Recently, wavelet analysis has been

Recently, wavelet analysis has been used as an effective tool for measuring and manipulating non-stationary signals such as EEG. Wavelet-based methods, especially the wavelet thresholding techniques, have received significant attentions for EEG artifact removal [17], [18], [19], [20], [21] and [22]. For this class of methods, wavelet coefficients at low-frequency sub-bands are corrected by some thresholding functions before signal reconstruction. As an online artifact removal method, the most important advantage of using this method for EEG correction is that it does not rely on either the reference EOG signal or visual inspection. However, its performance is not consistent because the method is sensitive to the selections of wavelet basis and thresholding functions. Thus, an online method which can remove EOG artifact effectively is still desirable.

ผลลัพธ์ (ไทย) 1:

เมื่อเร็ว ๆ นี้ วิเคราะห์ wavelet มีการใช้เป็นเครื่องมือมีประสิทธิภาพสำหรับการวัด และการจัดการกับสัญญาณการเคลื่อนไหวเช่น eeg ตามเวลาจริง วิธีใช้ wavelet โดยเฉพาะอย่างยิ่งใน wavelet thresholding เทคนิค ได้รับความสนใจป่านฉะนี้สำคัญสำหรับ eeg ตามเวลาจริงสิ่งประดิษฐ์ [17], [18], [19], [20], [21] และ [22] Wavelet สัมประสิทธิ์ที่ความถี่ต่ำย่านความถี่ย่อยจะแก้ไข โดยบางฟังก์ชัน thresholding ก่อนบูรณะสัญญาณชั้นวิธีการ เป็นวิธีการกำจัดสิ่งประดิษฐ์ออนไลน์ ประโยชน์สำคัญที่สุดของการใช้วิธีนี้สำหรับการแก้ไข eeg ตามเวลาจริงคือ ว่า มันไม่ใช้สัญญาณ EOG อ้างอิงหรือตรวจสอบ อย่างไรก็ตาม ประสิทธิภาพการทำงานไม่ได้สอดคล้องกันเนื่องจากวิธีการเลือกของฟังก์ชันพื้นฐานและ thresholding wavelet ดังนั้น วิธีการออนไลน์ซึ่งสามารถเอาสิ่งประดิษฐ์ EOG มีประสิทธิภาพเป็นต้องยังคง

ผลลัพธ์ (ไทย) 2:

เมื่อเร็ว ๆ นี้การวิเคราะห์เวฟได้ถูกใช้เป็นเครื่องมือที่มีประสิทธิภาพสำหรับการวัดและจัดการสัญญาณไม่หยุดนิ่งเช่น EEG วิธีเวฟตามโดยเฉพาะอย่างยิ่งเทคนิค Thresholding เวฟได้รับความสนใจอย่างมีนัยสำคัญสำหรับการกำจัด EEG สิ่งประดิษฐ์ [17] [18] [19] [20], [21] และ [22] สำหรับการเรียนของวิธีนี้ค่าสัมประสิทธิ์เวฟที่ความถี่ต่ำย่อยวงดนตรีที่ได้รับการแก้ไขโดยฟังก์ชั่นบางอย่างก่อนที่ Thresholding ฟื้นฟูสัญญาณ ในฐานะที่เป็นวิธีการกำจัดสิ่งประดิษฐ์ออนไลน์ได้เปรียบที่สำคัญที่สุดของการใช้วิธีการนี​​้สำหรับ EEG แก้ไขคือว่ามันไม่ได้ขึ้นอยู่กับทั้งสัญญาณอ้างอิง EOG หรือการตรวจสอบภาพ แต่ประสิทธิภาพของมันไม่สอดคล้องกันเพราะวิธีการที่มีความไวต่อการเลือกพื้นฐานเวฟและฟังก์ชั่ Thresholding ดังนั้นวิธีการออนไลน์ที่สามารถลบ EOG สิ่งประดิษฐ์ที่มีประสิทธิภาพยังคงเป็นที่น่าพอใจ

ผลลัพธ์ (ไทย) 3:

เมื่อเร็ว ๆนี้ , การวิเคราะห์เวฟเล็ตได้ถูกใช้เป็นเครื่องมือที่มีประสิทธิภาพสำหรับการวัดและการจัดการกับสัญญาณ non-stationary เช่น EEG . เทคนิคใช้วิธี โดยเฉพาะกรณีการปรับเทคนิค ได้รับความสนใจในสิ่งประดิษฐ์ทาง EEG การกำจัด [ 17 ] , [ 18 ] , [ 19 ] , [ 20 ] , [ 21 ] และ [ 22 ] เรียนวิธีนี้ , สัมประสิทธิ์เวฟที่แถบความถี่ต่ำจะแก้ไขโดยการปรับย่อยบางฟังก์ชันก่อนการฟื้นฟูสัญญาณ เป็นสิ่งประดิษฐ์ที่ออนไลน์วิธีการเอาออก ประโยชน์ที่สำคัญที่สุดของการใช้วิธีนี้เพื่อแก้ไขคลื่นสมอง คือมันไม่ต้องอาศัยทั้งอ้างอิง eog สัญญาณหรือการตรวจสอบภาพ อย่างไรก็ตาม ประสิทธิภาพของมันไม่สอดคล้องกัน เนื่องจากเป็นวิธีการที่ละเอียดอ่อนในการเลือกของวิธีการพื้นฐาน และปรับการทำงาน ดังนั้นวิธีการออนไลน์ที่สามารถลบออกได้อย่างมีประสิทธิภาพ eog สิ่งประดิษฐ์ยังเป็นที่น่าพอใจ