5.

SIGNALI SLEDEI DERIVATI, SPEKTROSKOPIJA

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.

Sistemi za obradu signala SAMARTA obuhvataju funkcije akvizicije, monitoringa,

arhiviranja(/distribucije) i realno vremenske (real time) analize signala, i sastoje se od
sledeih komponenti: senzori/senzorski ureaji, interfejsi, analogno-digitalni
konvertori/ureaji, raunari i softver koji podrava funkcije polaznog akronima. U primeni se
za razliite potrebe koriste varijante ovakvih sistema, ija fleksibilnost, ponuda i upotreba
svuda naglo rastu, pre svega zahvaljajui tehnolokom napretku u domenu digitalne obrade
signala (DSP) i monom matematikom aparatu i napretku numerike koji, ugraeni u softver,
omoguavaju analize, uvid i interakcije, nedostupne ranije, to direktno utie na irenje znanja
i standarda.

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.

Sloenija arhitektura na mestu (elementarne) AD konverzije u jednostavnijoj arhitekturi ima

ugnjedene raunare sa DSP procesorima; softver se takoe raslojava na vie nivoa.
Distribucijom procesiranja na ovaj nain, postie se unos sa vie kanala (mi smo realizovali
256-kanalni ulaz), veih kapaciteta transfera, deli se numerika potrebna za analize na
umnoene procesore, otvara se mogunost 3D grafike na potrebnom broju monitora i
delovanja u realnom vremenu (metodama za realno vremensku detekciju/predikciju znaajnih
stanja).

Sloenija arhitektura, bonim irenjem omoguava jeftin superkompjuting i obuhvatanje

proizvoljnog broja akvizicionih kanala sa monitoringom, distribucijom, arhiviranjem i realno
vremenskim analizama i grafikom. U sloenoj arhitekturi najvie se komplikuje softver koji se
distribuira po mrei dostupnih procesora razliite namene. Sistemi ovakve arhitekture su u
neprekidnom i ubrzanom razvoju. Neposredna budunost obeava eksplozivno irenje ovog
koncepta u svim domenima. U GIS se razvijaju sistemi i jednostavnije i sloenije arhitekture.

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

U analizi signala inverzni zadatak odredjivanje elementarnih periodinih komponenti koje

za zbir imaju datu funkciju, odnosno datu eksperimentalnu funkciju signal, nije jednostavan.
Taj zadatak ima izuzetan znaaj u primenama matematike i postupak kojim se reava ovaj
zadatak, po masovnosti i rairenosti u sve domene nauke i tehnike, kao i po znaaju uvida u
najraznovrsnije fenomene koje omoguava, svakako spada u najznaajnije primene
matematike. Videli smo da sam zadatak nije jednostavan ni u najjednostavnijem sluaju
slika 6, ponovljena kao slika 53 levo. Fourierov spektar sloenog signala jednak je
pokoordinatnom zbiru vektora- spektara njegovih elementarnih sastojaka. Ovde, kad kaemo
spektar, obino podrazumevamo distribuciju modula (power spektar) a ne originalnu
kompleksnu reprezentaciju. Ortonormiranost Fourierove baze (najvie koristimo klasinu)
obezbedjuje, da su proporcije intenziteta-amplituda pojedinanih komponenti koje ine
sloeni signal ouvane, kao i da je rastav elemenata baze po preostalim signalima iz baze
nemogu (ortogonalnost), to se npr. vidi iz spektara elementarnih signala na slici 53.

Fourierova spektroskopija omoguava i uvid u direktno nevidljive, maskirane ili teko

uoljive promene u signalu. Primer sa desne strane slike 6, ponovljen na levoj strani slike 54,
prikazuje dva, naizgled, potpuno jednaka signala. Medjutim, u spektrima imamo malu razliku:
desni od ova dva jednostavna sintetika signala ima jednu komponentu vie nego levi signal
sinusni signal na najvioj frekvenciji, a sa najmanjom amplitudom , to se vidi u sredini slike
54. Poto su svi sabirci u ova dva zbira, sintetiki sinusni signali, konstantnih amplituda i
frekvencija, u ponovljenim spektrima nema promena, tj. spektralne linije su stacionarne u
vremenu.

Elementarnim spektralnim operacijama u ovom sluaju, lako se izdvajaju proizvoljni sastojci,

ovde prikazano izdvajanje naglaavanje 4. spektralne linije, koja odgovara sinusu u zbirnom
signalu ija je amplitude najmanja.

Potpuno analogna je situacija ako je dati signal jednak proizvoljnom trigonometrijskom

polinomu, tj. linearnoj kombinaciji pravilnih sinusa/kosinusa. Naravno, u realnim merenjima
eksperimentima dobijenim funkcijama, imamo optiju situaciju, ali se po pravilu svaka
eksperimentalna funkcija f(x) bez naglaenih singulariteta moe rastaviti na

f(x) = TP(x) + g(x),

gde je TP trigonometrijski polinom, a g(x) ne sadri trigonometrijske komponente. U

prostijim sluajevima bie g(x) = 0 na posmatranom intervalu, i u tom sluaju preostaje TP,
iji spektar onda ima iste odvojene spektralne linije, kao na slici 54. desno. Ako su obe
komponenete funkcije f razliite od nule na datom intervalu (interval merenja snimanja),
onda e se u spektru pored spektralnih linija koje odgovaraju komponentama TP pojaviti
dodatne formacije - distribucije. Ako u datom merenju, f na intervalu merenja ne sadri
periodine komponente, onda je rezultujui spektar irokopojasna distribucija bez lokalno
izraenih linija.
Slika 53. Na levoj slici, u levom delu imamo signal koji je nastao slaganjem sabiranjem elementarnih sinusnih
signala u desnom delu leve slike, dakle kao linearna kombinacija tri sinusna signala. S desne strane imamo u
levom delu Fourierove spektre (power spektre) pojedinanih elementarnih sastojaka sinusnih funkcija u kojima
ja na apscisi frekvencija, po ordinati se oitava intenzitet. Ortonormiranost Fourierove baze omoguava da se
zbir predstavlja pokoordinatnim sabiranjem vektora- spektara, to je u ovom primeru prikazano desno u desnoj
slici.

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.

5.2. Osnovne osobine Fourierove spektroskopije

Prethodnim sluajevima ilustrovani su najjednostavniji primeri signala. U realnim situacijama

prisutne su i neke promene. Promene su u vremenu, pa tako ve i najjednostavniji signali koji
se sastoje samo od elemenata (Fourierove) baze, ali izpremetane u vremenu, unee promene
koje se manifestuju u spektrima. Ako pogledamo primer na slici 55, snimak akustikog
signala sa vie komponenti, onda odmah uoavamo dve dominantne spektralne linije i
nekoliko znatno manjih lokalno dominantnih. Iz proporcija duina spektralnih linija lako se
utvrdjuju relativne amplitude koje odgovaraju pomenutim sastojcima, na apscisi se direktno
oitavaju njihove frekvencije. Na taj nain ostvaruje se potpuni uvid u semplovanu
izmerenu funkciju, tako to su odredjene globalno i lokalno dominantne spektralne linije,
komponente, kao i da je prostor izmedju linija neto iznad nule, to se pripisuje umu
merenja, odnosno numerikom umu. Nauni i tehniki izvetaji u objavljenoj literaturi, sa
prateim zakljuivanjem veoma obiluju ovakvim primerima merenja i spektrima kojima se
karakterizuju merene veliine i odredjuju njihove najvanije invarijante dominantne
spektralne linije, a za koje se uvek utvrdjuje specijalizovana semantika, kojoj se u datoj
oblasti pridaje manje/vie poseban znaaj.

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.

Ovaj jo izuzetno jednostavan primer omoguava nam da formuliemo znaajan

Semantiki kriterijum spektralne stabilnosti:

Da bi spektroskopija imala smisla, neophodno je da se ustanovi stabilnost spektra u

vremenu (tj. pomeranjem vremenskog prozora kroz signal) i rezoluciji (pri promeni
preciznosti rauna).

Tek po ovako utvrdjenoj spektralnoj stabilnosti moe se pridruivati znaenje pojedinim

spektralnim linijama (periodinim komponentama u snimljenom signalu) i spektru u celini.
Kao rezultat navedenog kriterijuma, na alost, imamo da je veliki broj naunih rezultata gde
su zakljuci o prirodnim fenomenima izvedeni na osnovu analize jednog spektra, bez podrke
dopunske analize spektralne stabilnosti po oba navedena osnova, neutemeljen, uz dobre anse
za obilne i ozbiljne greke.

Spektralnu stabilnost procenjujemo uvidom u spektralne promene pri pomeranju vremenskog

domena epohe ili prozora w na kojem se rauna spektar; dakle, potrebno je da se utvrdi
maksimalni interval na signalu u kome spektar ne trpi znaajnije promene odnosa izraenih
spektralnih linija, a to ostvarujemo sukcesivnim raunanjima spektara pomeranjem prozora
w za (uglavnom) fiksni, podesivi, vremenski pomak t. Dodatno ispitivanje se odnosi na
spektralnu rezoluciju. Vea rezolucija daje bolje razlaganje po frekventnoj osi, tako da linija u
spektru dobijena u jednoj rezoluciji, moe da se razdvoji u dve ili vie bliskih linija u
poveanoj rezoluciji. Ali uveana frekventna rezolucija povlai umanjenu rezoluciju po
vremenu, to za posledicu ima vremensku neodredjenost pojedinanih fenomena zabeleenih
unutar vremenskog prozora w na kome se rauna spektar. Taj fenomen neki nazivaju
Hajzenbergovim principom neodredjenosti, mada je semantika veza sa originalnim
principom neodredjenosti veoma neodredjena.
Ve definicija spektralne linije izaziva odredjene nedoumice. Spektralna linija je vrednost
spektra (vektora) s() na odredjenoj koordinati frekvenciji . To je jedina mogua
matematika definicija. Medjutim, izmedju matematike i realnosti otvoren je jedan
medjuprostor u kome se odredjuje semantika veza ova dva sveta, jer je realnost uvek bogata
u dopunama, to ilustrujemo jednostavnim poznatim primerima. Ako se uoi nebesko telo,
npr. planeta (koja svetli reflektovanom svetlou) ili radio izvor, npr. pulsar, onda se uoava
da su npr. karakteristine linije u optikom spektru prvog, odnosno radio spektru drugog
pomerene levo ili desno u spektru, a to se pripisuje relativnom kretanju u odnosu na
posmatraa, Doplerovom efektu, kao i da su sami pomaci podloni promenama u vremenu;
kad nam se objekti pribliavaju, Doplerov pomak je usmeren u desnu stranu spektra; ako se
objekt udaljava od posmatraa, pomak karakteristinih linija usmeren je u levo. Time je
omoguen i precizan uvid u dinamiku sistema. Tako, spektralne linije odgovaraju vanim
fizikim karakteristima u posmatranju segmenata realnog sveta. U laboratorijskim uslovima,
spektralne linije se nalaze na precizno odredjenim mestima koordinatama. U realnosti, usled
delovanja drugih fizikih faktora, nastupaju promene, pa se npr. Doplerovim efektom ceo
spektar pomera na jednu stranu. Istu situaciju imamo i sa poznatim akustikim primerom: ako
se izvor zvuka pomera, onda se i prisutne frekvencije u spektru zvunog signala pomeraju po
Doplerovom efektu. Tako podmornica koja u utanju koristi pasivne sonare moe da odredi
sopstveno kretanje plovila po frekvenciji klasifikovanog plovnog objekta broda, iz pomaka
pridruenog Doplerovom efektu, promene i time u naelu odrediti vektor brzine plovila.
Slino vai i za hidrofonske snimke razgovora i pesme kitova.

esto su u ispitivanim procesima prisutne spektralne linije koje se pridruuju odredjenim

specifinim karakteristikama procesa i koje se zbog sloenosti ispitivanog fenomena,
pomeraju u spektru, sasvim nestaju ili se pojavljuju tamo gde ne bi trebalo da ih ima. Mi
emo i tada smatrati da je spektralna linija linija koja nije na fiksiranoj koordinati spektra,
nego koja se nalazi u manje/vie fiksiranom intervalu, kao i da je pozicija linije povezana sa
karakteristikama merenog procesa.

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.

Poboljana numerika omoguava raun Furijeovih spektara i paralelizovanim metodama do

million ili mnogo vie u delu sekunde pa nam tako ve u realnom vremenu postaje dostupan
uvid u jako brze i izuzetno sloene procese, kao i mogunosti korekcije i delovanja u realnom
vremenu u takvim procesima. Poboljanje kvaliteta u redu veliine rauna prelazi 12 i vie i
ovde se suoavamo sa jako starom Hegelovom formulom zakonom prelaska kvantiteta u
kvalitet. Ako je ovaj zakon i bio pod summon i neprihvaen, ve same novo otvorene
mogunosti koje nam savremena Furijeova spektorskopija omoguava su tako impresivne da
je stvarno neophodno da reafirmiemo ovaj zaboravljeni Hegelov zakon, koji dobija sasvim
novo znaenje. Vei deo hardvera se seli u softverska reenja. Tako danas postoje: softverski
radio, softverski radar, nasloeniji elektronski uredjaji pretoeni u softver. Da budemo jo
precizniji: hardverske strukture/sistemi se sele u softverske implementacije matematikih
struktura i metoda.

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.

U sledeim primerima, problemi spektralne stabilnosti su eliminisani ili veoma redukovani,

to se overava vremenskom spektroskopijom, u kojoj su spektralna rezolucija i interval
pomeranja vremenskog prozora uskladjeni sa uslovima merenja, gde je i semplovanje
odgovarajue podeeno, u opsegu koji odgovara prirodi ispitivanog fenomena.

5.3. Akustika, vibracije

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.

U zadacima prepoznavanja govora, strukture sline prikazanim vremenskim spektrogramima

imaju kljunu ulogu i ovaj teak zadatak reavan je decenijama, da bismo danas imali
rasploive i govorne prevodioce, kojima je negde potrebna asistencija. Deo dopunske
problematike koja se javlja u ovom kontekstu raspravlja se naknadno.

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.

Dosta saglasno prethodno navedenim akustikim primerima, imamo i u situaciji sa analizom

podmornikog vremenskog spektrograma. Primer vremenskog-spektra/spektrograma kraeg
komada signala registrovanog akustikim senzorima podmornice imamo na slici 63. Uoene
spektralne formacije odgovaraju izvorima zvuka u okolini, svaki na specifinoj frekvenciji.
Svaki brod ima svoj karakteristini spektralni potpis, to omoguava pripremu odgovarajue
klasifikacije i poredjenje sa pripremljenim uzorcima. Na taj nain mogu se odrediti, tipovi
brodova, kao i njihove brzine. Dopunskim ispitivanjem Doplerovog efekta, mogu se za
pojedinane spektralne formacije utvrditi elementi dinamike kretanja plovila, to omoguava
dosta precizno odredjivanje poloaja prisutnih plovila i njhovo mapiranje, kao i pomo u
automatski asistiranom komandovanju u selekciji ciljeva i aktiviranju torpednih gadjanja.
Slika 63.(GIS/Z.Djordjevi, Ratna mornarica Vojske Jugoslavije) 3D struktura spektar u vremenu signala
zabeleenih akustikim senzorima podmornice. Uoljive spektralne formacije odgovaraju plovilima brodovima
u okolini. Karakteristike spektralnog odraza pojedinanih brodova ukazuju na tip plovila i njegova specifina
svojstva (reim pogonskog sistema, brzine), to pomae u preciziranju lokacije i elemenata kretanja objekta,
asistenciju komandovanju u selekciji ciljeva i pripremi moguih akcija.

5.4. Elektro fiziologija kardiologija

Istraivanje i klinika dijagnostika u savremenoj kardiologiji obogaeni su invazijom

savremenih tehnolokih dostignua spregnutih softverskim implementacijama sa
matematikim strukturama i metodama koje su se pokazale kao posebno korisne u
razumevanju raznovrsnih sloenijih pojava u prirodi i biolokim sistemima. Napredna reenja
omoguuju real time (realno vremenski) uvid u kompleksne matematike reprezentacije,
medju kojima su naglaeno znaajne one koje predstavljaju/izdvajaju matematike invarijante
ispitivanih fenomena, nepristupane direktnom opaanju, a koje karakterizuju strukturne
komponente ispitivanih sistema i njihovu dinamiku u kontrolisanim uslovima. Time se
ostvaruju sredstva i otvaraju mogunosti za eksperimentalni i dijagnostiki postupak kakav
prethodno nije bio ni zamisliv, ni mogu, a to je u dosta kratkom vremenu obezbedilo
saznanja o funkcionisanju sistema visoke sloenosti kojima se npr. regulie rad kardio
vaskularnog sistema, koji osim kardio vaskularnih komponenti ukljuuje i sve nervne sisteme
i endokrini sistem. Time bioloki sistemi sa svojim mehanizmima regulacije i upravljanja, i
konceptualno i po inventaru postaju sasvim bliski tehnikim sistemima, pa ovde imamo
neobinu semantiku konvergenciju kojoj su prethodile decenije i stolea akumulacije znanja
i invencije.
U bogatom rasponu tehnikih i matematikih aplikacija, ovde izdvajamo neto suen domen u
kome je spektroskopija signala omoguila velike saznajne prodore. Bez namere da se ovde
uputamo u potpuniji prikaz celovitih Sistema, njihovih mehanizama regulacije i upravljanja,
svrha odabranih primera usaglaena je sa prethodnim u ovom poglavlju, a to je demonstracija
korisne primene Furijeove spektroskopije u nekoliko znaajnih situacija. Signali i njihovi
spektri dobijeni su naim softverom u sistemima za akviziciju i analizu signala u laboratoriji
prof. Nine Japundi, Institut za eksperimentalnu i kliniku farmakologiju i toksikologiju, gde
se sa velikim uspehom obavaljaju sistemska istraivanja i farmakoloka ispitivanja, a sa
kojom imamo dugogodinju saradnju [132-3, 138, 65-6].

Krvni pritisak (arterijski/sistolni, dijastolni, usrednjeni) i srani ritam izdvajaju se iz polaznog

signala dobijenog iz transdjusera postavljenog u arteriju eksperimentalne ivotinje, ovde
pacova, kojim se promene pritiska konvertuju u naponske promene, koje se, zatim, AD
konverzijom prenose do Sistema-softvera koji sadri upravljake i analitike komponente, gde
se signali arhiviraju, kopiraju/distribuiraju, dodatno kondicioniraju i spektroskopski
analiziraju u realnom vremenu ili naknadno, po obavljenoj registraciji signala.

Priloeni primeri, poev od slike 64, odnose se na eksperimente sa hemoragijom, gubitkom

tenosti, kao i primenom lekova koji moduliu aktivnost komponenti nervnih sistema,
receptora/aktivacije unutar kardiovaskularnog sistema i dinamiku sistemskih komponenti u
uslovima od interesa.

Na slici 64 imamo primer signala arterijskog pritiska i njegovog 3D vremenskog (power)

spektra (vreme, frekvencija, intenzitet), u kome se izdvajaju bandovi opsezi: HF- visoka
frekvencija, na cca. 1.6 Hz, LF zona niskih frekvencija, na cca. ispod polovine HF, zatim
VLF, opseg vrlo niskih frekvencija, sa izraenim spektralnim formacijama. Uoljivo ovde je
npr. da je HF formacija prilino stabilna u frekvenciji, sa konstantnim porastom intenziteta.

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.

Primere hemoragije sa delovanjem modulatora sistema ukljuenih u regulaciju arterijskog

pritiska (antagonisti sistema: renin angiotensin, simpatikog nervnog sistema i vazopresina)
imamo na slici 66. Interesantni su svi odnosi svojstva spektralnih formacija uoeni u
prethodnom primeru.

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

spektrogram arterijskog pritiska nakon primene scopolamine metil nitrata.

Slika 71. Delovanje supstanci na morfologiju spektrograma. Kontrola, levo. Desno promene nakon aplikacije
heksametonium hlorida.
5.5. Elektro fiziologija - neurologija, encefalografija

Savremena neurologija omoguava raznovrsna neuroloka ispitivanja. Poetak moderne

neurologije imamo u klasinoj elektroencefalografiji, baziranoj na elektroencefalogramima
papirnim zapisima elektrinih signala mozga, to ima jako dugu istoriju, sa poetkom 30ih
godina dvadesetog veka i predstavlja veoma znaajan metod za posmatranje modanih
aktivnosti, uoavanje specifinih oblika modanih talasa karakteristinih za odredjena
fizioloka stanja ili promene ritmova u redovnom funkcionisanju mozga.

Iz tog vremena potie i uverenje pojaano do aksiome da se u mozgu procesi odvijaju

unutar frekventnog raspona do 30-40Hz, tj da unutar 1/100 sekunde nema promena u mozgu
vrednih panje i sve eventualno bre aktivnosti pripisuju se artefaktima, najee miinoj
aktivnosti podrhtavanje. Razlog za ovo uverenje treba traiti u eksperimentalnom iskustvu
ogranienom tehnikim mogunostima nekadanjih EEG aparata, gde se sa dvadesetak
oscilacija po dunom cm papira na koji se belei modana aktivnost, mastilo iz pisaljki
(debljine cca. 0.5mm ili vie) razmazuje u kontinualnu fleku. Takodje, jednostavnim
signalima je lake pridruiti funkcionalnu semantiku, pa sloeniji signali postaju nepoeljni.

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 da su ve neko vreme u upotrebi sistemi sa velikim brojem akvizicionih kanala,

~255 i preko toga. Naa savremenija reenja omoguuju akviziciju neogranienog broja
ulaznih signala kanala, u visokorezolutnom (do 24 bita) i visokofrekventnom reimu
semplovanja, korienjem sveijih tehnologija, zasnovanih na ugnjedenim (embedded)
kompjuterima koji sadre visokoperformantnu periferiju i koprocesiranje u naj naprednijim
tehnologijama (FPGA), a koja je razvijana za potrebe real time procesiranja akustikih,
radarskih, kao i signala u raznovrsnim tehnikim aplikacijama (www.gisss.math.sr ).
Slika 72. Vremenski spektri, kompoziti -3D spektrogrami derivati spektara sa desne strane slike 71. U nevelikoj
frekventnoj rezoluciji sa do 8 signala na ulazu, u pogledu iz zenita, ove strukture povezane sa prethodno
prikazanim dostupne su u realnom vremenu. 3D real time navigacija na ovim strukturama, ve pri manjem broju
ulaznih signala postaje veoma oteana u ovom sistemu.

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.

5.6. Novija reenja

Sisteme novije generacije zasnovane na ugnjedenim visoko performantnim kompjuterima

koji su specijalizovani za najzahtevnije procesiranje signala i slika, i mi razvijamo sa ciljem
upotrebe u real time 4D tomografskoj spektroskopiji sa real time navigacijom (5. dimenzija)
Slika 73. Blok od 64 visokorezolutno semplovana akustika signala sa snimanjem, distribucijom i monitoringom
u realnom vremenu (obezbedjeno jednim DSP ugnjedenim kompjuterom). Do etri ovakva bloka umnoavamo
u jednom raunaru, a bonim sprezanjem sinhronizujemo neogranien broj ulaznih kanala.

sa omoguenim mnogostrukim procesiranjem spektara i kompozita (ukljuujui i primene u

visokorezolutnoj, multisignalnoj modanoj (EEG i MEG) tomografiji). Po jednom
ugnjedenom kompjuteru imamo akviziciju i procesiranje do 64 kanala, sa 4 ugnjedena
raunara u jednom standardnom personalnom raunaru imamo bar 256 kanala.

Bonom spregom ove arhitekture kao elije u sloenijim sistemima omoguava se

najjednostavniji i najjeftiniji superkompjuting, sa sinhronizovanim procesiranjem
neogranienog broja ulaznih kanala.

Za detaljniji prikaz 3D spektrograma, koristimo multi monitorske aplikacije. Ogranienja u

grafikom prostoru umanjuju mogunosti praenja aktivnosti po svim kanalima, ne raunajui
umnoene kompozitne strukture; praktino ve danas za detaljniji spektroskopski monitoring
deavanja u jednom mozgu potreban je niz monitora koji podsea na kontrolne centre u
svemirskim istraivanjima.

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

Ovde smo izneli primere upotrebe Furijeove spektroskopije i 3D Furijeove vremenske

spektroskopije u uspostavljanju, odredjivanju i analizi struktura nosilaca sloenijih
matematikih invarijanti u ispitivanim signalima. Neosporno je re o, moda, najznaajnijem
matematikom orudju u eksperimentalnim istraivanjima i ispitivanjima.

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.

U svim prikazanim primerima kojima se ilustruju primene metoda, prisutna je upotreba

koriene matematike bez kritikih osvrta, to ovde i nema ozbiljnijih semantikih posledica,
ili bismo rekli da su iste manje/vie zanemarljive u razmatranim kontekstima.

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.

Neto detaljnije pozabaviemo se ovim problemima u naknadnim poglavljima, gde e biti

ukazano i na vie derivate, kompozite spektara i spektrograma, malo optije nego to smo to
ve uveli u slikama, kao i neke operatore na ovim strukturama.

Savremeni pristupi, alternative klasinoj spektroskopiji kojima se ostvaruje dekompozicija

polazne funkcije na elementarne sastojke oslanjaju se i na:

- uvodjenje drugih ortonormiranih / ortogonalnih baza zasnovanih na talasiima (wavelets)

umesto klasine Furijeove baze; sve teoreme kojima se reguliu okolnosti razvoja po bazama
su nepromenjene, ali ima specifinosti u numerikim implementacijama, to je za posledicu
imalo naglaavanje razlike razvoja po drugim ortonormiranim bazama (kao da je re o
razliitim metodama);

- kolekcije pogodnih funkcija Katarzina Blinowska (u literaturi: Dictionaries of suitable

functions [40]), kojima se zamenjuje rastav po Furijeovoj bazi;

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.

Primer jednostavnijih razvoja po ortonormiranoj bazi, korienjem Daubechie D 4 vejvleta

prikazujemo u sledeoj analizi biolokih signala, prema radu [114]. U studiji

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.

Signal je razlozen po frekventnim opsezima kao to je prikazano. Zatim su izraunate RWE

(relativne wavelet energije) po frekventnim opsezima. Potom su statistiki testirane razlike po
frekventnim opsezima pre i posle magneta (statistika je priloena na posebnim tabelama ispod
slika sa vejvletima).

Relativna energija vejvleta u frekventnom rasponu 4-8 Hz je znaajno uveana u poredjenju

sa kontrolnim vrednostima. Relativna vejvlet energija sporijih oscilacija, u bandu 1-2 Hz bila
je znaajno umanjena nakon ponovljenih izlaganja, dok je u bandu 64-128 Hz uoeno
usporavanje talasa.
Slika 75. Primeri sa korienjem Daubechie vejvleta. Na gornjoj slici, prikazana je dekompozicija ulaznog
signala S = suma a i svih d-ova. Srednja slika, u prvom redu imamo signale u CS (kontrola) i aSMF, posle
izlaganja statikom magnetnom polju, 2.7 mT - eksperimentalnom uslovu. U drugom i treem redu imamo
gornje signale razloene po frekventnim opsezima i relativnoj vejvlet energiji. Donja slika statistika
distribucija.
Pre dvadeset godina u neuroistraivakim laboratorijama sa kojima smo saradjivali i u kojima
smo izgradili prve moderne raunarske sisteme za prikupljanje, arhiviranje, procesiranje i
analizu neurolokih signala sa implanata na raznim dubinama i EEG signala u radu sa
eksperimentalnim ivotinjama i ljudima, viestruko je istraivana epilepsija na ivotinjskim
modelima, ije je poreklo u farmakolokim tretmanima, razliito generisanim lezijama i
stresovima.

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.

Jo tako davno razmatrali smo mogunosti automatizovane predikcije epileptinih napada

predpostavljajui da su u EEG signalima prisutne komponente koje najavljuju napade koje
treba uoiti, detektovati, sa ciljem da se oboleli unapred upozore na predstojei epi napad i da
se primene eventualne mere prevencije.

Ne uputajui se blie u razvoj ove specifine grane neurologije, navedimo da je nedavno

meoviti tim istraivaa Alotaiby, Alshebeili, Alshawi, Ahmad, El-Samie iz Saudi Arabije,
Australije i Egipta, pripremio opsenu studiju pod naslovom EEG seizure detection and
prediction algorithms: a survey, koja treba da se pojavi u asopisu EURASIP Journal on
Advances in Signal Processing, Springer Open, gde su detaljno izloene razvijene metode,
detekcije, klasifikacije, predikcije, ukljuujui i metodu autora ove studije, koje su sve
zasnovane na metodama spektroskopije, Fourierove klasine i analize zasnovane na razliitim
vejvletima, kao i na linearnim rekurzivnim modelima, prilino slinim linearnim modelima
koje predstavljamo naknadno u poglavljima posveenim kauzalitetu i viim derivatima i
forenzici. Funkcije predikcije u ovom modelu imaju naglaenu matematiku slinost sa
merama modane konektivnosti kauzaliteta koje e biti razmatrane i analizirane u
navedenim poglavljima i omoguuju visokio pouzdanu predikciju epileptinih napada, pa
time otvaraju anse za spreavanje istih.

***

Napomenimo da se ovde prikazani sistemi sa svim komponentama, kapacitetima i reimima,

u osnovi centriraju oko multifunkcionalnog (multikanalnog) asptraktnijeg spektroskopa
(ukljuujui sve pomenute i dopunske kompozite spektara i spektrograma), ime metodoloko
jedinstvo opstaje prilino agregirano u proirenom smislu.

Osnovi spektroskopije, prikazani u sekcijama 5.1. 5.3, u nepromenjenom obliku, bez

dopuna imaju niz vanijh tehnikih primena. Pored ranije navedenih, aplikacije u kojima su
na ulazu signali dobijeni iz senzora vibracija, koristei potpuno formu i funkcije iz navedenih
primera, imaju znaajnu ulogu u sistemima za testove i nadzor/monitoring agregata u
energetskim postrojenjima, turbina, mehanikih i elektromehanikih agregata, sistema sa
pokretnim elementima, gde u realnom vremenu i automatizovani u funkcije predikcije mogu
da detektuju raznovrsne neispravnosti i tehnike probleme i time omogue zatitu sistema i
postrojenja u uslovima pre nego to je nastupilo poveano habanje ili tea havarija.

Ove aplikacije bez promena koriene su u seizmologiji, u geofizikim istraivanjima, za

testove gradjevinskih konstrukcija, u radio astronomiji i mikrotalasnoj radio astronomiji.
Spektroskopija omoguava spektroskopsko filtriranje u razliitim primenama, to se koristi i u
sistemima za priguenje/kancelaciju buke.