Fr. 52.50

Schätzung statistischer Parameter von EEG-Signalen mithilfe von Wavelets

German · Paperback / Softback

Shipping usually within 2 to 3 weeks (title will be printed to order)

Description

Read more

Das Elektroenzephalogramm (EEG) ist die Standardtechnik zur Untersuchung der elektrischen Aktivität des Gehirns in verschiedenen psychologischen und pathologischen Zuständen. Die Analyse von Elektroenzephalogrammsignalen (EEG) ist eine anspruchsvolle Aufgabe, da verschiedene Artefakte wie Augenartefakte (OA) und Elektromyogramme auftreten. Normalerweise fallen EEG-Signale in den Frequenzbereich von DC bis 60 Hz und eine Amplitude von 1-5 µv. Augenartefakte haben ähnliche statistische Eigenschaften wie EEG-Signale und stören oft das EEG-Signal, wodurch die Analyse von EEG-Signalen komplexer wird. In diesem Buch wurde die iterative Soft-Thresholding-Technik unter Verwendung verschiedener Wavelet-Funktionen zur Entfernung von Augenartefakten (OA) im EEG-Signal eingesetzt und die statistischen Parameter des EEG-Signals geschätzt.

About the author










B. Krishna Kumar hat einen Doktortitel in Elektronik und Kommunikationstechnik von der Jawaharlal Nehru Technological University, Hyderabad, Indien (2016). Außerdem hat er einen M.Tech-Abschluss in digitalen Systemen und Computerelektronik von der Jawaharlal Nehru Technological University, Hyderabad, Indien.

Product details

Authors B Krishna Kumar, B. Krishna Kumar, B.Krishna Kumar
Publisher Verlag Unser Wissen
 
Languages German
Product format Paperback / Softback
Released 01.01.2022
 
EAN 9786204685526
ISBN 9786204685526
No. of pages 72
Subject Natural sciences, medicine, IT, technology > Mathematics > Probability theory, stochastic theory, mathematical statistics

Customer reviews

No reviews have been written for this item yet. Write the first review and be helpful to other users when they decide on a purchase.

Write a review

Thumbs up or thumbs down? Write your own review.

For messages to CeDe.ch please use the contact form.

The input fields marked * are obligatory

By submitting this form you agree to our data privacy statement.