Báo cáo Ứng dụng lọc thích nghi trong triệt nhiễu tín hiệu NIRS (Phần 1)

Nội dung text: Báo cáo Ứng dụng lọc thích nghi trong triệt nhiễu tín hiệu NIRS (Phần 1)

1. BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH BÁO CÁO TỔNG KẾT ÐỀ TÀI KH&CN CẤP TRƯỜNG TRỌNG ÐIỂM ỨNG DỤNG LỌC THÍCH NGHI TRONG TRIỆT NHIỄU TÍN HIỆU NIRS Mã số: T2014-27 Chủ nhiệm đề tài: ThS. Ngô Quốc Cường S K C0 0 5 5 6 5 Tp. Hồ Chí Minh, tháng 11/2014
2. BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC SƢ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH BÁO CÁO TỔNG KẾT ĐỀ TÀI KH&CN CẤP TRƢỜNG ỨNG DỤNG LỌC THÍCH NGHI TRONG TRIỆT NHIỄU TÍN HIỆU NIRS Mã số: T2014-27 Chủ nhiệm đề tài: ThS. Ngô Quốc Cƣờng TP. HCM, 11/2014
3. TRƢỜNG ĐẠI HỌC SƢ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH KHOA ĐIỆN – ĐIỆN TỬ BÁO CÁO TỔNG KẾT ĐỀ TÀI KH&CN CẤP TRƢỜNG ỨNG DỤNG LỌC THÍCH NGHI TRONG TRIỆT NHIỄU TÍN HIỆU NIRS Mã số: T2014-27 Chủ nhiệm đề tài: ThS. Ngô Quốc Cƣờng Thành viên đề tài: ThS. Nguyễn Ngô Lâm TP. HCM, 11/2014
4. DANH SÁCH CÁN BỘ THAM GIA THỰC HIỆN ĐỀ TÀI STT MSCB Họ và tên Đơn vị công tác Nội dung công việc ĐT-Viễn thông-khoa ThS. Ngô 1. 0390 Điện-Điện tử- Xây dựng thuật Quốc Cƣờng ĐHSPKT Tp.HCM toán ĐT-Viễn thông-khoa ThS. Nguyễn Triển khai ứng dụng 2. 2204 Điện-Điện tử- Ngô Lâm ĐHSPKT Tp.HCM
5. MỤC LỤC MỤC LỤC i DANH SÁCH HÌNH ii DANH SÁCH TỪ VIẾT TẮT iv THÔNG TIN KẾT QUẢ NGHIÊN CỨU v INFORMATION ON RESEARCH RESULTS vi MỞ ĐẦU 1 Chƣơng 1 3 CƠ SỞ LÝ THUYẾT 3 1.1 Phƣơng Pháp Tái Hiện Hình Ảnh Và Tín Hiệu Não Ngƣời 3 1.1.1 Phƣơng pháp EEG 3 1.1.2 Phƣơng Pháp MRI 4 1.1.3 Phƣơng Pháp Quang Phổ Cận Hồng Ngoại fNIRS 6 1.2 Nhiễu Trong Thu Thập Tín Hiệu Quang Phổ Cận Hồng Ngoại 8 1.3 Lọc Thích Nghi 9 1.3.1 Giới Thiệu Lọc Thích Nghi 9 1.3.2 Lọc Thích Nghi Dùng Thuật Toán LMS 10 Chƣơng 2 13 THU THẬP TÍN HIỆU NIRS 13 2.1 Các Vùng Chức Năng Não Ngƣời 13 2.2 Thiết Bị và Tín Hiệu fNIRS 15 2.2.1 Thiết Bị 15 2.2.2 Tín Hiệu fNIRS 17 2.3 Thiết Lập Thí Nghiệm Thu Dữ Liệu Cho Hoạt Động Gõ Tay 19 Chƣơng 3 24 ỨNG DỤNG LỌC THÍCH NGHI TRONG TRIỆT NHIỄU TÍN HIỆU NIRS 24 3.1 Mô Hình Triệt Nhiễu 24 3.2 Ứng Dụng Lọc Thích Nghi Trong Triệt Nhiễu Tín Hiệu NIRS 26 3.2.1 Nhiễu Gauss 26 3.2.2 Nhiễu Xung 27 3.2.3 Ứng Dụng Lọc Thích Nghi Trên Tín Hiệu NIRS 29 Chƣơng 4 40 KẾT LUẬN và HƢỚNG PHÁT TRIỂN 40 4.1 Kết Luận 40 4.2 Hƣớng Phát Triển 40 TÀI LIỆU THAM KHẢO 41 PHỤ LỤC 42 i
6. DANH SÁCH HÌNH Hình 1. 1. Bố trí điện cực trong phép đo EEG 3 Hình 1. 2. Bốn loại sóng cơ bản trong phép đo EEG : sóng delta, theta, alpha, beta 4 Hình 1. 3. Quá trình tác động lên nguyên tử hydro trong phƣơng pháp MRI 5 Hình 1. 4. Ảnh MRI có đƣợc theo phƣơng pháp T1 và T2 (từ trái sang) 6 Hình 1. 5. Dải bƣớc sóng từ tia Gamma đến vô tuyến 6 Hình 1. 6. Tác động tia cận hồng ngoại vào vỏ não 7 Hình 1. 7. Phổ hấp thụ hemoglobin đối với các bƣớc sóng khác nhau 7 Hình 1. 8. Tín hiệu chịu ảnh hƣởng của nhiễu do các hành động từ ngƣời gây ra: lắc đầu, cử động ngƣời, cử động mặt. Nhiễu trong các trƣờng hợp này thƣờng là nhiễu xung 9 Hình 1. 9. Cấu trúc bộ lọc thích nghi cơ bản. 10 Hình 1. 10. Bộ kết hợp tuyến tính thích nghi với một ngõ vào. 10 Hình 1. 11. Đƣờng biểu diễn chất lƣợng làm việc của 1 hệ số. 11 Hình 1. 12. Tìm điểm cực tiểu theo một trọng số. 12 Hình 2. 1. Phân chia các thùy trên vỏ não 13 Hình 2. 2. Vị trí vùng điều khuyển chuyển động motor control 14 Hình 2. 3. Các chức năng liên quan trong vùng motor control 14 Hình 2. 4. Máy fNIRS : FOIRE-3000 15 Hình 2. 5. Các kiểu bố trí Holder khác nhau 15 Hình 2. 6. Các thành phần của Holder khi tháo rời 16 Hình 2. 7. Bố trí Holder và các đầu đo (a)) cho thí nghiệm trên máy FOIRE-3000 cùng phần mềm fNIRS (b)). 16 Hình 2. 8. Thiết lập các thông số trên máy fNIRS dùng phần mềm fNIRS 17 Hình 2. 9. Tín hiệu OxyHb, DeOxyHb, và TotalHb của kênh 1 trong 1,4 giây đầu tiên 19 Hình 2. 10. Bố trí các đầu đo trên hai bán cầu não của chủ thể tham gia thí nghiệm 19 Hình 2. 11. Hoạt động gõ tay trong thí nghiệm 20 Hình 2. 12. Giao thức thời gian cho một lần gõ tay 20 Hình 2. 13. Vị trí các đầu đo (đầu phát – đỏ, đầu thu - xanh ), kênh đo trên khu vực motor control của bán cầu não trái 21 Hình 2. 14. Vị trí các đầu đo, kênh đo (màu vàng) trên khu vực motor control của bán cầu não phải 21 Hình 2. 15. Các kênh 2, 5, 6, 9 trên bán cầu não trái và 12, 15, 16, 19 trên bán cầu não phải đƣợc chọn để lấy dữ liệu 21 Hình 2. 16. Tín hiệu thu đƣợc từ các kênh 2, 5, 6, 9 trên bán cầu não trái 22 Hình 2. 17. Tín hiệu thu đƣợc từ các kênh 12, 15, 16, 19 trên bán cầu não phải 22 Hình 3. 1. Cấu trúc triệt nhiễu thích nghi. 24 Hình 3. 2. Lƣu đồ thuật toán LMS 26 Hình 3. 3. Nhiễu Gauss với trị trung bình bằng 1 và độ lệch chuẩn bằng 2 27 Hình 3. 4. Xung lý tƣởng 27 Hình 3. 5. Xung thực tế 28 Hình 3. 6. Nhiễu xung đƣợc tạo ra với A=10, B=10 29 ii
7. Hình 3. 7. Kết quả lọc nhiễu Gauss trên tín hiệu gốc sin dùng lọc thích nghi. Đến thời gian trên 0.13 giây, ngõ ra cần lọc đã bám theo đƣợc ngõ vào-tín hiệu gốc 30 Hình 3. 8. Sai số MSE giảm khi số vòng lặp tăng 30 Hình 3. 9. Kết quả lọc nhiễu Gauss trên tín hiệu gốc răng cƣa dùng lọc thích nghi. 31 Hình 3. 10. Tín hiệu NIRS trên các kênh 2, 5, 6, 9 và kết quả lọc nhiễu Gauss đƣợc trình bày ở hình a, b, c, d. 33 Hình 3. 11. Kết quả lọc nhiễu xung trên tín hiệu gốc sin dùng lọc thích nghi. 34 Hình 3. 12. Kết quả lọc nhiễu xung trên tín hiệu gốc răng cƣa dùng lọc thích nghi. 34 Hình 3. 13. Tín hiệu NIRS trên các kênh 2, 5, 6, 9 và kết quả lọc nhiễu xung đƣợc trình bày ở hình a, b, c, d. 36 iii
8. DANH SÁCH TỪ VIẾT TẮT LMS Least Mean Square MSE Mean Square Error fNIRS functional Near Infra-Red Spectroscopy MRI Magnetic Resonance Imaging EEG ElectroEncephaloGraphy iv
9. TRƢỜNG ĐẠI HỌC SƢ PHẠM KỸ THUẬT CỘNG HOÀ XÃ HỘI CHỦ NGHĨA VIỆT NAM THÀNH PHỐ HỒ CHÍ MINH Độc lập - Tự do - Hạnh phúc ĐƠN VỊ: ĐIỆN- ĐIỆN TỬ Tp. HCM, Ngày 3 tháng 11 năm 2014 THÔNG TIN KẾT QUẢ NGHIÊN CỨU 1. Thông tin chung: - Tên đề tài: ỨNG DỤNG LỌC THÍCH NGHI TRONG TRIỆT NHIỄU TÍN HIỆU NIRS - Mã số: T2014-27 - Chủ nhiệm: Ngô Quốc Cƣờng - Cơ quan chủ trì: Đại Học Sƣ Phạm Kỹ Thuật TP. HCM - Thời gian thực hiện: 6/2013 đến 9/2014 2. Mục tiêu: Ứng dụng lọc thích nghi trong triệt nhiễu tín hiệu NIRS 3. Tính mới và sáng tạo: Áp dụng lọc thích nghi dùn giải thuật LMS để triệt nhiễu tín hiệu NIRS. 4. Kết quả nghiên cứu: Lọc đƣợc nhiễu trong tín hiệu NIRS dùng lọc thích nghi với giải thuật LMS. 5. Sản phẩm: Tài liệu cơ bản về lọc thích nghi, ứng dụng lọc thích nghi trong triệt nhiễu tín hiệu. Bài báo đăng trên website Khoa Điện- Điện tử 6. Hiệu quả, phƣơng thức chuyển giao kết quả nghiên cứu và khả năng áp dụng: Tài liệu dùng trong giảng dạy Xử lý tín hiệu số Trƣởng Đơn vị Chủ nhiệm đề tài (ký, họ và tên) (ký, họ và tên) v
10. INFORMATION ON RESEARCH RESULTS 1. General information: Project title: Noise cancellation using adaptive filter on NIRS signal Code number: T2014-27 Coordinator: Cuong Ngo Implementing institution: HCMC Univerisy of Technology and Education Duration: from June/2013 to September/2014 2. Objective(s): Applying noise cancellation on NIRS signal using adaptive filter 3. Creativeness and innovativeness: Applying noise cancellation on NIRS signal using adaptive filter with LMS algorithm 4. Research results: Reduce noise from NIRS signal 5. Products: Basic material of adaptive filter Paper proposed on FEEE website 6. Effects, transfer alternatives of research results and applicability: Reference material for Lab experiments. vi
11. 1. Mở Đầu MỞ ĐẦU Tình hình nghiên cứu Xử lý thích nghi là một lĩnh vực có ý nghĩa học thuật và gắn liền với những ứng dụng thực tế nhƣ khử nhiễu thích nghi, triệt echo, cân bằng kênh truyền Ứng dụng của xử lý tín hiệu thích nghi gắn với các mô hình nhận dạng, sửa sóng, lọc nhiễu và sử dụng các thuật toán Newton, Steepest Descent, LMS, RLS Sự thay đổi của tập dữ liệu đầu vào và các điều kiện ràng buộc ngày càng phức tạp kéo theo đòi hỏi cải tiến các thuật toán thích nghi để có đƣợc hiệu năng xử lý cao hơn so với các mạch lọc tƣơng tự trƣớc đây. Ngoài ra việc giải quyết vấn đề nâng cao hiệu năng thuật toán còn đòi hỏi việc xây dựng các điều kiện đảm bảo thuật toán có thể sử dụng đƣợc. Mục tiêu của việc cải tiến thuật toán thích nghi là tăng tốc độ hội tụ với yêu cầu về độ chính xác, độ ổn định, đã đƣợc nhiều tác giả nghiên cứu giải quyết theo nhiều hƣớng: thay đổi cấu trúc bộ lọc thích nghi, sử dụng kích thƣớc bƣớc thích nghi thay đổi VSLMS, VSNLMS [1, 2]. Cải tiến các thuật toán thích nghi sử dụng cấu trúc động, thông số tự thay đổi nhƣ thuật toán NLMS, tăng độ ổn định, đồng thời độ phức tạp của thuật toán sẽ tăng lên đáng kể. Sử dụng các thuật toán lọc thích nghi LMS, NLMS, RLS để áp ứng đƣợc các mục tiêu có tính thực tế, các ứng dụng thời gian thực. Rất nhiều nhà nghiên cứu về khoa học thần kinh trên thế giới đã bị cuốn hút bởi kỹ thuật fNIRS, nhƣng ở Việt Nam, đây vẫn là một vấn đề khá mới. Nhiều công trình đã đƣợc công bố trên các tạp chí, hội nghị về các khía cạnh khác nhau dựa trên kỹ thuật quang phổ cận hồng ngoại. Tín hiệu fNIRS phản ánh hoạt động của não và chức năng liên quan trong khi gõ ngón tay [3]. Mô hình mạng nơ-ron Bayessian dự đoán hành vi từ thông tin não đo đƣợc bởi máy fNIRS [4]. Nhận dạng chức năng não thông qua phân tích wavelet tín hiệu fNIRS và mạng nơ-ron [5]. Nhận biết hoạt động não còn đƣợc thực hiện thông qua quỹ đạo nồng độ oxy [6]. Dựa trên hệ số góc của đƣờng thẳng thu đƣợc từ hồi quy tuyến tính, ta có thể phân biệt đƣợc là tay trái hay tay phải đang đƣợc gõ [7]. Oxy-Hb và deOxy-Hb còn có thể đƣợc dùng trực tiếp với giải thuật SVM để nhận dạng hoạt động gõ tay [8]. Một trong những bƣớc quan trọng trong quá trình phân tích tín hiệu NIRS đó là lọc nhiễu. Tín hiệu fNIRS có thể bị nhiễu và đây là điều thƣờng xảy ra. Chúng có thể bị loại bỏ sử dụng phƣơng pháp cửa sổ trƣợt [9] để xử lý dữ liệu theo từng đoạn. Nhiễu dịch chuyển artifact trong quá trình đo gây ra do việc ghép và thay đổi áp lực của nguồn quang và đầu thu; và chúng có thể đƣợc quan sát rõ trong tín hiệu NIRS thô với các gai hay vệt với biên độ lớn hơn nhiều so với các giá trị lân cận. Phƣơng pháp cửa sổ trƣợt này quét trên từng đoạn để tìm ra sự thay đổi đã nói. Nhiễu cũng có thể đƣợc loại bỏ nhờ sử dụng biến đổi Wavelet (TIWT) [10]. Nhiễu artifact theo dạng thay đổi đột ngột trong tín hiệu xuất hiện giống nhƣ các hệ số lớn trong miền Wavelet rời rạc. Điều này làm cho việc xác định và loại bỏ artifact trở nên dễ dàng hơn trong miền Wavelet. 1
12. 1. Mở Đầu Tính cấp thiết Hiện nay, lĩnh vực xử lý tín hiệu ngày càng phát triển mạnh. Đặc biệt với các giải thuật lọc nhiễu từ tín hiệu. Đề tài xây dựng và ứng dụng giải thuật LMS trong lọc thích nghi trên tín hiệu NIRS (Near Infra-red Spectroscopy). Kết quả của đề tài có thể đƣợc sử dụng vào việc nghiên cứu việc giảng dạy cho sinh viên chuyên ngành điện tử viễn thông. Mục tiêu đề tài Ứng dụng lọc thích nghi trong triệt nhiễu tín hiệu NIRS Cách tiếp cận, phương pháp nghiên cứu, phạm vi nghiên cứu Cách tiếp cận Lý thuyết đến thực nghiệm Phƣơng pháp nghiên cứu Nghiên cứu lý thuyết Mô phỏng Thực nghiệm Phạm vi nghiên cứu Lọc thích nghi trên giải thuật LMS Ứng dụng loại nhiễu trong tín hiệu NIRS Nội dung nghiên cứu Cơ sở lý thuyết về lọc thích nghi Thuật toán lọc thích nghi với giải thuật LMS Ứng dụng lọc thích nghi trong triệt nhiễu tín hiệu NIRS 2
13. 1. Cơ Sở Lý Thuyết Chƣơng 1 CƠ SỞ LÝ THUYẾT 1.1 Phƣơng Pháp Tái Hiện Hình Ảnh Và Tín Hiệu Não Ngƣời 1.1.1 Phƣơng pháp EEG EEG (Electroencephalography) – điện não đồ là một phƣơng pháp ghi lại các hoạt động về điện trên da đầu của ngƣời. Phƣơng pháp này đo sự thay đổi điện áp do việc di chuyển của các hạt điện tích bên trong các nơ- ron của não. Tín hiệu EEG trên ngƣời đã đƣợc tìm ra bởi Hans Berger (1873- 1941). Bài báo đầu tiên vào năm 1929 của Berger cho thấy sự tồn tại của sóng alpha nhƣ là một thành phần chủ yếu trong tín hiệu EEG. Việc nạp điện áp trên não đƣợc duy trì bởi hàng tỷ nơ-ron. Các nơ-ron nạp điện bởi các màng vận chuyển protein bằng cách bơm ion vào màng của chúng. Các nơ- ron thƣờng xuyên trao đổi ion với ngoại bào, tạo nên một quá trình liên tục bằng cách đẩy ion từ nơ-ron này đến nơ-ron khác nhƣ một sóng điện. Khi các sóng ion này tiến đến các điện cực trên da đầu, chúng có thể đẩy và kéo electron trên kim loại của điện cực. Vì kim loại có thể đẩy và kéo electron một cách dễ dàng nên sự khác nhau giữa điện áp kéo và đẩy của bất kỳ cặp cực nào cũng sẽ đƣợc ghi nhận. Các giá trị điện áp đƣợc ghi nhận theo thời gian này chính là tín hiệu EEG. Tùy theo các ứng dụng khác nhau mà ta có thể bố trí các điện cực ở các vị trí tƣơng ứng. Hình 1.1 là một ví dụ về bố trí các điện cực trong phép đo EEG. Hình 1. 1. Bố trí điện cực trong phép đo EEG Trên cơ thể ngƣời khỏe mạnh, biên độ và tần số của các tín hiệu thay đổi từ trạng thái này đến trạng thái khác, chẳng hạn nhƣ lúc thức và ngủ. Đặc tính của các sóng đo đƣợc cũng thay đổi theo độ tuổi. Có 5 loại sóng não cơ bản đƣợc phân biệt theo các vùng tần số khác nhau. Dựa vào dải tần số tƣơng ứng mà các sóng đƣợc chia thành: alpha( ), theta ( ), beta (β), delta ( ), và gamma ( ). 3
14. 1. Cơ Sở Lý Thuyết Sóng delta nằm trong vùng từ 0,5 – 4 Hz. Các sóng này có trong giấc ngủ sâu và sẽ hiện diện ở trạng thái tỉnh giấc. Tuy nhiên loại sóng này dễ bị ảnh hƣởng bởi các nhiễu nhân tạo do các khối cơ lớn ở cổ, hàm. Sóng theta nằm trong vùng từ 4 – 8 Hz. Sóng này thƣờng thấy ở tuổi vị thành niên, xuất hiện khi chuyển từ trạng thái hiểu biết sang thờ thẫn, khi con ngƣời căng thẳng hay xuất hiện các bệnh lý khác nhau. Sóng alpha có tần số từ 8 – 13 Hz. Sóng này xuất hiện nhiều khi nhắm mắt và thƣ giãn, xuất hiện trên vùng đầu phía sau hay trƣớc trán. Sóng beta có tần số từ 13 – 30 Hz. Sóng beta này thƣờng liên quan đến hành vi điều khiển hoạt động. Với biên độ thấp và tần số thay đổi trong phạm vi đã nói, sóng này cũng liên quan đến vấn đề khi suy nghĩ hay tập trung cao. Sóng gamma có tần số từ 30 – 100 Hz. Nó thể hiện sự ràng buộc của một số lƣợng lớn các nơ- ron lại với nhau cho mục đích thực thi một hoạt động nhận thức ngẫu nhiên hoặc chức năng vận động. Hình ảnh của các sóng vừa trình bày đƣợc tóm tắt trong hình 1.2. Khi thực hiện các hành vi khác nhau thì trên não xuất hiện các loại sóng với các tần số khác nhau. Đây chính là điều mà EEG mang lại. Hình 1. 2. Bốn loại sóng cơ bản trong phép đo EEG : sóng delta, theta, alpha, beta 1.1.2 Phƣơng Pháp MRI Magnetic Resonance Imaging (MRI) – ảnh cộng hƣởng từ là một kỹ thuật quan trọng trong chẩn đoán lâm sàng dựa trên độ tƣơng phản giữa các mô mềm khác nhau. MRI đã đƣợc phát minh từ đầu những năm 1970. 4
15. 1. Cơ Sở Lý Thuyết Để tạo ra ảnh cộng hƣởng từ, bệnh nhân đƣợc đặt trong một từ trƣờng mạnh. Từ trƣờng này sẽ canh chỉnh các nguyên tử hidro – hay proton trong ngƣời bệnh theo hƣớng của trƣờng. Sau đó, các nguyên tử bị xáo trộn từ việc định hƣớng này bằng cách sử dụng sóng có tần số vô tuyến (RF) từ bên ngoài. Sóng RF này tạo ra một trƣờng điện từ biến thiên. Trƣờng điện từ biến thiên này có một tần số gọi là tần số cộng hƣởng, nó bị hấp thụ và lật momen của proton trong trƣờng từ. Tiếp theo là sóng RF bị tắt đi, các nguyên tử hydro bị canh chỉnh lại bởi trƣờng từ tĩnh và tạo ra ra tín hiệu RF. Hình 1.3 miêu tả quá trình tác động lên nguyên tử hydro. Hình 1. 3. Quá trình tác động lên nguyên tử hydro trong phƣơng pháp MRI Tín hiệu RF phát ra từ các nguyên tử hydro khi chúng quay về hƣớng ban đầu phụ thuộc vào độ mạnh của trƣờng từ. Mỗi tín hiệu RF sẽ đƣợc phân tích bởi máy tính dựa trên cƣờng độ của chúng hay các tiêu chuẩn khác. Các tín hiệu này sau đó đƣợc chuyển qua ảnh xám. Có 2 phƣơng pháp cơ bản trong MRI. Chúng đƣợc gọi là trọng số T1 và trọng số T2. Ảnh trọng số T1 miêu tả nƣớc ứng với màu tối và mỡ ứng với màu sáng. Trong khi đó ảnh trọng số T2 thì ngƣợc lại. Một ví dụ về ảnh T1 và T2 đƣợc trình bày trong hình 1.4. Ngoài ra cũng có nhiều phƣơng pháp khác phát triển từ 2 phƣơng pháp trọng số cơ bản này nhƣ : Gradient Echo, FLAIR, . 5
16. 1. Cơ Sở Lý Thuyết Hình 1. 4. Ảnh MRI có đƣợc theo phƣơng pháp T1 và T2 (từ trái sang) 1.1.3 Phƣơng Pháp Quang Phổ Cận Hồng Ngoại fNIRS Nếu nhƣ phƣơng pháp MRI sử dụng sóng nằm trong vùng tần số vô tuyến thì kỹ thuật fNIRS (functional Near Infra-Red Spectroscopy) sử dụng sóng ánh sáng trong vùng cận hồng ngoại. Dải bƣớc sóng đƣợc trình bày trong hình 1.5 Hình 1. 5. Dải bƣớc sóng từ tia Gamma đến vô tuyến Ánh sáng cận hồng ngoại (650 – 950 nm) có thể di chuyển qua sọ và tiến đến vỏ não với độ sâu lên đến 3cm nhƣ trong hình 1.6. Các sóng ánh sáng này bị hấp thụ bởi mô ở các mức độ khác nhau. Dựa trên phổ hấp thụ của HbR và HbO2 nhƣ trong hình 1.7, ta có thể tính đƣợc sự thay đổi mức độ tập trung bằng cách dựa vào cƣờng độ trên đầu thu. 6
17. 1. Cơ Sở Lý Thuyết Hình 1. 6. Tác động tia cận hồng ngoại vào vỏ não Hình 1. 7. Phổ hấp thụ hemoglobin đối với các bƣớc sóng khác nhau Mức độ tập trung của HbR và HbO2 có thể đƣợc tính dựa trên luật Beer- Lambert .Giả sử ta đang đo trong một môi trƣờng có mức tập trung của thành phần hấp thụ ánh sáng là C. Ánh sáng tới có cƣờng độ I0 và bƣớc sóng  di chuyển một khoảng L trong môi trƣờng này. Luật Beer-Lambert cho ta cƣờng độ IL của ánh sáng phát là một hàm của bƣớc sóng :  ()CL I L I 0e (1.1) Trong đó,  () là hệ số hấp thụ ở bƣớc sóng . Để đo mật độ quang OD trong môi trƣờng với bƣớc sóng , ta sử dụng công thức 1.2 OD() log(I0 / IL ) ()CL (1.2) Trong trƣờng hợp có nhiều hơn một bƣớc sóng đƣợc sử dụng, chẳng hạn nhƣ 2 bƣớc sóng 1 và 2 thì 1.2 có thể đƣợc viết lại nhƣ sau (bỏ qua các thành phần hấp thụ khác ngoài HbR và HbO2) OD( ) { ( ) [Hb]  ( ) [HbO ]}K( ) (1.3) 1 Hb 1 HbO2 1 2 1 OD( ) { ( ) [Hb]  ( ) [HbO ]}K( ) (1.4) 2 Hb 2 HbO2 2 2 2 Trong phƣơng trình 1.3 và 1.4, [Hb] và [HbO2 ] là sự thay đổi độ tập trung của HbR và HbO2 tƣơng ứng với các giá trị khởi tạo K(i ),i 1,2 , đây là một yếu tố phụ thuộc vào đƣờng di chuyển của ánh sáng ở bƣớc sóng i . Trong các trƣờng hợp thực tế, giả sử rằng K(i ) K,i 1,2 thì và đƣợc tính nhƣ 1.5, 1.6  ( ) OD( ) HbO2 1 OD( ) 1  ( ) 2 [Hb] HbO2 2 (1.5)  HbO (1) K  ( )  ( ) 2 Hb 1 Hb 2  ( ) HbO2 2 7
18. 1. Cơ Sở Lý Thuyết  ( ) OD( ) Hb 1 OD( ) 1  ( ) 2 [HbO ] Hb 2 (1.6) 2  ( ) K  ( )  ( ) Hb 1 HbO2 1 HbO2 2  Hb (2 ) Khi đã tính đƣợc độ tập trung của HbR và HbO2 thì ta có thể tính các đại lƣợng liên quan khác, chẳng hạn nhƣ sự thay đổi thể tích máu [BV], thay đổi oxy [O2 ] [BV] [Hb] [HbO2 ] (1.7) [O2 ] [HbO2 ] [Hb] (1.8) Một thiết bị fNIRS thực tế sẽ bao gồm nguồn quang, đầu thu kết hợp với nhau trong một khối: mạch phát điều khiển thời gian và cƣờng độ của nguồn quang, mạch thu nhận các ánh sáng phản xạ từ mô và gởi chúng đến khối điều khiển. Có 3 phƣơng pháp đo fNIRS khác nhau: sóng liên tục, miền tần số, miền thời gian. Các thiết bị fNIRS sóng liên tục thƣờng đƣợc dùng trong thực tế cho các vấn đề tái tạo tín hiệu hay hình ảnh não. Nguyên lý hoạt động thiết bị fNIRS sóng liên tục cũng đơn giản. Mỗi nguồn quang phát ra ánh sáng trên một vùng nhất định của não với ít nhất là 2 bƣớc sóng khác nhau, chẳng hạn nhƣ 780nm và 830nm. Các photon phản xạ đƣợc tập trung tại đầu thu tƣơng ứng và chuyển ánh sáng thu đƣợc thành tín hiệu điện tƣơng ứng với cƣờng độ quang thu đƣợc. 1.2 Nhiễu Trong Thu Thập Tín Hiệu Quang Phổ Cận Hồng Ngoại Khi đầu phát và đầu thu trƣợt khỏi vị trí ban đầu hay mất tiếp xúc với da đầu thì các nhiễu burst và xung có thể xảy ra [9]. Hơn nữa, nếu nguồn phát mất tiếp xúc với da, bộ thu có thể thu đƣợc giá trị rất thấp vì không có ánh sáng truyền qua da và cả cƣờng độ rất lớn do sự phản xạ trực tiếp thay vì dƣới da đầu nhƣ đã nói. Điều này có thể gây ra trạng thái bão hòa. Sự di chuyển của đầu cũng có thể gây ra sự thay đổi về lực đè lên bộ giữ đầu phát và thu. Hơn nữa, ảnh hƣởng của lực hấp dẫn có thể gây ra sự thây đổi trong lƣu thông máu hay thể tích máu ở từng phần trong não [11]. Hình là một ví dụ về các nhiễu gây ra bởi con ngƣời. 8
19. 1. Cơ Sở Lý Thuyết Hình 1. 8. Tín hiệu chịu ảnh hƣởng của nhiễu do các hành động từ ngƣời gây ra: lắc đầu, cử động ngƣời, cử động mặt. Nhiễu trong các trƣờng hợp này thƣờng là nhiễu xung 1.3 Lọc Thích Nghi 1.3.1 Giới Thiệu Lọc Thích Nghi Trong các bộ lọc số quy ƣớc (FIR và IIR), các thông số của quá trình lọc dùng để xác định các đặc trƣng của hệ thống coi nhƣ đã biết, các thông số này có thể biến đổi theo thời gian, nhƣng bản chất của sự biến đổi thì coi nhƣ đã biết. Trong nhiều bài toán thực tiễn, một số thông số có thể có độ bất định lớn do dữ liệu thử nghiệm trƣớc về quá trình không đƣợc thích hợp. Một số thông số có thể biến thiên theo thời gian nhƣng bản chất chính xác của sự biên thiên thì không thể tiên đoán đƣợc. Trong các trƣờng hợp đó, chúng ta cần phải thiết kế bộ lọc có khả năng tự nắm bắt, để có thể thích nghi với hoàn cảnh hiện thời. Các hệ số của một bộ lọc thích nghi đƣợc hiệu chỉnh để bù lại các thay đổi trong các tín hiệu vào, tín hiệu ra hoặc trong các thông số của hệ thống. Thay vì bị cứng nhắc, một hệ thống thích nghi có thể nắm bắt các đặc trƣng của tín hiệu và dò theo các biến đổi chậm. Một bộ lọc thích nghi có thể rất hữu ích cho sự bất định về các đặc trƣng của một tín hiệu hoặc khi các đặc trƣng đó thay đổi. Hình 1.9 sau thể hiện một cấu trúc cơ bản của bộ lọc thích nghi. 9
20. 1. Cơ Sở Lý Thuyết Hình 1. 9. Cấu trúc bộ lọc thích nghi cơ bản. Trong đó ngõ ra y của bộ lọc thích nghi đƣợc so sánh với tín hiệu mong muốn d để cho ra tín hiệu sai số e, tín hiệu sai số này đƣợc hồi tiếp về để điều chỉnh bộ lọc thích nghi. Các hệ số của bộ lọc thích nghi đƣợc điều chỉnh, hay tối ƣu hóa, sử dụng các thuật toán thích nghi nhƣ LMS, RLS dựa trên tín hiệu sai số e. Ở phần các thuật toán của bộ lọc thích nghi chúng ta sẽ nói rõ về thuật toán này. 1.3.2 Lọc Thích Nghi Dùng Thuật Toán LMS Thuật toán này đi kèm với một bộ lọc FIR hiệu chỉnh đƣợc. Các hệ số hay trọng số của bộ lọc FIR thích nghi có thể hiệu chỉnh dựa trên một môi trƣờng thay đổi nhƣ một tín hiệu vào. Trong trƣờng hợp 1 ngõ vào, cấu trúc trên trở thành một bộ lọc FIR (K+1) tap với các hệ số điều chỉnh đƣợc. Mỗi ngõ vào đƣợc trì hoãn sẽ đƣợc nhân trọng số và cộng lại để tạo ngõ ra. Hình 1. 10. Bộ kết hợp tuyến tính thích nghi với một ngõ vào. K 1 y(n) w(k,n)x(n k) (1.9) k 0 Ngõ vào và các trọng số có thể đƣợc viết nhƣ là các vector. X(n) [x(n) x(n 1)  x(n K)]T W(n) [w(0,n) w(1,n)  w(K,n)]T Phƣơng trình này đƣợc viết lại dƣới dạng vector là: T T Y(n) W(n)X (n) W (n)X(n) (1.10) 10
21. 1. Cơ Sở Lý Thuyết Trong phần trên chúng ta đã xem xét một cấu trúc của bộ lọc mà đặc tính có thể thay đổi bằng cách điều chỉnh các trọng số. Tuy nhiên, chúng ta vẫn cần một sự đánh giá chất lƣợng của bộ lọc. Hàm mục tiêu này sẽ dựa trên sai số : e()()() n d n y n (1.11) Bình phƣơng của hàm này : e2() n d 2 ()2.().() n d n y n y 2 () n chính là hàm bình phƣơng sai số tức thời. Bây giờ, hãy xem xét trƣờng hợp bộ lọc chỉ có một trọng số. Ta có y(n) = w(0).x(n) và bình phƣơng sai số trở thành . e2 (n) d 2 (n) 2d(n)x(n)w(0) x2 (n)w2 (0) Là một hàm bậc 2 của w(0). Kỳ vọng của hàm sai số bình phƣơng là: E[e2 (n)] E[d 2 (n)] 2E[d(n)x(n)]w(0) E[x2 (n)]w2 (0) (1.12) Nếu tín hiệu d và x là bất biến thống kê theo thời gian, các kỳ vọng của tích của d và x là hằng số, Với A = E[d2(n)]; B= E[d(n)x(n)]; C = E[x2(n)] ta có thể viết lại: E[e2 (n)] A 2Bw(0) Cw2 (0) (1.13) Với A, B và C là các hằng số. Đồ thị của hàm này theo w(0) nhƣ sau: Hình 1. 11. Đƣờng biểu diễn chất lƣợng làm việc của 1 hệ số. Chúng ta cần tìm giá trị của w(0) để tổi thiểu giá trị kỳ vọng của sai số trung bình bình phƣơng. Để tìm cực tiểu của E[e2(n)], đặt đạo hàm của E[e2(n)] theo w(0) bằng 0, dẫn đến kết quả là một điểm cực tiểu cố định: w(0) B/ C . Trong thực tế, trọng số sẽ bắt đầu ở một giá trị ban đầu nào đó w(0,n) và đƣợc điều chỉnh theo từng bƣớc tiến về giá trị cực tiểu của hàm mục tiêu. Chiều dài và hƣớng của bƣớc là 2 đại lƣợng cần đƣợc xác định. Mỗi bƣớc sẽ bao gồm việc thêm một lƣợng tăng nhỏ vào w(0,n). Lƣu ý rằng nếu giá trị hiện tại của w(0,n) là ở bên phải của điểm cực tiểu, bƣớc nhảy phải âm (nhƣng đạo hàm của đƣờng cong là dƣơng); tƣơng tự, nếu giá trị hiện tại ở bên trái của cực tiểu, lƣợng tăng phải dƣơng (nhƣng đạo hàm là âm). Do đó chúng ta có: 11
22. S K L 0 0 2 1 5 4