Wavelet Use for EEG Signal Segmentation

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F60461373%3A22340%2F99%3A0003310" target="_blank" >RIV/60461373:22340/99:0003310 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Wavelet Use for EEG Signal Segmentation

Popis výsledku v původním jazyce

Wavelet transform is a modern tool for signal and image processing. It is used for decomposition, reconstruction, segmentation, denoising and prediction in many engineering and biomedical applications. The paper deals with fundamental differences the Wavelet Transform (WT) and the Short Time Fourier Transform (STFT). The advantage of the WT is in a wide range of analysing functions and the variable resolution for each frequency component. The main part of the paper describes detection ################################################################################################################################################################################################################## of local peaks, which are greater than the given threshold, providing margins of segments. Signal segmentation detects change-points in a non-stationary signal and it divides it into its quasi-stationary seg

Název v anglickém jazyce

Wavelet Use for EEG Signal Segmentation

Popis výsledku anglicky

Wavelet transform is a modern tool for signal and image processing. It is used for decomposition, reconstruction, segmentation, denoising and prediction in many engineering and biomedical applications. The paper deals with fundamental differences the Wavelet Transform (WT) and the Short Time Fourier Transform (STFT). The advantage of the WT is in a wide range of analysing functions and the variable resolution for each frequency component. The main part of the paper describes detection ################################################################################################################################################################################################################## of local peaks, which are greater than the given threshold, providing margins of segments. Signal segmentation detects change-points in a non-stationary signal and it divides it into its quasi-stationary seg

Druh

A - Audiovizuální tvorba

CEP obor

JD - Využití počítačů, robotika a její aplikace

OECD FORD obor

—

Projekt

—

Návaznosti

Z - Vyzkumny zamer (s odkazem do CEZ)

Rok uplatnění

1999

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

ISBN

80-227-1228-0

Místo vydání

Bratislava, Slovakia

Název nakladatele resp. objednatele

12th Conference Process Control '99

Verze

—

Identifikační číslo nosiče

—