Smadzeņu viļņus izmantojošs viedais modinātājs
Author
Polocks, Aleksandrs
Co-author
Latvijas Universitāte. Datorikas fakultāte
Advisor
Rivošs, Aleksandrs
Date
2012Metadata
Show full item recordAbstract
Šī bakalaura darba mērķis ir izstrādāt programmu, kas pēta smadzeņu viļņus miega laikā un palīdz pamosties labvēlīgajā laika momentā. Darbam tika izveidots algoritms, kas mēģina atrast šo momentu, kā arī smadzeņu viļņu grafiskā attēlošana, kas palīdz vērot algoritma darbību.
Galvenokārt, programma ir orientēta uz pamodināšanu pēc neilga (1-3 stundu) miega. Tā apstrādā smadzeņu viļņu (elektroencefalogrāfijas) ieejas signālu reālajā laikā, pielietojot Īssintervāla Furjē Transformāciju filtrēšanai no trokšņiem un Lineārās prognozes kodēšanu stabilitātes jeb laika, kad nekas nemainās, meklēšanai. Zinot, ka pamodināšanai labvēlīgajā laika momentā pastāv jauktas frekvences, stabilitātes nebūs un algoritms mēģina to konstatēt.
Programma būs noderīga tiem, kas vēlas mosties viegli gadījumos, kad gulēšanai ir atvelēts nedaudz laika. Programma var arī noderēt elektroencefalogrāfijas ieraksta pētīšanai kopumā izmantojot spektrogrammu kā galveno attēlošanas līdzekļu. The aim of this bachelor project, called Brainwave based smart alarm clock, is to develop a program that proceeds brainwave signal while sleep searching for more or less favorable awakening moment. This paper describes developed algorithm that tries to find this moment, and also describes program that visualize brainwave signal and helps observe algorithm’s execution.
Mainly, program is oriented for awakening after brief (1-3 hours long) sleep. It proceeds brainwave (electroencephalography) input signal in real time, uses Short-Time Fourier transform for noise reduction and Linear Predictive Coding for searching of signal’s stability, or permanence. Knowing that favorable awakening moment’s signal is not stable, algorithm tries to determine it.
The program can be useful for those who want to wake up fresh given that they don’t have much time to sleep. The program can also be useful in exploration of electroencephalography records using spectrogram for signal visualization.