i tampaju. Svakako znaajna novina sadrana je u
mogunostima matematike analize diskretizovanih signala, koje poseduju i merne alate koji
omoguuju precizno merenje unutar ispitivanih funkcija -modanih signala, sa naknadnim
uporedjivanjem i klasifikacijama specifinosti (pogledati teze [131, 139]).
Samim pregledom signala, mogue je ostvariti znaajan uvid u funkcionisanje mozga, ali se
ovim nainom ne iscrpljuju potrebe za detaljnijim uvidom i razlaganjem elementarno sloenih
situacija, na koje je ukazano u Glavi 1 i na poetku ovog poglavlja. Moderan sistem za
beleenje i analizu modanih aktivnosti treba da ima razreena pitanja koja su gore pomenuta.
Novi zahtevi se nameu kod svakog novog otkria. Komponente ovakvog savremenog
sistema ukljuuju kapu za montiranje elektroda, elektrode koje se dovode u direktan kontakt
sa koom glave, modul-interfejs za podeavanje, dovoljno rezolutnu (vreme i dinamiki
raspon) AD konverziju i softver u raunaru koji omoguava navedene funkcije, pri emu se
dovoljno esto uvode novine unutar analitikog bloka. Tu sve vie ima znaaja mnogo
kanalna, paralelna, visokorezolutna vremenska spektroskopija ([68]). U primeru koji sledi,
slike 71-73, prikazani su modani signali iz jednog od eksperimenata u kojima se koriste naa
kompletna reenja, a koja se eksploatiu u vie istraivakih laboratorija. Osim polaznih
signala, imamo i njihove spektre, ekstrakte spektara na poddomenima, kao i 3D
spektrograme- vremenske Furijeove spektre.
Slika 71. (GIS/IBISS) Primer akvizicije modanih signala u realnom vremenu. Prikazani sistem (SIGVIEW)
obezbedjuje do 16 monopolarnih, alternativno, 8 bipolarnih elektroda, sa kojih se signali AD konvertuju,
snimaju, prikazuju i eventualno dopunski analiziraju u realnom vremenu. Levo, signali i njihovi Furijeovi
spektri, spregnuti sa snimanjem i prikazom u realnom vremenu. Na desnoj strani imamo zumirane segmente koji
su takodje (protono) spregnuti i dostupni u realnom vremenu. Prikazani sistem sadri i ogranieni kalkulatror
koji na vektorima/matricama, segmentima signala i spektara omoguava izvestan broj matematikih operacija,
koje imaju za cilj izdvajanje, prikaz i prenos u eventualno dalje procesiranje uoljivih ili slabo uoljivih
matematikih invarijanti. Tako dolazimo do sloenijih derivata signala, spektara i spektrograma u realnom
vremenu, koji mogu da koriste u sloenim zadacima istraivanja i ispitivanja funkcionisanja mozga u
specifinim ili manje specifinim okolnostima.
Prikazani sistem sadri relativno jednostavan kalkulator koji podrava elementarnije operatore
i njihove dalje kompozicije na ulaznim i proizvedenim vektorima i matricama, sve spregnuto
u protonu celinu kojoj je bio cilj da obezbedi sav raun, strukture i 3D navigaciju na
spektrima i kompozitima u realnom vremenu, to sve prevazilazi arhitekturu sistema srednje
generacije.
Navedimo ovde i savremenu Magneto Encefalo Grafiju MEG, koja ima sline zahteve u
akviziciji i procesiranju modanih signala kao i savremeni EEG. Navedena visoka rezolucija
po broju ulaznih kanala omoguava ve EEG-MEG tomografiju: gustina elektroda je dovoljno
visoka, da mape modane aktivnosti integriemo u topografiju mozga sa dovoljnom
rezolucijom, da iste moemo posmatrati kao 4D tomografiju, 3D po morfologiji mozga,
etvrta dimenzija odgovara promeni u signalima, tako da 4D visokorezolutna modana
tomografija preuzima dominaciju kao glavno sredstvo za introspekciju u realnom vremenu.
Andreas Ioannides pionir MEG tomografije ostvario je jo pre 7 godina sistem sa preko 255
izvora, submilisekundnim semplovanjem, koji omoguava uvid u dinamiku modanih
aktivnosti uvidom u film, 1-milisekundno separirane spektralne mape mozga u jednostavnim
eksperimentima (npr. stimulacija Scarlatijev komad) ukazuju na izuzetno dinamino i
kompleksno koprocesiranje, koje ukljuuje brza naizmenina aktiviranja veeg broja rasutih
modanih regiona u sluaju relativno jednostavnog muzikog sadraja, ime pitanje modane
konektivnosti dobija primarni znaaj u istraivanjima koja tretiraju funkcionisanje mozga.
Tehnike izvedbe koje se ovde koriste trpe permanentna unapredjenja sa brzim razvojem
vrhunskih tehnologija, koje ukljuuju mnogostruko paralelno procesiranje, rasporedjeno po
vieslojnoj sloenoj arhitekturi.
Slika 74. Gornja slika: na signalima iz prethodnog primera: realno vremenski spektri, dole crveno, i nataloeni
vremenski spektri spektrogrami u realnom vremenu, boni i zenitni pogled, sa potpunom 3D real time
navigacijom na 3D strukturama i mogunostima multimonitoringa po pojedinanim i bono spregnutim
raunarima. Donja slika (osam prozora): paralelno vodjeni signali ivog snimka (drugi monitor) u realnom
vremenu (Zaratustra) sa real time spektrima (crveno) i spektrogramima (gornji i boni pogledi), sa punom 3D
navigacijom u realnom vremenu na 3D strukturama. Na ovaj nain, multimonitoringom i bonim paralelnim
sprezanjem raunara, proiruje se mogunost paralelnog procesiranja, sa svim analizama, grafikom i protonom
mrenom i distribucijom po Internetu do istih klijent-aplikacija i drugih zainteresovanih procesa, ime se
mnogostruko proiruje uvid u posmatrane procese, praeno mogunostima udaljenog i veoma udaljenog
sinhroniciteta na analitiko perceptivnom spratu dogadjaja.
5.7. Spektroskopija, dopunska razmatranja
Bez detaljnije elaboracije ukazali smo i na naknadne derivate kompozite izrasle dodatnom
matematikom obradom iz polaznih spektara i spektrograma, iji znaaj negde znatno
prevazilazi znaaj polaznih matematikih struktura.
Ipak, navedeni kriterijum semantike stabilnosti zahteva poseban oprez i obaveznu dopunsku
analizu, jer ve u jednostavnim primerima, moe dosta lako da se desi (ili podesi) da manje
bude vee od veeg, to niko ne eli i to lako obesmiljava primenu matematike, u iju
ispravnost i konsistentnost cela nauka duboko veruje, a to za sebe predstavlja, moda,
najjau univerzalnu dogmu (aksiomu) moderne nauke.
Za prvo, imamo kriterijum kvaliteta: optimalna baza e biti redukovana: Furijeov spektar po
optimalnoj bazi e imati minimum dominantnih linija; ovo moe biti dosta dobro kod
spektralno koherentnih signala gde jedna ortonormirana baza dobro pogadja sve rezonantne
uestanosti i ima minimalan broj harmonika.
Za drugo, moemo rei da se moe primeniti u sluaju poznatih meanja signala kao
aproksimacija. Medjutim tu je isputena ortonormiranost (elemenata odabranog renika
kolekcije funkcija), pa se zato u spektru gubi proporcija intenziteta u odnosu na
komponente u realnom ulaznom signalu.
Isputena ortogonalnost proizvodi jo mnogo vei problem: uvodi nove harmonike koji nisu u
rezonanci sa signalom ne predstavljaju realni odgovar na postojee komponente signala, pa
se onda ovaj metod i kao aproksimacija ne moe uzeti u razmatranje u optijim okolnostima,
osim u sluajevima kada su unapred poznati elementarni sastojci signala, a to moemo imati
samo u ponavljanjima visoko kontrolisanih eksperimenata, ili u situaciji kada sitnije
komponente gube znaaj (npr. filtriraju se).
Situacija je svakako oteana kod miksova koji meaju raznovrsne frekventne komponente (iz
razliitih ortonormiranih baza). Poto smo naglasili znaaj vremenske spektroskopije
protonih spektrograma, tu nam navedene tekoe istovremeno pomau i odmau.
S jedne strane, u sloenijim procesima moemo imati prisutne meavine navedene vrste, s
druge strane, uz dovoljno brzo semplovanje, za oekivati je da su u vremenskom lokalu takvi
miksovi redji ili da se mogu vremenski razdvojiti, pa da se na delovima spektrograma
eventualno sprovode neke primerene strategije sa primenama razliitih baza, za ta
savremena tehnologija prua poveane mogunosti.
Daubechie D 4 vejvlet
uticaja statikog magnetnog polja (SMF, 2 mT), kao i ekstremno nisko frekventnog
magnetnog polja (ELF MF, 50 Hz, 2 mT) na populacije neurona antenskog lobusa striibuba,
sprovedeni su eksperimenti na odraslim bubama Morimus funereus (Coleoptera,
Cerambycidae), ilustrovano na sl. 75.
Analizom u kojoj se koriste talasii vejvleti (wavelets) lokalnih potencijala (Local Field
Potential) u ovoj studiji je prvi put pokazano da su efekti produene i ponavljane ekspozicije
LFP navedenim vrstama magnetnog polja ireverzibilni u ispitivanim vremenskimm okvirima,
ime je overen smisao upotrebe ove analize u opisanim uslovima.
Epileptini napadi imaju niz specifinih karakteristika u EEG signalima, ime je omogueno
primarno klasifikovanje epilepsije razliitog porekla. Ova istraivanja su od poetka veoma
znaajna jer su omoguila uvod u razumevanje mehanizama koji izazivaju i pokreu
epileptine napade kod ljudi, odredjivanje stanja koja prethode epileptinim napadima,
njihovu inicijalnu klasifikaciju i razvoj lekova koji se u ovim obolenjima primenjuju, kao i
opseg raspoloivih akcija. Recimo samo da oko 2% svetske populacije, preko 100 miliona
ljudi, boluje od nekog oblika epilepsije i da epileptini napadi izazivaju ozbiljne posledice i
teka i trajna oteenja modanih struktura.
***