Метод вейвлет-перетворення

у ряди Фур'є, які привели до появи віконного перетворення Фур'є й стимулювали розвиток вейвлетного перетворення. Відзначимо основні з них:

• Обмежена інформативність аналізу нестаціонарних сигналів і практично повна відсутність можливостей аналізу їхніх особливостей (сингулярностей), тому що в частотній області відбувається «розмазування» особливостей сигналів (розривів, сходів, піків і т.п.) по всьому частотному діапазоні спектра.

• Гармонійні базисні функції розкладу не здатні в принципі відображати перепади сигналів з нескінченною крутістю типу прямокутних імпульсів, тому що для цього потрібно нескінченно велика кількість членів ряду. При апроксимації стрибків нелокалізованими в часі базисними функціями необхідно, щоб суперпозиція цих функцій не тільки відновила стрибок, але й знищила один одного за межами стрибка, що робить рівнозначними всі компоненти його спектра. При обмеженні числа членів ряду Фур'є на околицях стрибків і розривів відновленого сигналу виникають осцилляции (явище Гіббса).

• Перетворенням Фур'є відображаються глобальні відомості про частоти досліджуваного сигналу, оскільки базисні функції перетворення визначені на нескінченному тимчасовому інтервалі. ПФ не дає представлення про локальні властивості сигналу при швидких тимчасових змінах його спектрального складу. Так, наприклад, перетворення Фур'є не розрізняє сигнал із сумою двох синусоїд. Перетворення Фур'є в принципі не має можливості аналізувати частотні характеристики сигналу в довільні моменти часу.

4.2 Віконне перетворення Фур'є

Частковим виходом із цієї ситуації є так зване віконне перетворення Фур'є з віконною функцією, що рухається по сигналі, що має компактний носій. Повний часовий інтервал сигналу, особливо при великій його тривалості, розділяється на підінтервали, і перетворення Фур'є виконується послідовно для кожного вікна окремо. Тим самим здійснюється перехід до частотно-тимчасового (частотно-координатному) поданню сигналів і результатом віконного перетворення є сімейство спектрів, яким відображається зміна спектра сигналу по інтервалах зрушення вікна перетворення. Це якоюсь мірою дозволяє виділяти на координатній осі й аналізувати особливості нестаціонарних сигналів. Розмір носія віконної функції w(t) звичайно встановлюється порівнянним з інтервалом стаціонарності сигналу. Власне кажучи, таким перетворенням один нелокалізований базис розбивається на певну кількість базисів, локалізованих у межах функції w(t), що дозволяє представляти результат перетворення у вигляді функції двох змінних - частоти й тимчасового положення вікна. Віконне перетворення виконується відповідно до виразу:

S(,b_k) = s(t) w(t-b_k) exp(-jt) dt. (4.2.8)

Функція w(t-b) являє собою функцію вікна зрушення перетворення по координаті t, де параметром b задаються фіксовані значення зрушення. При зрушенні вікон з рівномірним кроком b_k = kb. В якості вікна перетворення може використовуватися як найпростіше прямокутне вікно ( w(t)=1 у межах вікна й 0 за його границями), так і спеціальні вагові вікна (Бартлетта, Гаусса, Кайзера та ін.), що забезпечують малі перекручування спектра за рахунок граничних умов вирізки віконних відрізків сигналів і нейтралізуюче явище Гіббса.

4.3 Приклад віконного перетворення

Приклад віконного перетворення для нестаціонарних сигналів на великому рівні шуму наведений на рисунку , наведеного у додатку А. По спектрі сигналу в цілому можна судити про наявність у його складі гармонійних коливань на трьох частотах. Віконне перетворення не тільки підтверджує даний висновок, але й показує конкретну локальність коливань по інтервалі сигналу й співвідношення між амплітудами цих коливань.

Координатна розв'язна здатність віконних перетворень визначається шириною віконної функції й, у силу принципу невизначеності Гейзенберга, обернено пропорційна частотній розв'язній здатності. При ширині віконної функції, рівної b, частотна розв'язна здатність визначається значенням  = 2/b. При необхідній величині частотного дозволу  відповідно ширина віконної функції повинна, бути дорівнює b = 2/. Для віконних перетворень Фур'є ці обмеження є принциповими. При розмірі масиву даних N = 300 і ширині віконної функції b = 100 частотна розв'язна здатність результатів перетворення зменшується в N/b = 3 рази в порівнянні з вихідними даними, і графіки Sw(n_Sw) по координаті n для наочного зіставлення із графіком S(n_S побудовано із кроком по частоті _Sw = 3_S, тобто по точках n = 0, 3, 6, … , N...

4.4 Частотно-часові віконні перетворення

Функція віконних перетворень (4.2.8) може бути, переведена в тривимірний варіант із незалежними змінними й за часом, і по частоті:

S(t,) = s(t-) w() exp(-j) d. (4.4.9)

На рисунку, наведеного у додатку Б, наведений приклад обчислення й представлення (модуль правої частини головного діапазону спектра) результатів тривимірної спектрограми при дискретному задані вхідного сигналу sq(n). Сигнал являє собою суму трьох послідовних радіоімпульсів з різними частотами без пауз, з відношенням сигнал/шум, близьким до 1. Віконна функція w_i задана в однобічному варіанті з ефективною шириною вікна b @ 34 і повним розміром М =50. Установлений для результатів крок по частоті  = 0.1 трохи вище фактичної розв'язної здатності 2/M = 0.126.

Для забезпечення роботи віконної функції по всьому інтервалі сигналу задавалися початкові й кінцеві умови обчислень (продовження на M крапок обох кінців сигналу нульовими значеннями).

Як видно за результатами обчислень, віконне перетворення дозволяє досить точно локалізувати інформативні особливості сигналу за часом і по частоті[13].

Використання дискретного вейвлет-перетворення дозволяє провести доведення багатьох положень теорії вейвлетів, пов'язаних з повнотою й ортогональністю базису, збіжністю рядів і т.д. Доказовість цих положень необхідна, наприклад, при стиску інформації або в завданнях чисельного моделювання, тобто у випадках, коли важливо провести розклад з мінімальним числом незалежних коефіцієнтів вейвлет-перетворення й мати точну формулу зворотного перетворення. Використання безперервного вейвлет-перетворення для аналізу сигналів більш зручно, а його деяка надмірність, пов'язана з безперервною зміною масштабного коефіцієнта а й параметра зрушення b, стає тут позитивною якістю, тому що дозволяє більш повно й чітко представити й проаналізувати інформацію, що міститься у вихідних даних. Зокрема, стає можливим проведення локалізації й класифікації особливих крапок і обчислення різних фрактальних характеристик сигналу, а також виконання частотно-часового аналізу нестаціонарних сигналів. Наприклад, у таких сигналів, як мовний сигнал, спектр радикально міняється в часі, а характер цих змін являє собою дуже важливу інформацію при розпізнаванні мови.

На основі вейвлетів створюються й такі елементи, як високочастотний і низькочастотний вейвлет-фільтри, за допомогою яких відбувається фільтрація сигналу по алгоритму Малла (рисунок 4.6). При цьому для збільшення дозволу вейвлет-фільтрів по частоті використається простий і досить ефективний прийом. Опишемо його для ортогонального випадку[2].

Рисунок 4.6 – Розклад по вейвлет-пакетам.

Сімейства вейвлетів у тимчасовій або частотній області використаються для представлення сигналів і функцій у вигляді суперпозицій вейвлетів на різних масштабних рівнях декомпозиції (розкладання) сигналів. Перші теоретичні роботи з основ вейвлетних перетворень були виконані в 90-х роках минулого століття Мейером (Mayer Y.), Добеши (Daubechies I.) і Маллатом (Mallat S.A.). Математичний апарат вейвлет-перетворення перебуває в стадії активної розробки, однак спеціальні пакети розширень по вейвлетам уже існують в основних системах комп'ютерної математики (Matlab, Mathematica, Mathcad, і ін.).

У цей час вейвлет-перетворення й вейвлетний аналіз використовуються в багатьох галузях науки й техніки для всяких завдань: для розпізнавання образів, для чисельного моделювання динаміки складних нелінійних процесів, для аналізу апаратної інформації й зображень у медицині, космічній техніці, астрономії, геофізиці, для ефективного стиску сигналів і передачі інформації з каналів з обмеженою пропускною здатністю й т.д.

4.5 Розклад по піддіапазонам

Іноді буває корисно розкласти сигнал на компоненти, енергія яких зосереджена в різних частотних піддіпазонах (тобто істотно відмінна від нуля на різних під відрізках відрізка ), і кодувати їх з різним ступенем детальності (наприклад, залежно від чутливості людського вуха до звуків різної частоти). Розподіл «енергії» сигналу по частотах характеризує , Задовго до створення вейвлет-аналіза для цього використалася схема, що ми зараз опишемо.

Ми хочемо знайти два фільтри, (придушуючий високі частоти) і ( придушуючий низькі частоти), які дозволяли б розкласти сигнал на два компоненти, і , удвічі їх прорідити (половина значень стає зайвою – адже частотний діапазон скоротився вдвічі!), а потім, за допомогою транспонованих фільтрів, точно відновити за цими даними вихідний сигнал (цю операцію можна застосовувати рекурсивно). Умови на шукані фільтри зручно записати в термінах z-перетворення.

Нехай – z-перетворення однієї з компонентів. Перед кодуванням вона проріджується вдвічі, а перед відновленням вихідного сигналу доводить до вихідної довжини вставкою нулів між сусідніми значеннями. При цьому z-перетворення з перетворюється в . Підставивши дане рівняння для кожного з фільтрів, одержимо z-перетворення компонентів перед відновленням

(4.5.10)

z-перетворення транспонованих фільтрів мають вигляд і . Сигнал відновиться з їхньою допомогою точно, якщо:

.

Одержуємо умови точного відновлення :

(4.5.11)

У матричній формі вони записуються так:

,

де

(4.5.12)

Підставивши , одержимо умови на ДПФ шуканих фільтрів:

(4.5.13)

Допустимо, що ми знайшли такий, що

(4.5.14)

Тоді, підставивши

(4.5.15)

ми бачимо, що умова виконується. Завдання звелося до знаходження тригонометричного багаточлена , що задовольняє умові. На методах побудови таких багаточленів ми зупинимося в наступній лекції. Фільтри і , що задовольняють умові, називаються квадратурними дзеркальними фільтрами. На рисунку 4.7 (a) і (б), показані ДПФ такої пари фільтрів і , а також вихідний сигнал до й після фільтрації (без проріджування)[12].

Рисунок 4.7(а) – Сигнал до фільтрації

Рисунок 4.7 (б) – Сигнал після фільтрації

5. ЗАСТОСУВАННЯ ВЕЙВЛЕТ-АНАЛІЗА ДЛЯ ОБРОБКИ СИГНАЛІВ

5.1 Огляд існуючих методів

5.1.1 Пірамідне представлення сигналів

На рисунку 5.1 схематично зображене пірамідне представлення одномірного сигналу. Сигналові ставляться у відповідність дві піраміди: піраміда гауссіанів (ПГ) і піраміда лапласіанів (ПЛ). Ці назви відбивають аналогію з популярними в графіку операціями згладжування (згортки з колоколообразним фільтром) і виділення перепадів (обчислення “дискретного оператора Лапласа”). Можна вважати цю конструкцію спрощеним варіантом попередньої.

В основі ПГ знаходиться вихідний сигнал. Наступний поверх ПГ – вихідний сигнал, профільтрований низькочастотним фільтром і проріджений після цього вдвічі – передбачається, що фільтр h «убиває» верхню половину частотного діапазону, тому густоту вибірки можна відповідно зменшити. До цього поверху застосовується та ж операція, і так далі. У випадку кінцевих сигналів кожний наступний поверх удвічі коротше попереднього.

Рисунок 5.1 – Пірамідне представлення сигналів

Поверхи ПЛ – різниці між послідовними поверхами ПГ. Вони обчислюються так. Нехай, наприклад, і – перший і другий поверхи ПГ, – перший поверх ПЛ, що ми хочемо обчислити. Для цього спочатку вирівнюються довжини поверхів:

а потім виконується фільтрація сполученим фільтром (його коефіцієнти – переставлені у зворотному порядку коефіцієнти , у Фур'є-області це рівнозначно переходу к) . У результаті виникає вектор . По визначенню, .Тепер замість вихідного сигналу ( ) досить запам'ятати пари ( ). Вихідний сигнал можна точно відновити по формулі:

Сигнал удвічі коротше вихідного, а сигнал , як правило, майже цілком складається з дуже малих величин. Багато хто із цих величин можна без помітного збитку для точності відновлення замінити нулями, а інші закодувати більш короткими словами, чим компоненти вихідного сигналу. За рахунок цього загальна довжина запису ( ) буде істотно меншої довжини запису вихідного сигналу. Це скорочення стане ще більшим, якщо обчислити кілька поверхів ПЛ, і запам'ятовувати замість вихідного сигналу кілька поверхів ПЛ і останній поверх ПГ.

Ступінь стиску інформації цим методом залежить від вибору фільтра . При експериментах з пірамідними представленням було зроблене спостереження: «якість» фільтра зручно виражати в термінах еквівалентної вагової функції. Ця функція виникає так. Неважко обчислити коефіцієнти фільтрів, згортка сигналу з якими дає відразу другий поверх ПГ, третій поверх, і т.д. Виявляється, що при відповідній нормуванню вектори цих коефіцієнтів сходяться до якоїсь граничної «форми» – графікові функції , що повинні задовольняти функціональному рівнянню[12]:

(3.1)

Процес одержання зображений на рисунку 5.2.

Рисунок 5.2 – Процес одержання графікові функції

5.1.2 Напівортогональний багато масштабний аналіз

Вейвлет-базис називається напівортогональним, якщо для будь-якого рівня дозволу  простір вейвлетів  ортогональний простору  (і, отже, всім просторам , , ... )[2]. Очевидно, що під класом напівортогональних вейвлетів є клас ортогональних вейвлетів, для якого додатково потрібна ортогональність базисних функцій . Відсутність такого обмеження дозволяє будувати, наприклад, гладкі симетричні вейвлети з компактним носієм (помітимо, що єдиними ортогональними симетричними вейвлетами з компактним носієм є вейвлети Хаара, які не володіють навіть безперервністю). У матричній формі умова напівортогональності можна записати в такий спосіб:

Якщо замість індексу j записати, то маючи
й , умова напівортогональності буде виглядати так:

.

Якщо  й  задані, то  є рішенням однорідної системи рівнянь , де  — відома матриця. Якщо однорідна система має нетривіальні рішення, то їх нескінченно багато, тобто  визначається неоднозначно. Тому для визначеності на накладається ряд додаткових умов. Наприклад, ми хочемо, щоб побудовані нами вейвлети мали компактний носій і були симетричні. Це значить, що стовпці матриці  повинні мати найменш можливе число підряд ідучих ненульових елементів, причому самі ланцюжки ненульових елементів повинні бути симетричними.

Прикладом напівортогональних вейвлетів є сплайнові вейвлети Сплайнові вейвлети будуються на основі B-сплайнів [3]. Існують різні види сплайнових вейвлетів. Ми розглянемо вейвлети, побудовані на основі нерівномірних B-сплайнів, що інтерполюють кінцеві крапки. Далі для стислості такі сплайни будемо називати просто B-сплайнами, а відповідні вейвлети — B-сплайновими вейвлетами. Будемо будувати B-сплайнові вейвлети на одиничному відрізку. Нехай m — ступінь сплайна, j — рівень дозволу. Простір  породжується  B-сплайнами, побудованими на послідовності вузлів

Неважко показати, що побудовані в такий спосіб простори ,  вкладені один в одного й задовольняють всім вимогам багато масштабного аналізу. На рис. 1 показані набори кубічних ( ) B-сплайнових скейлинг-функцій просторів  і . Матриця  має  стовпців і  рядків, всі стовпці, за винятком m перших і m останніх є зсуненими копіями стовпця , причому ненульові елементи цих стовпців є біноміальними коефіцієнтами, помноженими на . Нижче приводяться матриці , , і  для кубічного випадку. [11, 12].

  .

Рисунок 5.3 – B-сплайнові скейлинг-функції просторів  і .

Рисунок 5.4 – B-сплайнові вейвлети просторів  і .

Скейлинг-функції  й матриці  задані. Взято стандартний скалярний добуток в Тепер можна шукати матрицю . Помітимо, що ця матриця повинна мати  стовпців (розмірність простору ) і  рядків. Як було відзначено вище, матриця  (і, отже, вейвлет-базис) визначається неоднозначно. Матриця побудована таким чином, щоб вона була розрідженою й містила мінімальне число підряд ідучих ненульових елементів у стовпцях. Структура такої матриці схожа на структуру матриці : вона розріджена і її стовпці крім m перших і m останніх є зсунененими копіями один відносно одного. Нижче приводяться матриці ,  і  для кубічного випадку, на рисунку 5.4 показані вейвлети просторів  і .

При  ми одержимо квадратичні B-сплайнові вейвлети, при  — лінійні, а при  — уже добре відомі ортогональні вейвлети Хаара[14].

Редагування кривої: Редагування здійснюється в такий спосіб: виконується декомпозиція вихідної кривої, отримані в результаті цього коефіцієнти деяким чином змінюються, після чого виробляється відновлення, але вже по модифікованому наборі коефіцієнтів. Можливі два принципово різних підходи: змінювати низькочастотну частину перетворення або змінювати високочастотну частину. У першому випадку можна міняти форму кривій “у цілому”, зберігаючи її дрібні особливості (рисунок 5.3), у другому - навпаки - зберігаючи форму, міняти деталі (рисунок 5.4). Очевидно, що при редагуванні кривих активно використається властивість локалізації вейвлетов у просторі, що дає можливість робити маніпуляції з окремими частинами кривої.

Рисунок 5.5 – Згладжування кривої

Рисунок 5.6 – Редагування кривої:

Рисунок 5.7 – Редагування кривої

6. ТЕХНІЧНІ ДАНІ

• Діапазон вхідних напруг каналу реєстрації ЕКГ - 0.03.. 5 мВ

• Чутливість каналу ЕКГ встановлюється з ряду - 2.5, 5, 10, 20, 40, 80 мм/мВ

• Відхилення встановленої чутливості від номінальної - не більш ±10 %

• Вхідний імпеданс каналу ЕКГ - не менше 15 МОм

• Коефіцієнт ослаблення синфазних сигналів каналу ЕКГ - не менше 28000

• Напруга внутрішніх шумів каналу ЕКГ - не більше 20 мкВ

• Відхилення величини відображуваного на екрані каліброваного імпульсу (1 мВ) від номінальної - не більш ±10%

• Нерівномірність АЧХ каналу ЕКГ в діапазоні 0.5.. 60Гц - 85..105%

• Коефіцієнт придушення фільтру каналу ЕКГ на частоті 25 Гц - не більше 3 дВ не менш 2,5 с.

• Постійна часу каналу фотоплетизмограми - не менше 1 с

• Тривалість фронту фотоплетизмограми - не більше 0,1 с

• Швидкість розгортки - 25, 50 мм/с

• Постійна часу каналу ЕКГ Відхилення встановленої швидкості розгортки від номінальної - не більше ±10 %

• Діапазон визначення SaО₂ - 0 ..100 %

• Відхилення значення SaО₂ в діапазоні 80 . . 99 - не більше ± 2%, в діапазоні 50 . . 79 - не більше ± 4%, у діапазоні 0 . . 49 - не нормується

• Діапазон установки значень порогу сигналізації по SaО₂ - 50 .. 95 (із кроком 5)

• Діапазон визначення ЧСС - 30 . . 250 уд/хв

• Відхилення значення ЧСС від фактичного значення в діапазоні 30 . . 99 - не більш ± 2 уд/хв, в діапазоні 100 . . 250 - не більше ± 3 уд/хв, -

• Діапазон установки значень порогів сигналізації по ЧСС (із кроком 10)

• Живлення приладу від мережі змінного струму, напруга живлення - 220 ± 22 В, частота - 50 ± 0.5 Гц, споживана потужність - не більш 12 ВА

• Габаритні розміри приладу - 290x213x119 мм

• Габаритні розміри первинного перетворювача каналу SaО₂ - 71x25x25 мм

• Довжина кабелю первинного перетворювача каналу SaО₂ - не менше 2 м

• Довжина кабелю відведень - не менше 2.5 м

• Маса приладу - не більше 2.5 кг

Прилад дозволяє автоматично здійснювати побудова гістограми розподілу КІ з кроком 8 мс, обсягом вибірки від 20 до 150 КІ [15].

7. ПАРАМЕТРИ Й ОБРОБЛЮВАНА ІНФОРМАЦІЯ

Оброблювальною інформацією являються: електрокардіограма, артеріальний тиск, фотоплетизмограма, реоенцефалограма, реовазограма.

Особливості системи:

• можливість обробки й аналізу розширеного обсягу інформації від одного або декількох пацієнтів; обсяг додатково необхідної інформації може уточнюватися на етапі укладання договору на постачання;

• наявність розширеної бази даних, що включає, крім інформації про пацієнтів і лікувальні сеанси, довідково-інформаційні і методичні матеріали по ГБО-терапії обсягом близько 200 найменувань;

• можливість роботи з базою даних під час проведення лікувального сеансу.

Система Б-001.5 дозволяє включати в свій склад пристрої і програмне забезпечення "Мультимедіа" і здійснювати під час проведення лікувального сеансу голосовий супровід оброблюваних параметрів пацієнта і середовища.

Комплекс забезпечує наступні функціональні можливості:

Багатоканальну реєстрацію і графічне представлення фізіологічних показників у реальному масштабі часу з автоматичною установкою посилення і калібруванням сигналів, що вводяться, у діапазоні можливих змін [16].

Представлення в додатковому графічному вікні динаміки повільно протікаючих змін параметрів, що реєструються в реальному масштабі часу у вигляді середніх складових грудного і діафрагмального дихання, величини периферійного тиску, провідності шкірних покривів.

Запис у пам'ять комп'ютера даних, що вводяться, для наступного перегляду, редагування, аналізу і формування бази даних.

Введення з клавіатури оператором спеціальних маркерних оцінок у ході обстеження.

Аналіз даних тестування і подання результатів у вигляді гістограми виразності змін фізіологічних показників, гістограми імовірності і значимості відхилень фізіологічних функцій, представлення їхніх кількісних значень у табличному й образно-графічному вигляді (паттерни реакцій в полярних координатах).

8. РЕАЛІЗАЦІЯ ПРОГРАМНОГО ЗАБЕЗПЕЧЕННЯ ДЛЯ ОБРОБКИ ФОТОПЛЕТИЗМОГРАФІЧНИХ ДАНИХ

8.1 робота з базою даних

Програма роботи з базою даних представляє функції для створення картки пацієнта, пошуку, збереження ПГ й огляду інформації в базі.

База даних представляє собою список файлів. Використання довгих імен файлів в ОС Windows дозволяє називати файли прізвищами пацієнтів, що створює одразу зручну и гнучку систему збереження даних.

Реєстрація пацієнта:

Для реєстрації пацієнта необхідно вибрати пункт меню "Файл-Новий файл" або натиснути інструментальну кнопку (IК) .

Після цих дій на екрані з’явиться діалогове вікно зображене на рисунку 8.1.

Рисунок 8.1 – Вибір опції НОВИЙ ФАЙЛ

Кожний пункт реєстраційної карти при встановленому на ньому маркері виділяється [32].

Заповніть пункт "Прізвище, ім‘я", виберіть мишкою або за допомогою клавіатури стать, дату народження шаблон.

Поле шаблона вміщує список доступних шаблонів структур. Так в даній версії програми є такі версії як osteo.shb (вміщує структуру аналогічну структурі хребта) й dant.shb (стоматологія).

Встановіть маркер на полі "Затвердити". Після заповнення всіх пунктів процес реєстрації й створення нового файла закінчено. Корекція введених даних можлива в ході роботи програми в пункті меню "Вікна-Персона" або натискання IК

Рисунок 8.2 – Карта розміщення хребців

Після реєстрації з’явиться вікно "Навігатор" в якому активні елементи розміщенні по групам. Так навігатор для вертебродіагностики представлений на рисунку 8.2. Можливим є створення структур для навігатора довільної форми (різне число секцій й підсекцій) [17, 18].

Переміщення по навігатору відбувається з допомогою клавіатури або маніпулятора "миша". Після вибору певного елемента 3-го рівня навігатора ("До сеансу" або "Після сеансу") можна приступати до зняття ФПГ даних.

Реєстрація ФПГ:

Після вибору певного елемента навігатора (як, наприклад зображено на рисунку 8.3 ви можете здійснити зняття даних, про що свідчить активний пункт меню "Процес-Моніторинг" та IК .

При знятті ПХ за допомогою вбудованих функцій програми (про що свідчить вимкнений прапорець "Використовувати зовнішній пакет" у вікні настроювань ) необхідно вказати необхідні активні і видимі канали у вікні каналів . Якщо використовується зовнішній модуль по зняттю даних (як на дійсний момент), то вибір каналів не потрібний. Число каналів для цього випадку визначається зміною в конфігураційному файлі зовнішнього модуля.

Рисунок 8.3 – Карта розташування хребців з вибраним елементом

Рисунок 8.4 – Вікно каналів

Регулюючи силу притиснення датчиків у міжхребетних западинах і вибираючи коефіцієнт підсилення датчиків (для зовнішнього знімного пристрою це регулятор на передній панелі), досягнути появи стійких ПХ із максимальним рівнем амплітуди сигналу в двох каналах [19].

При використанні убудованих функцій зняття даних натисніть IК