Sborník LDD16 v pdf - SAMI - Signal Analysis, Modelling, and
Transkript
Sborník LDD16 v pdf - SAMI - Signal Analysis, Modelling, and
VI. LETNÍ DOKTORANTSKÉ DNY 2016 SBORNÍK PŘÍSPĚVKŮ Editoři sborníku Doc. Ing. Roman Čmejla, CSc. Ing. Jan Rusz, Ph.D. Ing. Jan Sedlák ČERVEN 2016 Název: VI. LETNÍ DOKTORANDSKÉ DNY 2016 šestý ročník prezentací doktorandů Katedry teorie obvodů 2. června 2016 ČVUT FEL, blok C3, posluchárna T2:C3-54 Publikované příspěvky doktorandů vznikly v rámci řešení následujících projektů: - GAP102/12/2230 "Analýza hlasu a řeči pacientů s onemocněními centrální nervové soustavy" - NT14489 "Pochopení funkční organizace neuronálních okruhů epilepsie temporálního laloku za účelem zkvalitnění předoperační diagnostiky a predikce výsledku chirurgické léčby" - GA14-02634S "Dynamika a kritické chování neuronálních populací a jejich význam v přechodu do epileptického záchvatu" - SGS15/198/OHK3/3T/13 "Analýza a zpracování biologických signálů" - SGS14/191/OHK3/3T/13 "Pokročilé algoritmy číslicového zpracování signálů a jejich aplikace 14--16" - SGS15/199/OHK3/3T/13 "Akustické analýzy a zpracování řečových signálů u pacientů s onemocněním centrální nervové soustavy 15--17" Editoři sborníku: Doc. Ing. Roman Čmejla, CSc.; Ing. Jan Rusz, Ph.D.; Ing. Jan Sedlák Vydalo: České vysoké učení technické v Praze Zpracovala: Fakulta elektrotechnická Kontaktní adresa: Technická 2, 166 27 Praha 6 – Dejvice Telefon: 224 352 236 Web: http://sami.fel.cvut.cz/LDD16/, http://obvody.feld.cvut.cz/ Počet stran: 52 Datum vydání: červen 2016 Vydání: 1. ISBN: 978-80-01-05959-3 2 Program LDD’ 2016 – seznam příspěvků čtvrtek, 2. června 2016, 13:00-16:20, přednášky 13:00 Oficiální zahájení téma: OBVODY, SYSTÉMY, BIOSIGNÁLY 13:05 Ing. Aleš Havránek Linearizace modelu magnetovacího zařízení kompenzačního ferometru ……………………………………….…. 5 13:15 Ing. David Matoušek Vliv hodinového kmitočtu a velikosti tranzistorů na účinnost inovativní nábojové pumpy ........……….. 10 13:25 Ing. Jan Marek Modelování funkčních bloků křížově vázané nábojové pumpy ...........................……………………………….. 18 13:35 Ing. Naděje Havlíčková Od měření geometrie výbrusu bižuterních kamenů k jejich opticko-estetickému hodnocení ..…….…… 24 13:45 Ing. Jan Dvořák Neinvazivní screening aterosklerózy .....................................…………………………………………………………….. 29 13:55 Ing. Matouš Pokorný Volba statistických parametrů dat reprezentujících fyzickou aktivitu biomedicínského modelu Huntingtonovy choroby ……………………………………................................................................................... 30 14:05 Ing. Filip Paulů Metody měření parametrů tekutin....................………....…………………………………….................................. 31 14:15 Ing. Michaela Poplová Zobrazování oxidativních procesů na kůži pomocí ultra slabé emise fotonů ..........….……………………….. 32 14:25 Ing. Jan Sedlák Vliv obuvi na svalovou koordinaci při chůzi a běhu ............................……………………………………..……….. 33 14:35 Přestávka téma: EEG, ŘEČ 15:00 Ing. Martin Dobiáš Klasifikace pohybového EEG pomocí paralelních HMM ........................................................…….……….. 34 15:10 Ing. Vladimír Černý Vliv prezentace zpětné vazby na BCI ....................……………………………………………………………………………… 35 15:20 Ing. Tomáš Havel Porovnání metod detekce vysokofrekvenčních oscilací u epileptických pacientů .....................………… 36 15:30 Ing. Jiří Balach Intrakraniální EEG – Studie pacientů s fokální kortikální dysplasií typu I a II .....…………………………………. 37 15:40 Ing. Jan Kudláček Mikrozáchvaty spolehlivě lokalizují epileptogenní oblasti v tetanotoxinovém modelu temporální epilepsie..............................................................................................................................................…. 38 3 15:50 Ing. Jan Bartošek Prozodie a její využití v řečových technologiích.....................................................…………………………….. 45 16:00 Ing. Petr Mizera Přínos artikulačních příznaků v úloze rozpoznávání fonémů a LVCSR ............…………………………………… 46 16:10 Ing. Jan Hlavnička Robustní detektor základní frekvence hlasivek pro dysartrickou řeč ..………………………………………………..47 4 Linearizace modelu magnetovacího zařízení kompenzačního ferometru Aleš HAVRÁNEK1 1 České vysoké učení technické v Praze, Fakulta elektrotechnická, Katedra teorie obvodů [email protected] Abstrakt: Měření parametrů otevřených vzorků magneticky měkkých materiálů při střídavém magnetování je náročné z hlediska systému řízení magnetovacího procesu, neboť se jedná o nelineární systém k jehož nelinearitě významně přispívá měřený vzorek. Systém řízení magnetovacího procesu kompenzačního ferometru musí zajistit splnění požadavků na tvar napětí indukovaného v měřicím vinutí a podmínky nulového napětí indukovaného v Rogowskiho-Chattockově potenciometru (RCP). Tento příspěvek se zabývá návrhem řízení pomocí linearizace modelu magnetovacího zařízení kompenzačního ferometru a navazuje tak na příspěvek z předchozího ročníku. Výsledkem je předpis zpětné vazby, která zajistí správné magnetování vzorku a přesné měření. Správnost výpočtů je ověřena pomocí simulace na modelu magnetovacího zařízení kompenzačního ferometru s parametry určenými z reálného zařízení. 1. Model magnetovacího zařízení kompenzačního ferometru Model magnetovacího zařízení (Obr. 1) popisuje závislost výstupů: napětí indukované v měřicím vinutí u2 (V) a napětí indukované v RCP uRCP (V) na vstupech: magnetovací napětí u1 a kompenzační napětí uc. Součástí modelu je i model hysterezní smyčky měřeného vzorku. uc u1 u2 uRCP Obr. 1: Magnetovací zařízení 5 Pro odvození jsou podstatné pouze vlastnosti modelu magnetovacího zařízení, proto pro odvození zpětné vazby pomocí strukturálních metod stačí pracovat s tvarem modelu, který je zachycen v následujících vztazích. di di f u1 , i1 , 1 , c , Lc = 0 dt dt di di f u c , ic , c , 1 , L1 = 0 dt dt (1) dB dH L1 = f , dH di1 dB dH Lc = f , dH dic (2) B = f (H , s ) dH s = f dt (3) f (H , B, i1 , ic ) = 0 dB u2 = f dt (4) dH di1 u RCP = f , dt dt (5) Rovnice (1) tvoří algebro-diferenciální soustavu pro magnetovací proud i1 (A) a kompenzační proud ic (A). Rovnice (2) jsou diferenciální indukčnosti magnetovacího a kompenzačního vinutí. Hysterezní smyčka měřeného vzorku je modelována pomocí rovnic (3), kde B (T) je magnetická indukce, H (A/m) je intenzita magnetického pole a proměnná s rozlišuje mezi rostoucí a klesající částí hysterezní smyčky. Proměnná s nabývá pouze dvou hodnot. Intenzita magnetického pole je určena implicitní rovnicí (4). Výstupy modelu jsou popsány rovnicemi (5). Vstupy modelu u1 (V) a uc (V) jsou funkcemi času t (s). [1] 2. Transformace systému Komplikací je algebro-diferenciální soustava, ze které nejdou vyjádřit derivace proudů pomocí ekvivalentních úprav. Za pomoci derivace algebraické rovnice to lze, ale objeví se závislost na derivaci vstupů modelu. Se závislostí na derivacích vstupů se lze vypořádat následující transformací do nových proudů i1n (A) a icn (A), kde N1 a Nc jsou počty závitů magnetovacího a kompenzačního vinutí a R1 (Ω) a Rc (Ω) jsou jejich odpory. Konstanta vazby mezi magnetovacím a kompenzačním vinutím je k. N c2 k N c N1 u1 + uc 2 2 Rc N1 + N c kR1 Rc N12 + N c2 kR1 (6) N c kN 1 N12 icn = ic + u1 − uc Rc N12 + N c2 kR1 Rc N12 + N c2 kR1 (7) i1n = i1 − Touto transformací přejde soustava rovnic (1) do tvaru obyčejné diferenciální rovnice. Tento tvar je výhodný i pro numerické řešení. Diferenciální indukčnosti se od sebe liší jen násobnou konstantou, proto se společná část označí L (H). Ze symetrie soustavy rovnic po transformaci a podmínky na střídavé magnetování vyplyne vztah mezi novými (transformovanými) proudy. Oba výstupy jsou závislé na derivacích, proto se zavedou výstupy v2 a vRCP dané integrálem původních výstupů přes čas. Po zavedení označení funkcí přejdou rovnice (1), (4), (5) do tvaru daného rovnicemi (8), (9), (10). 6 di1n = g (u1 , u c , i1n , L ) dt i1n = N c kR1 icn Rc N1 f (H , B, i1n ) = 0 v 2 = h 1 (B ) (8) (9) v RCP = h 2 (H , i1n , u1 , u c ) (10) Zbylé rovnice (2) a (3) zůstávají v platnosti. Požadavky na výstupy musejí být integrovány přes čas. To nečinní potíže, protože tyto požadavky známe. Integrační konstanty určíme z požadavku na střídavé magnetování. [3] 3. Linearizace systému Rovnice (11) definuje transformaci systému do nových souřadnic a rovnice (12) definují nové vstupy v1 a vc. ξ = h 1 (B ) v1 = dh 1 g(u1 , u c , i1n , L ) di1n (11) vc = h 2 (H , i1n , u1 , u c ) (12) Po transformování systému do nových souřadnic pomocí (11) a (12) získáme diferenciální rovnici (13) a rovnice (14) pro výstupy. dξ = v1 dt v2 = ξ (13) vRCP = vc (14) Výsledkem je přesná zpětnovazební linearizace systému, pro kterou se navrhne řízení. Tato linearizace platí na intervalu, kde existuje inverze k transformaci (11). Tato inverze pro dané s existuje pro celou reálnou osu. Systém má relativní stupeň jedna. [3] 4. Řízení pomocí zpětné vazby Úkolem řízení je sledovat zadaný průběh napětí u2, tedy stabilizovat chybu sledování referenční trajektorie ξref na nulu. Vztahem (15) se zavede chyba sledování e. de dξ dξ ref = − dt dt dt (15) Z transformačních vztahů plyne, že požadovaná derivace referenční trajektorie ξref je přímo požadované napětí u2ref. Systém pro chybu sledování referenční trajektorie a jeho výstupy je dán rovnicemi (16) a (17). de = v1 − u 2 ref dt v2 = e + ∫ u 2ref dt (16) vRCP = vc (17) Tento systém se stabilizuje stavovou zpětnou vazbou popsanou rovnicí (18), kde kf je kladná konstanta stavové zpětné vazby. Trajektorie nelineárního systému v uzavřené smyčce 7 jsou přesným obrazem trajektorií stabilního lineárního systému, proto i nelineární systém s touto zpětnou vazbou je stabilní. v1 = − k f e + u 2ref (18) Po přepočtu do původních nelineárních souřadnic získáme předpis pro určení vstupů do systému. Počet závitů měřicího vinutí je N2, Sm (m2) je průřez měřeného vzorku, Sv (m2) je průřez magnetovacího vinutí zmenšený o průřez měřeného vzorku, µ0 (H/m) je permeabilita vakua, l1 (m) je délka měřeného vzorku (délka jha), Rm (H-1) je magnetický odpor jha. Reference pro integrál napětí, které se indukuje v RCP se zahrnutými konstantami je vRCPref. Tato reference je z principu kompenzační metody rovna nule. ( ) dB N1 − k f N 2 S m B + k f ∫ u 2ref dt + u 2ref S m + S vµ 0 dH +Ri u1 = 11 dB N2Sm dH (19) N1 Rc (Hl1 + Rm S m B + Rm S v µ 0 H ) − N12 Rc + N c2 R1k i1 + N c2 ku1 uc = N1 N c (20) ( H =− ) vRCPref − N1i1 d (21) Výsledná zpětná vazba je stavová tj. z proudu i1, který je měřený pro výpočet H. Pro její zavedení je potřeba znát hysterezní smyčku měřeného vzorku a její derivaci. Ta je ale ferometrem měřena. Postup pro správné fungování je následující: nejprve se začne magnetovat bez zpětné vazby, takto se získá odhad hysterezní smyčky, který se následně použije ve stavové zpětné vazbě. Po tomto kroku se pro stavovou vazbu bude používat aktuálně měřená hysterezní smyčka. Vazba je závislá na výstupu u2 přes měřenou hysterezní smyčku. Pro odvození byl použit lineární model jha, proto mohou vzniknou drobné odchylky od referencí hlavně u uRCP. Tyto odchylky potlačí výstupní zpětná vazba. 5. Simulace Simulace byla provedena pro parametry, odpovídající reálnému jhu a měřenému vzorku s ostrým přechodek do nasycené oblasti. Na grafu výstupních napětí je vidět vliv zpožděného přepnutí regulátorů (změna s), který odpovídá vzorkování 50 kHz. Obr. 2: Vstupní napětí u1 a uc Obr. 3: Proudy i1 a ic 8 Obr. 4: Výstupní napětí u2 a uRCOP 6. Obr. 5: Hysterezní smyčka Závěr Navržený zpětnovazební systém řízení má mnoho výborných vlastností. Řeší oba požadavky na výstupy najednou, dříve byly řešeny odděleně jako kompenzace a korekce. Nepředpokládá nic o požadavku na napětí u2, které tedy může být stanoveno libovolně. Automaticky udržuje systém ve stavu požadované amplitudy magnetické indukce. Nevyžaduje inverzi hysterezní smyčky. Navržená zpětná vazba zatím nemohla být vyzkoušena, protože to neumožňuje hardware stávajícího kompenzačního ferometru. Nový ferometr, který otestuje tuto vazbu bude postaven s využitím desky Red Pitaya, která je osazena čipem Xilinx Zynq 7010 SoC. Tento čip kombinuje FPGA s dvěmi ARM jádry a má tak architekturu vhodnou pro navrženou zpětnou vazbu. Poděkování Tato práce byla podpořena grantem Studentské grantové soutěže ČVUT číslo SGS14/ 191/OHK3/3T/13 Pokročilé algoritmy číslicového zpracování signálů a jejich aplikace. Reference [1] Havránek, A.: Model magnetovacího zařízení kompenzačního ferometru. In V. Letní doktorandské dny 2015. Praha: ČVUT FEL, Katedra teorie obvodů, 2015, díl 5, s. 6-11. ISBN 978-80-01-05749-0. [2] Havránek, A. - Zemánek, I.: Compensation Ferrometer Magnetizing Process Control. In Journal of Electrical Engineering, 2015, vol. 66, no. 7s, p. 22-25, ISSN 1335-3632. [3] Čelikovský, S.: Nelineární systémy. Nakladatelství ČVUT, Praha, 2006. 9 Vliv hodinového kmitočtu a velikosti tranzistorů na účinnost inovativní nábojové pumpy David MATOUŠEK1, Jiří HOSPODKA1, Ondřej ŠUBRT2,1 1 České vysoké učení technické v Praze, Fakulta elektrotechnická, Katedra teorie obvodů 2 ASICentrum, Praha [email protected] Abstrakt: Nábojové pumpy jsou obvody, které vytváří napětí vyšší velikosti, než odpovídá napájecímu napětí. V současnosti se nábojové pumpy staly nedílnou součástí elektronických zařízení. Integrace nábojových pump přímo do systému dovolují výrobcům napájet komplexní systémy s mnoha specifickými napájecími požadavky z jednoho napájecího zdroje. Účinnost nábojových pump je však omezována mnoha nepříznivými vlivy. Tento příspěvek je zaměřen na otázku účinnosti uvedené varianty nábojové pumpy. Pomocí simulací provedených v prostředí Eldo je zkoumána účinnost v závislosti na počtu stupňů pumpy, odebíraném proudu, taktovacím kmitočtu a rozměrech použitých MOSFE tranzistorů. Smyslem této práce je určení vlivu rozměrů MOSFE tranzistorů na výslednou účinnost a hodnotu výstupního napětí. Komplexní optimalizace obvodu pumpy bude provedena v navazující práci, kdy již nebude třeba nahlížet na méně podstatné vlivy. 1. Úvod Základní variantou nábojové pumpy je Dicksonova nábojová pumpy (DNP) [1]. Vztahy pro návrh DNP jsou shrnuty v [2]. Diferenční napětí U mezi uzly n and n+1 je: ΔU U n1 U n U E U T kde UE je napěťový zisk, UT je prahové napětí použitých tranzistorů. Optimální hodnota napěťového zisku odpovídá amplitudě hodinového signálu. Reálně však není možno této hodnoty dosáhnout, protože napěťový zisk je snížen vlivem rozptylových kapacit uzlů: CT U Ε CT CS U CLK kde UE je napěťový zisk, CT je kapacita přenosových kondenzátorů, CS je rozptylová kapacita uzlů, UCLK je amplituda hodinového signálu. Pro výstupní napětí pak platí: U OUT U IN N U Ε U T U T kde UOUT je hodnota výstupního napětí, UIN je hodnota vstupního napětí, N je počet stupňů pumpy, UE je napěťový zisk, UT je prahové napětí použitých tranzistorů. 10 Prahové napětí použitých tranzistorů má obvykle rozhodující vliv na výslednou hodnotu výstupního napětí. Prahové napětí omezuje implementaci DNP zvláště pro napájecí napětí pod 1 V. Z tohoto důvodu používají systémy napájené nižším napětím než 1 V odlišných variant nábojových pump [3], [4]. Jednou z obecně používaných technik potlačení vlivu prahového napětí je změna zapojení přenosového tranzistoru z diodového režimu (pasivního spínače) do režimu aktivního spínače [5], [6], [7]. V tom případě není napěťový úbytek mezi dvě uzly dán prahovým napětím ale pouze saturačním napětím. 2. Popis použité varianty nábojové pumpy Předkládaná varianta nábojové pumpy [8] používá dvoufázový hodinový signál. Jedna buňka jako základní stavební blok uvedené nábojové pumpy je uvedena na obrázku 1. Buňka je tvořena pěti MOSFE tranzistory (M1 až M5) a přenosovým kondenzátorem (CT). Uvedená buňka je buzena dvěma vzájemně se překrývajícími hodinovými signály dle obrázku 2. Sestupné hrany obou hodinových signálů jsou souběžné. V první fázi (CLK1 = UDD, CLK2 = UDD) jsou tranzistory M1, M3 a M5 sepnuty. Takže přenosový kondenzátor je CT nabit na napájecí napětí UDD. Ve druhé fázi (CLK1 = 0, CLK2 = 0) jsou sepnuty tranzistory M2 a M4. Tranzistor M2 udržuje „předepínací“ transistor M5 v rozpojeném stavu. Transistor M4 pak připojí přenosový kondenzátor CT mezi vstup (výstup předchozí buňky) a výstup. Proto je výstupní napětí zvýšeno o napětí přenosového kondenzátoru z předchozí fáze. VDD M5 output input M2 M4 M1 M3 CT CLK1 CLK2 Obr. 1: Jedna buňka použité varianty nábojové pumpy [8] V závěrečné fázi (CLK1 = 0, CLK2 = UDD) jsou všechny tranzistory v rozpojeném stavu. W1 CLK1 VDD 0 t CLK2 VDD 0 W2 PER t Obr. 2: Časové průběhy dvoufázového hodinového signálu 11 Použité hodinové signály se vyznačují vzájemným překryvem, jak dokumentuje obrázek 2. Symbol PER označuje periodu obou signálů. Optimální hodnoty parametrů W1, W2 pro dosažení optimálního poměru mezi hodnotou výstupního napětí a výslednou účinností byly odhadnuty v předchozí studii [8]. 3. Návrhový postup pumpy Návrhová pravidla pro počáteční odhad základních parametrů sledované nábojové pumpy jsou shrnuta v níže uvedených krocích. Pro ilustraci konkrétního případu zadání jsme vyšli z této specifikace nábojové pumpy: napájecí napětí UDD = 0,7 V, minimální napětí v ustáleném stavu UOUT = 4 V, zatěžovací kapacita na výstupu CL = 300 pF, proud odebíraný z výstupu IL = 4 A, maximální doba náběhu výstupu tr = 150 s. 3.1.1. Počet stupňů pumpy N Výchozí odhad počtu stupňů pumpy N byl proveden výpočtem poměru výstupního napětí UOUT a napěťového zisku jednoho stupně UE (v ideálním případě je napěťový zisk stejný jako hodnota napájecího napětí): 3.1.2. N U OUT 4 6 UE 0,7 Výchozí hodnota taktovacího kmitočtu fCLK Výchozí hodnota hodinového signálu byla zvolena fCLK = 20 MHz. 3.1.3. Výchozí velikost přenosových kondenzátorů CT Kapacita přenosových kondenzátorů CT byla určena ze známé hodnoty zatěžovací kapacity CL, počtu stupňů nábojové pumpy N, doby náběhu tr a hodinového kmitočtu fCLK [2]: CT CL 3.1.4. N 6 300 1012 0,6 pF 6 tr f CLK 150 10 20 106 Velikost použitých tranzistorů W/L MOSFE tranzistory M3 až M5 a MD, které slouží pro přenos náboje, musí mít vodivost minimálně 10× vyšší než odpovídá vodivosti pro daný výstupní proud [2], výchozí rozměry těchto tranzistorů tak byly odhadnuty z V-A charakteristik. MOSFE tranzistory M1 až M2 mohou způsobovat ztráty náboje, navíc jsou tyto tranzistory použity pouze pro buzení tranzistoru M5. Proto lze rozměry těchto tranzistorů volit jako relativně malé. Přenosový kondenzátor CT je realizován tranzistorem MCT, jeho parazitní kapacita byla určena z derivace V-A charakteristiky. Tranzistory MBUFA a MBUFB jsou použity v budičích hodinových signálů. Modely nmos_hvt a pmos_hvt odpovídají “vysokonapěťovým” tranzistorům s relativně vysokou hodnotou prahového napětí. Model nmos_na18v odpovídá tranzistoru pro technologii 1,8 V. Parametry použitých tranzistorů jsou souhrnně uvedeny v tabulce 1. 12 Tab. 1: Parametry tranzistorů Tranzistor M1 M2 M3 M4 M5 MCT MD MBUFA MBUFB W [m] 0,2 1 0,5 2,5 2,5 30 20 5 12,5 model nmos_hvt pmos_hvt nmos_hvt pmos_hvt pmos_hvt nmos_hvt nmos_na18 v nmos_hvt pmos_hvt L [m] 0,1 0,1 0,1 0,1 0,1 10 0,8 0,1 0,1 Odhadovaná plocha čipu pro realizaci uvedené nábojové pumpy je zaznamenána v tabulce 2. Symbol N odpovídá počtu stupňů pumpy, SBUNĚK je plocha čipu potřebná pro realizaci buněk (stupňů), SBUDIČE je plocha pro realizaci budičů hodinových signálů a výstupního detektoru, SCELK je celková plocha potřebná pro realizaci uvažované pumpy s určeným počtem stupňů. Tab. 2: Odhadovaná plocha pro realizaci nábojové pumpy N 1 2 3 4 5 6 4. SBUŇEK [m2] 469 998 1497 1996 2495 2994 SBUDIČE [m2] 30 30 30 30 30 30 SCELK [m2] 499 1028 1527 2026 2525 3024 Studie vlivu hodinového kmitočtu na účinnost a výstupní napětí Hlavním smyslem první části simulací je určit vliv hodinového kmitočtu primárně na výslednou účinnost a sekundárně na hodnotu výstupního napětí. Schéma zapojení simulované nábojové pumpy je uvedeno na obrázku 3. Jedná se o 6-stupňovu nábojovou pumpu (N = 6). Pro ostatní případy se pouze mění počet stupňů (tedy buněk). Hodinové signály jsou posíleny silnými buffery (invertory). Do posledního stupně je zapojen diodový detektor realizovaný pomocí tranzistoru MD. Rezistor RL a kondenzátor CL modelují výstupní zátěž. Uváděná pumpa je napájena napětí UDD = 0,7 V a oba hodinové signály mají amplitudu rovněž 0,7 V. Symbol IS označuje odebíraný proud. Výstupní napětí při zatížení je označeno UOUT. IS VDD MD STAGE 1 STAGE 3 STAGE 4 ; STAGE 5 STAGE 6 RL CLK1 CLK1' CLK2' STAGE 2 CL VOUT CLK2 Obr. 3: Zjednodušené schéma zapojení simulované nábojové pumpy pro N=6 13 Počet stupňů pumpy N se při simulacích měnil od 1 do 6, kmitočet hodinových signálů byl nastavován na hodnoty 10; 13,3; 20; 27; 40 MHz. Závislost účinnosti a výstupního napětí na kmitočtu hodinových signálů je vyobrazena formou obrázků 4 a 5. Celková účinnost byla stanovena dle vztahu (6) 2 U OUT 100 % U DD I S RL kde UOUT je výstupní napětí, UDD je napájecí napětí, IS je odebíraný proud, RL je výstupní zátěž. Účinnost se měnila přibližně o 10 % (z hodnoty 38,47 % při kmitočtu 10 MHz na hodnotu 28,64 % při kmitočtu 40 MHz) při nominálním odběru IL = 4 A. Za stejných podmínek se výstupní napětí měnilo v rozsahu 3,741 V až 4,051 V. Obr. 4: Účinnost jako funkce odebíraného proudu IL pro N=6 Obr. 5: Výstupní napětí jako funkce odebíraného proudu IL pro N=6 Výsledky simulací pro různý počet stupňů nábojové pumpy jsou shrnuty v tabulce 3. Tab. 3: Účinnost a výstupní napětí při proměnlivém počtu stupňů pumpy a odběru 4 A N 1 2 3 4 5 6 () 42,13 to 30,33 35,63 to 25,26 30,76 to 21,07 23,75 to 16,02 20,37 to 13,94 37,47 to 28,64 14 VOUT (V) 1,275 to 1,290 1,919 to 1,950 2,540 to 2,590 3,130 to 3,120 3,638 to 3,762 3,671 to 4,051 5. Studie vlivu velikosti tranzistorů na účinnost a výstupní napětí Smyslem této části simulací bylo určit vliv velikosti MOSFE tranzistorů na výslednou účinnost a hodnotu výstupního napětí. Za tímto účelem byla měněna velikost všech tranzistorů. Při simulacích byl vždy měněn jen jeden z parametrů, ostatní parametry dle tabulky 1 byly ponechány beze změny. Výstupní zátěž byla nastavena na hodnotu RL = 1 M. Simulace byly nyní prováděny pouze pro případ 6-stupňové nábojové pumpy. Níže je popsáno šest variant simulací, které byly provedeny za účelem určení vlivu rozměrů tranzistorů. Varianta 1: šířky kanálů tranzistorů M4 a M5 byly rozmítány od 0,5 m do 50 m. Bylo zjištěno, že velikost těchto tranzistorů má silný vliv na obě zkoumané veličiny, viz obrázek 6. Obr. 6: Varianta 1: Účinnost a výstupní napětí jako funkce W4,5 Varianta 2: šířka detektoru MD byla měněna od 0,5 m do 50 m. Velikost tranzistoru transistor MD má vliv primárně na účinnost, viz obrázek 7. Obr. 7: Varianta 2: Účinnost a výstupní napětí jako funkce WD Varianta 3: šířka tranzistoru M3 byla měněna od 0,2 m do 10 m. Velikost transistoru M3 má vliv primárně na hodnotu výstupního napětí, viz obrázek 8. 15 Obr. 8: Varianta 3: Účinnost a výstupní napětí jako funkce W3 Varianty 4, 5: šířky tranzistorů M1 a M2 byly měněny od 0,2 m do 10 m resp. od 0,2 m do 20 m. Bylo zjištěno, že optimální je použít tranzistory M1 a M2 malých rozměrů, viz obrázek 9. Obr. 9: Varianty 4, 5: Účinnost a výstupní napětí jako funkce W1,2 Varianta 6: šířka tranzistoru MCT byla měněna od 6 m do 60 m. Optimální velikost transistoru MCT je kompromisem mezi účinností a hodnotu výstupního napětí, viz obrázek 10. Obr. 10: Varianta 6: Účinnost a výstupní napětí jako funkce WCT Varianta 7: šířka tranzistoru MBUFA byla měněna od 1 m do 20 m a současně s tím byla šířka tranzistoru MBUFB měněna od 5 m do 100 m. Maximální hodnota účinnosti = 33,67 % při UOUT = 4,006 V nastala pro WBUFA=1 m a WBUFB=5 m. Tato varianta není vyobrazena, protože změny účinnost a hodnoty výstupního napětí jsou relativně nízké. 6. Závěr V článku je popsána studie vlivu hodinového kmitočtu a velikosti MOSFE tranzistorů na účinnost a výstupní napětí. Parametry tranzistorů a časovací schéma bylo použito z předchozí studie [8]. Simulace byly provedeny pomocí simulátoru Eldo verze 2010.2b. Eldo je „SPICE like“ simulátor od firmy Mentor Graphics. 16 První část simulací demonstrovala skutečnost, že účinnost se zvyšuje se zvyšujícím odběrem a snižuje s hodinovým kmitočtem. Závislost výstupního napětí má obrácený charakter, výstupní napětí se zvyšuje s klesajícím odběrem a zvyšujícím hodinovým kmitočtem. Z druhé části simulací vyplývá možnost optimalizovat účinnost uvedené nábojové pumpy. Hodnoty účinnosti a výstupního napětí jsou = 33,43 % a UOUT = 4,008 V pro výchozí hodnoty tranzistorů dle tabulky 1 a zátěž RL = 1 M. Škálování rozměrů tranzistorů dovoluje zvýšit hodnotu účinnost zhruba o deset procent. Rozměry tranzistorů M4, M5, MD a MCT mají silný vliv na účinnost, tranzistor M3 má silný vliv na výstupní napětí. Vliv ostatních tranzistorů má předvídatelný charakter a můžeme jej zanedbat. Výsledky z této studie mohou být použity pro komplexní optimalizační studii provedenou v dalším období. Platnost uváděných výsledků je omezena na pre-layoutové simulace. Parazitní vlivy vyšších řádů (například kapacita mezi vrstvami, kapacita mezi metalickými spoji atd.) nejsou uvažovány. Tyto parazitní vlivy mohou mít významný vliv na dosažitelné výsledky. Reference [1] [2] [3] [4] [5] [6] [7] [8] J. F. Dickson, “On-Chip high-voltage generation in NMOS integrated circuits using an improved voltage multiplier technique”, IEEE Journal of Solid-State Circuits, vol. 11, no. 3, pp. 374-378, 1976. F. Pan, T. Samaddar, “Charge pump circuit design”, McGraw-Hill, New York, 2006. G. Palumbo, D. Pappalardo, “Charge pump circuits: An overview on design strategies and topologies”, IEEE Circuits and Systems Magazine, First Quarter 2010, 1531636X/10, IEEE 2010, pp. 31-45. D. Matousek, “Comparison of selected architectures of negative Charge Pumps with new design”, In: Proceedings of the 24th International Conference Radioelektronika, Bratislava, 2014, pp. 1-4. T. Yamazoe, H. Ishida, Y. Nihongi, “A Charge Pump that generates positive and negative high voltages with low power-supply voltage and low power consumption for non-volatile memories”, In: International Symposium ISCAS, Taipei, Taiwan, 2009, pp. 988-991. O.-Y. Wong, R. Wong, W.-S. Tam, C.-W. Kok, “An overview of charge pumping circuits for Flash memory applications”, In: Proceeding of the 9th International Conference ASICON, Xiamen, China, pp. 116-119, 2011. O.-Y. Wong, H. Wong, W.-S. Tam, C.-W. Kok, “On the design of power- and areaefficient Dickson charge pump circuits”, Analog Integr Circ Sig Process, 2014, pp. 373-389. D. Matousek, O. Subrt, J. Hospodka, “Charge Pump Design for Use in NVM Device Test and Measurement”, In: MEASUREMENT 2015, Proceedings of the 10th International Conference, Smolenice, 2015, pp. 203-206. 17 Modelovánı́ funkčnı́ch bloků křı́žově vázané nábojové pumpy Jan Marek, Jiřı́ Hospodka, Ondřej Šubrt České vysoké učenı́ technické v Praze, Fakulta elektrotechnická, Katedra teorie obvodů [email protected] Abstrakt: V tomto článku je uveden rozbor buňky křı́žově vázané nábojové pumpy použı́vané pro napájenı́ nı́zkopřı́konových obvodů. V úvodu jsou uvedeny základnı́ složky pumpovacı́ch ztrát a jejich důsledky v reálném obvodu. V hlavnı́ části je provedena optimalizace základnı́ch bloků–invertoru a spı́nače za účelem dosaženı́ maximálnı́ho napět’ového zisku. Optimalizačnı́ proces zahrnuje analytický popis a elementárnı́ simulace přı́slušných charakteristik (statických, dynamických) těchto bloků v profesionálnı́m návrhovém prostředı́ Mentor Graphics, se zahrnutı́m reálných prvků dostupných v knihovně MGC Design Kit. Modely dı́lčı́ch bloků jsou sestaveny na základě rovnic BSIM modelu MOSFET tranzistorů, zjednodušených pro konkrétnı́ aplikaci. Přı́nosem práce jsou jednak zı́skané analytické vztahy pro návrh invertoru a spı́nače a jednak vytvořený ekvivalentnı́ nelineárnı́ model buňky nábojové pumpy, jež je použitelný pro sestavenı́ návrhového algoritmu. 1. Úvod Popis diskrétně analogových soustav (DisAs), do nichž nábojové pumpy [5] spadajı́, jsou vzhledem k diskretizaci v čase velmi problematické. Metody přı́stupu a specifikace DisAs jsou uvedeny v [1]. Popis křı́žově vázané nábojové pumpy [2] na obrázku 1 se opı́rá předevšı́m o modelovánı́, elementárnı́ simulaci dı́lčı́ch bloků a srovnánı́ s reálným zapojenı́m. Obr. 1: Zapojenı́ křı́žové vázané nábojové pumpy se znázorněnı́m zpětného přenosu náboje 18 Činnost zpětnovazebnı́ smyčky v obvodu předpokládá dostatečně velké řı́dı́cı́ napětı́ na gatu spı́nacı́ho tranzistoru (triodová oblast), podmı́něné korektnı́ funkcı́ invertoru, tj. překročenı́m prahového napětı́ tranzistorů MP i a MN i . Zobecněná podmı́nka činnosti pumpy je dána následujı́cı́ relacı́: |VT HM P i (VBS )| + VT HM N i (VSB ) VT HM si (VSB ) < ∆V > , 2 2 (1) kde VT H je prahové napětı́, silně závislé na předpětı́ source-bulk (body effect). Klesne-li přı́růstek napětı́ vlivem narůstajı́cı́h ztrát pod definovanou úroveň, zpětnovazebnı́ smyčka se rozpojı́ a výstupnı́ napětı́ pumpy (účinnost) skokově změnı́ svou hodnotu. Následujı́cı́ část zkoumá dvě významné složky ztrát, které jsou podrobeny důkladné analýze: přı́čný proud invertoru a zpětný přenos náboje spı́nacı́m tranzistorem. Základnı́ motivacı́ je odvozenı́ vztahů pro modelovánı́ uvedeného typu pumpy. 2. Modelovánı́ a optimalizace CMOS invertoru Požadavky na návrh invertoru se odlišujı́ od návrhu invertoru pracujı́cı́ho v digitálnı́m obvodu [3]. Na základě výsledků simulacı́ bylo zjištěno, že převážná část ztrát v pumpě je způsobena přı́čným proudem, který invertorem teče v okamžiku, kdy je jeho výstup z hlediska logických úrovnı́ v nedefinovaném stavu. V takovém přı́padě se invertor chová jako zesilovač, nikoliv jako digitálnı́ prvek. Hlavnı́m kritériem návrhu je požadavek minimálnı́ho statického výkonu, protože ztráta způsobená dynamickými vlastnostmi je zanedbatelná. Odběrová charakteristika invertoru je popsána nespojitou funkcı́ pro tři oblasti: V2 + VT HN ≤ Vin ≤ VSP IDsatN |VGS = Vin − V2 , (2) Icross = IDsatP |VSG = V1 − Vin , VSP ≤ Vin ≤ V1 − |VT HP | 0, jinde, (a) (b) Obr. 2: Analýza napětı́ VSP : závislost na poměru R (a) a normovaná citlivostnı́ křivka (b). 19 (a) (b) Obr. 3: Střednı́ hodnota přı́čného proudu invertorem na poměru Wp /Lp (a) a závislost střednı́ hodnoty výstupnı́ho napětı́ pumpy na ploše invertoru (b). kde IDsat je saturačnı́ proud tranzistoru N/PMOS. Přı́čný proud dosáhne svého maxima v bodě Vin = VSP , v zahraničnı́ literatuře označený jako switching point“ [3], jenž je pro ” BSIM model [4] popsán modifikovaným vztahem: p V(i+1) − |VT HM P i | + R ab V(i−1) + VT HNM N i p VSP = . (3) 1 + R ab kde koeficienty a, b jsou vypočı́tány z pohyblivosti µef f a rovnice Abulk0 = Abulk |Vgstef f =0 při nulových předpětı́ch, dále z měrné kapacity oxidu coxe a rozměrů obou tranzistorů W, L, coxeN µef f N |VGS =VSB =0 coxeP µef f P |VSG =VBS =0 Wn Lp a= ,b= aR= . Abulk0N |VSB =0 Abulk0P |VBS =0 Ln Wp Výpočet statického výkonu při přechodu mězi dvěma logickými úrovněmi na základě definičnı́ho vztahu je přı́liš složitý, proto byla odběrová charakteristika nejprve linerizována interpolačnı́m polynomem ze dvou bodů na každém z intervalů, kde Icross 6= 0. Statický výkon se snadno určı́ ze vztahu pro obsah trojúhlenı́ka1 . Invertor má v aktivnı́ oblasti charakter proudového zdroje, jehož střednı́ hodnota proudu se měnı́ lineárně s celkovou plochou obou tranzistorů v širokém rozsahu. Výstupnı́ napětı́ pumpy tedy klesá lineárně s plochou invertoru, Ainv = WN i LN i + WP i LP i , pro VSP = konst. Z obrázku 1 je patrná vzájemná souvislost mezi závěrným proudem spı́nacı́ho tranzistoru a výstupnı́m napětı́m invertoru v přechodovém pásmu napět’ové převodnı́ charakteristiky, ir = f(vinv ). Volbou vhodného poměru R (při konstantnı́ ploše) je možné snı́žit velikost přı́čného proudu invertorem i při relativně vysokém poměru W/L obou tranzistorů. Střednı́ hodnotu přı́čného proudu se výrazně snı́žı́ posunutı́m bodu VSP k jedné z hraničnı́ch hodnot, V2 + VT HN nebo V1 − |VT HP |, při které teoreticky dojde k zavřenı́ jednoho z tranzistorů. Uvedeného stavu však nenı́ možné reálně dosáhnout, a tak se optimálnı́ poměr R stanovı́ z poklesu maximálnı́ citlivosti napětı́ VSP (R) na požadovanou , hodnotu, vyjádřenou parametrem δ = CCmax o pt 1 Bližšı́ informace jsou uvedeny v publikaci, která je v současnosti v recenznı́m řı́zenı́. 20 Copt (R) = δ · max dVSP R dR VSP . (4) Parametr δ se typicky volı́ na hodnotu 0.5. Rovnice (4) má dvě řešenı́ Ropt1 a Ropt2 . Pro návrh je vhodné použı́t hodnotu Ropt2 , protože požadované citlivosti je dosaženo při výrazně menšı́ změně hodnoty R, než pro přı́pad R < Rcmax 2 . Nevýhodou uvedeného návrhu je narušenost symetrie převodnı́ charakteristiky a důsledky z toho plynoucı́ [3], avšak v uvedené aplikaci tato vlastnost nevadı́, naopak, jak bude ukázáno dále, je žádoucı́. 3. Model stupně pumpy a optimalizace spı́nače Spı́nacı́ tranzistor MSi umožňuje vedenı́ proudu oběma směry navzdory své primárnı́ funkci v obvodu-transport náboje do následujı́cı́ho stupně. Z tohoto důvodu nejsou elektrody Drain a Source vzájemně rozlišeny. Z hlediska návrhu nenı́ vhodné, aby měl tranzistor MSi v sepnutém stavu přı́liš malý odpor, protože vzrůstá velikost odčerpaného náboje z hlavnı́ho kapacitoru. K odčerpávánı́ náboje docházı́ zejména během náběhu výstupnı́ho napětı́ pumpy. Výsledky simulacı́ ukazujı́, že existuje optimálnı́ poměr Ws /Ls , při němž výstupnı́ napětı́ v ustáleném stavu dosáhne svého maxima. Odhad velikosti spı́nacı́ho tranzistoru vyplývá z dynamické analýzy obvodu na obrázku 4a. Časové odezvy jsou odvozeny ze statického modelu buňky pro obě konfigurace proudu IS . Pro tyto účely je hlavnı́ kapacitor nahrazen stejnosměrným zdrojem napětı́, jehož rozsah se může toreticky pohybovat v rozsahu hodnot napájecı́ch“ napětı́ buňky V1 a V2 . Na obrázku 4b je znázorněna závislost ” závěrného proudu spı́nacı́ho tranzistoru v závislosti na vstupnı́m napětı́. V okamžiku, kdy vstupnı́ napětı́ dosáhne napět’ové úrovně VSP , tranzistor se skokově uzavře. Lze dokázat, že pro Vin ∈ h0, V2 ) tranzistor pracuje vždy triodovém režimu. (a) (b) Obr. 4: Schéma buňky pro statickou analýzu(a) a závislost závěrného proudu spı́načem na vstupnı́m napětı́ (b). 2 Nesymetrie křivky vůči hodnoě Rcmax je fyzikálně zapřı́činěna nižšı́ pohyblivostı́ děr v PMOS struktuře oproti pohyblivosti elektronům v NMOS struktuře. 21 Odezva systému na skokovou změnu vstupnı́ho napětı́ popisuje chovánı́ každého stupně pumpy po přivedenı́ hodinového signálu. Napětı́ na kapacitoru vcF (t) narůstá (id (t) > 0) v přı́padě, že výstup invertoru je v počátečnı́m čase uveden do úrovně H“. ” Naopak, kapacitor je vybı́jen vcR (t) (id (t) < 0) v přı́padě, že jeho počátečnı́ napětı́ je většı́ než V2 , přičemž nejvyššı́ hodnota tohoto napětı́, která ještě uvede tranzistor Ms do sepnutého stavu odpovı́dá hodnotě VSP . Přechodové charakteristiky byly odvozeny na základě stavové rovnice (Cauchyova úloha), Z C dvc = t + K (5) ic s obecnými počátečnı́mi podmı́nkami vcF (tF ) = VcF a vcR (tR ) = VcR . Optimálnı́ šı́řka spı́nacı́ho tranzistoru byla nalezena z maximálnı́ho přı́rustku napětı́ (obr.5a), vcF (t) + vcR (t) s krajnı́mi hodnotami počátečnı́ch podmı́nek vcF (0) = 0 a vcR (0) = VSP , na konci fáze hodinového pulsu (viz obrázek 5a). Výsledný analytický vztah je velmi složitý, proto je prvotnı́ odhad proveden metodou linearizace přechodových charakteristik (analogie časové konstanty v lineárnı́m obvodu). Využı́vá se zde té vlastnosti, že přechodové charakteristiky jsou na vyznačených časových intervalech, ve kterých součet odezev dosáhne maxima Vmax , popsány toutéž funkcı́ (superpozice exponeciálnı́ch funkcı́). Vzhledem ke skutečnosti, že τR τF , pak celkový 2 nepřevýšı́ hodnotu V2 + Vof f (Vof f → 0) za dobu odpovı́dajı́cı́ přı́rustek napětı́ α = VVSP k-násobku vybı́jecı́ časové konstanty, {∆vCF + ∆vCR ≈ V2 }|t=k·τR +t0F =T /2 . (6) Vztah mezi parametry α a k lze nalézt z odvozeného vztahu časové odezvy: ∆vcR (t = kτR ) = α [vc∞ − vc (0)]. Parametr τR je přibližně určen vybı́jecı́m proudem spı́nacı́ho tranzistoru ISR na počátku přechodového děje, kdy vCR = VSP . Výsledná šı́řka spı́nacı́ho tranzistoru se určı́ z následujı́cı́ho vztahu: (a) (b) Obr. 5: Přı́rustek napětı́ v pumpě pro určenı́ optimálnı́ šı́řky spı́nače (a) linearizace přechodových charakteristik (b). 22 WMSopt kC(VSP − V2 ) IˆSR (T ct0 + 2at0 ) + + = T IˆS 2T IˆS bt0 R p Dt0 , (7) R kde IˆSR je proud drainu odvozený se statického modelu pro jednotkovou šı́řku WMs . Koeficienty at0 , bt0 , ct0 , Dt0 jsou vypočtené ze závislosti t0F = f(WMs ). Ze vztahu 7 jsou vyvozeny dva důležité poznatky. Za prvé, mı́ra ztrát spı́nacı́m tranzistorem závisı́ na návrhu invertoru, požadavkem je minimalizace kritického napětı́ VSP , což je v souladu s tvrzenı́m uvedeným v rozboru invertoru. Poměr W/L spı́nacı́ho tranzistoru je velmi malý, dle použité technologie a velikosti řı́dı́cı́ch napětı́ může být i menšı́ než 1. Za druhé, mı́ra ztrát prakticky nezávisı́ na volbě W/L diodového tranzistoru WMd , přı́slušná velikost W/L se určı́ z požadavků na velikost zatěžovacı́ho proudu, zvlněnı́ výst. napětı́, atd.. 4. Závěr Elementárnı́ simulace jsou základnı́m krokem vedoucı́m k modelovánı́ nábojové pumpy. Článek byl zaměřen na analýzu a posléze na návrh velikosti tranzistorů invertoru a spnače za účelem dosaženı́ maximálnı́ho zisku. Použité vztahy lze aplikovat obecně pro N-stupňovou pumpu, ovšem s přihlédnutı́m na velikost řı́dı́cı́ch napětı́ v obvodu odvozených z napájecı́ho napětı́. Dále byl vytvořen nelineárnı́ model jedné buňky, jehož vnitřnı́ struktura je popsána funkcemi přı́slušných podobvodů na bázi rovnic BSIM modelu MOSFET tranzistorů. V současnosti je model testován v N-stupňové pumpě (analýza) a v přı́padě zjištěných nesrovnalostı́ bude dále upravován. Primárnı́m účelem modelu je jeho použitı́ pro vývoj návrhového algoritmu (syntéza) na základě vstupnı́ch požadavků (napájecı́ napětı́, výstupnı́ napětı́, zatěžovacı́ proud, kmitočet hodinového signálu,...)s cı́lem dosáhnout optimálnı́ho řešenı́. Reference [1] C. F. Kurth, G. S. Moschytz, Nodal analysis of switched-capacitor networks. IEEE Transaction on Circuits and Systems, Vol. CAS/26, No. 2, February 1979, pp. 93-104. [2] J. Marek, J. Hospodka, O. Šubrt, Analýza nábojové pumpy CTS-2. In V. Letnı́ doktorandské dny 2015. Praha: ČVUT FEL, Katedra teorie obvodů. ISBN 978-80-01-05749-0. [3] R. Baker, CMOS: circuit design, layout, and simulation. 3rd ed. Hoboken, NJ: Wiley, c2010, xxxiii, 1173 p. ISBN 978-04-70-88132-3. [4] C. Hu, A. M. Nikenjad, W. Yang, D. Lu, BSIM4.6.4 MOSFET Model: User’s Manual. UC Berkeley, 2009. [5] F. Pan and T. Samaddar, Charge pump circuit design. McGraw-Hill, c2006, xv, 247 p. ISBN 978-007-1470-452. 23 Od měření geometrie výbrusu bižuterních kamenů k jejich opticko-estetickému hodnocení Naděje HAVLÍČKOVÁ1 1 České vysoké učení technické v Praze, Fakulta elektrotechnická, Katedra teorie obvodů [email protected] Abstrakt: Tento článek se zabývá problematikou hodnocení kvality bižuterních kamenů. Ukázalo se, že prosté hodnocení geometrie a hledání hrubých výrobních vad těchto kamenů nenese dostatečnou informaci o jejich opticko-estetických vlastnostech. Opticko-estetické vlastnosti kamenů, tedy subjektivní vjem jejich líbivosti, je hlavní užitnou vlastností kamenů, z čehož vyplívá potřeba hodnocení tohoto vjemu. Článek popisuje navrženou metodiku objektivizace hodnocení opticko-estetických vlastností bižuterních kamenů. Metodika je založena na analýze parametrů světla odraženého osvětleným kamenem. Pro zachycení tohoto světla, reflexí kamene, byla vyvinuta speciální optická soustava. Signifikance jednotlivých parametrů reflexí při určování opticko-estetických vlastností kamenů je stanovitelná z míry korelace těchto parametrů se subjektivními hodnoceními opticko-estetických vlastností kamenů zkušenými hodnotiteli. 1. Úvod Výroba bižuterních a šperkových kamenů je jedním z významných průmyslových odvětví. Bižuterní a šperkové kameny jsou zpravidla konvexními mnohostěny z průhledného, čirého či zbarveného materiálu. Jejich geometrie je navrhována tak, aby na základě elementárních fyzikálních optických principů dosahovaly opticko-estetických vjemů, jež docení cílový hodnotitel. Bižuterní a šperkové kameny se od sebe liší materiály, z nichž jsou vyrobeny. Bižuterní kameny (viz např. obr. 1) jsou zhotovovány zejména ze skla či plastů. Surovinou pro výrobu šperkových kamenů jsou pravé (přírodní) kameny (drahokamy a polodrahokamy) a syntetické kameny. [1] Obr. 1: Příklad bižuterního kamene [2] 24 1.1. Opticko-estetické vlastnosti kamenů Opticko-estetické vlastnosti kamenů vypovídají o subjektivním estetickém vjemu, který může mít kámen na pozorovatele, a který je hlavní užitnou vlastností kamenů. Subjektivní estetický vjem je dán např. optickými vlastnostmi kamene (jeho geometrií, materiálem, kvalitou povrchů, …), osvětlením kamene (pozicí, svítivostí, spektrem a vyzařovacím úhlem zdroje, počtem zdrojů), pozicí pozorovatele, vlastnostmi lidského zraku (šířkou zornice, spektrální citlivostí sítnice, rozdíly mezi fotopickým (denním) a skotopickým (nočním) viděním, jasovou nelinearitou a jasovou adaptibilitou oka, prostorovým a dynamickým kontrastem, principem integrálního komparativního vnímání či binokulární fúzí obrazů spojenou se stereoskopickým viděním), psychologickými aspekty pozorovatele (očekáváním určitého vjemu, ovlivněním vnímání trhem a trendy, povahou) či pozadím za pozorovaným kamenem. [3] [4] Z popsané komplexnosti kvantifikace subjektivního estetického vjemu při pozorování kamenů vyplývá, že standardně používané opticko-estetické parametry popisující optickoestetické vlastnosti (např.: brilance, oheň, jiskra) jsou pouze přibližným vodítkem při určování líbivosti kamenů. Brilance je schopnost kamene měnit směr dopadajícího světla tak, aby maximum světla vystupovalo žádoucími a minimum nežádoucími směry [1]. Oheň je definován jako schopnost kamene rozkládat bílé (denní) světlo na jeho jednotlivé spektrální složky tak, že v žádoucím směru a obvyklém místě pozorování je dosaženo maximální intenzity a separovanosti spektrálních barev [1] [3] [4]. Jiskrou kamene se rozumí jeho schopnost měnit intenzitu vystupujícího světla a barevných složek spektra při nepatrné změně polohy zdroje, kamene nebo pozorovatele [5]. Roli ve vnímání jiskry hraje i relativní velikost a kontrast jednotlivých světlých a tmavých oblastí i jejich prostorové rozložení [6] [7], tzv. vzor (angl. pattern) kamene. 1.2. Hodnocení opticko-estetických vlastností kamenů Existují různé motivace k hodnocení opticko-estetických vlastností šperkových i bižuterních kamenů. Jedním z důvodů k hodnocení opticko-estetických vlastností kamenů je hledání výbrusu s optimálními opticko-estetickými vlastnostmi za účelem jeho následné hromadné výroby a stanovení jeho hodnoty. Takovýto výbrus může být hledán jak pomocí matematických modelů počítajících opticko-estetické parametry kamene ze světla z něj vystupujícího, tak na základě experimentálních subjektivních hodnocení daných prototypů výbrusů zkušenými hodnotiteli. Za účelem validace matematických modelů je nutná komparace výsledků simulací s experimentálními subjektivními hodnoceními. Současný stav světového poznání nedosahuje, i přes postupné zpřesňování definic opticko-estetických parametrů, plné shody mezi predikcemi opticko-estetických vlastností a subjektivními hodnoceními daných typů výbrusů [7]. Dalším důvodem k hodnocení opticko-estetických vlastností kamenů je hodnocení kvality výroby daného výbrusu za účelem zjištění variability jakosti hromadné výroby, vytřídění vadných kusů, sledování plíživých změn ve výrobě či optimalizace technologie výrobního procesu k dosažení lepších opticko-estetických vlastností výbrusu. Při takovýchto hodnoceních mají optické simulace a v nich prováděné výpočty opticko-estetických parametrů smysl, pouze pokud je do simulací možné zavést výbrus s reálnými vlastnostmi. V rámci hodnocení jednoho druhu a velikosti výbrusu právě za účelem hodnocení kvality jeho hromadné výroby dále odpadá nutnost hodnocení jiskry ve smyslu vzoru (viz výše) i účelnost dalšího zpřesňování definic ostatních opticko-estetických parametrů (brilance a ohně). 25 1.2.1. Specifika hodnocení bižuterních kamenů Hodnocení bižuterních kamenů vyžaduje v mnoha ohledech jiný přístup než hodnocení šperkových kamenů. V první řadě, materiály pro výrobu bižuterních kamenů mají odlišné optické vlastnosti. Sklo, jeden z nejběžnějších materiálů pro výrobu bižuterních kamenů, má nižší index lomu i hodnotu optické disperse v porovnání se šperkovými kameny. Tomu musí být přizpůsoben jak výbrus kamene (úhly mezi jednotlivými ploškami – facetami – jsou modifikovány za účelem zachování správné směrovosti výstupního svazku světla za odlišného indexu lomu), tak jeho povrchová úprava (zadní facety kamene jsou opatřovány reflexní vrstvou – simili – zajišťující totální odraz světla i pro nižší úhly jeho dopadu). Další odlišností hrající roli v hodnocení bižuterních kamenů oproti šperkovým je fakt, že u bižuterních kamenů nejsou kladeny tak vysoké požadavky na preciznost výbrusu, ať už se jedná o symetrii kamenů či rovinnost jednotlivých facet. Bižuterní kameny se vyrábí ve větším množství a dosažení obdobné preciznosti jako u kamenů šperkových je, s ohledem na jejich prodejní cenu i následné využití, zbytečné. Jak hodnotit vhodnost zvoleného výrobního procesu broušení a leštění kamenů, který materiál je optimální pro similizaci, do jaké míry je možné tolerovat odchylky od požadovaného tvaru výbrusu i konvexnost jednotlivých facet (danou technologií výroby) je otázkou, ke které je třeba přistupovat prostřednictvím hodnocení opticko-estetických vlastností namísto prostého hodnocení geometrických vlastností (i křivý kámen může mít dobré opticko-estetické vlastnosti a naopak) a hrubých výrobních vad (i kámen bez hrubých výrobních vad může vykazovat špatné opticko-estetické vlastnosti). Existující simulační programy (např. DiamCalc [8], GemRay [9] apod.) i měřicí zařízení (např. CFire [10]) pro šperkové kameny nejsou, s ohledem na výše popsaná specifika, pro bižuterní kameny optimální. Vývoj metodiky pro objektivizaci porovnávání opticko-estetických vlastností bižuterních kamenů se zaměřením na kvalitativní třídění sériové výroby, sledování plíživých změn ve výrobě či hodnocení výrobního procesu broušení, leštění a similizace je předmětem tohoto výzkumu. 2. Metodika objektivizace hodnocení opticko-estetických vlastností bižuterních kamenů Za účelem objektivizace hodnocení opticko-estetických vlastností bižuterních kamenů byla navržena, realizována a optimalizována optická soustava umožňující snímání reflexí reálných kamenů. Soustava se skládá ze širokospektrálního osvětlovače umožňujícího definované homogenní osvětlení hodnoceného kamene. Světlo odražené kamenem je směřováno na reflexní plochu a tyto reflexe jsou zaznamenávány snímacím zařízením. Podrobnější popis optické soustavy není možné uvést z důvodu připravovaného patento-právního řízení. Reflexe kamenů (viz např. obr. 2) jsou zaznamenávány ve formátu surových dat bez přídavných automatických korekcí snímacího zařízení. Na barevných snímcích je prováděno vyvážení bílé barvy na základě spektrální charakteristiky použitého zdroje světla. Snímky jsou následně transformovány do různých barevných prostorů stanovených se zřetelem na charakter zkoumaných příznaků. Za účelem jasové analýzy reflexí související s brilancí jsou snímky transformovány do prostoru HSL. V kanálu L (z angl. luminance) daného prostoru je počítán jas jednotlivých bodů (pixelů) snímku s ohledem na spektrální citlivost lidského oka. Pro zjišťování informace o schopnosti kamenů rozkládat na ně dopadající polychromatické světlo na jednotlivé spektrální složky (související s ohněm) je analyzován v prostoru RGB každý barevný kanál snímků zvlášť a kanály jsou mezi sebou následně komparovány. 26 Obr. 2 – Příklad reflexí bižuterního kamene pořízených vyvinutou optickou soustavou Prostřednictvím segmentace obrazu jsou na snímcích hledány oblasti, které budou klasifikovány jako světelné reflexe z kamene. Segmentace je prováděna několika různými algoritmy. První algoritmus je založen na přiřazování pixelů do tříd za současné minimalizace intratřídní a maximalizace inter-třídní variability. Práh mezi třídami je stanoven podmínkou (μ1 + μ2) / 2 = thr, kde μ1 a μ2 jsou střední hodnoty úrovní jasu v daných třídách 1 a 2 a thr je úroveň jasu stanovená jako práh mezi oběma třídami. Další metoda kombinuje principy lokálního a globálního přístupu. Nejdříve jsou lokálně (v plovoucím okně velikosti srovnatelné s předpokládanou velikostí hledaných reflexí) potlačovány vlivy globálních jasových nehomogenit pozadí. Následně je takto korigovaný snímek použit pro globální stanovení prahu pomocí některé ze standardních metod prahování, např. metody clustering (přiřazování do tříd) popsané výše. Poslední způsob segmentace hledá dostatečně jasné reflexe a u nich stanovuje práh pro každou reflexi individuálně. Hodnota jasu prahu dané reflexe je stanovena jako definovaný zlomek hodnoty jasu nejsvětlejšího pixelu dané reflexe. Výše popsané algoritmy jsou dostatečně robustní pro identifikaci reflexí na snímcích jak s nehomogenitami pozadí, tak s různou střední hodnotou intenzit reflexí, která může být dána např. různou expoziční hodnotou snímacího zařízení či odlišnou velikostí zkoumaných kamenů spojenou s jinou maximální možnou odraženou světelnou energií. Zvolený práh významně ovlivňuje následné kvantitativní jasové analýzy reflexí. Optimální metoda segmentace musí být stanovena na základě hodnot korelace výsledků následných analýz reflexí se subjektivními hodnoceními opticko-estetických vlastností zkušenými hodnotiteli. U identifikovaných reflexí jsou počítány různé charakteristiky reflexí, které mohou mít výpovědní hodnotu o opticko-estetických vlastnostech kamene. Prvním hodnoceným parametrem byla vzájemná poloha jednotlivých reflexí zkoumaného kamene, která by se v rámci jednoho druhu výbrusu neměla významně lišit a která vypovídá o preciznosti výroby z hlediska symetrie výbrusu. Potvrdilo se, že symetrie výbrusu nemá dostatečnou výpovědní hodnotu o kvalitě kamene s ohledem na opticko-estetické vlastnosti. Další charakteristiky jsou analyzovány přímo nad reflexemi bez ohledu na jejich vzájemnou polohu. Těmito charakteristikami jsou např. energie jednotlivých reflexí, jejich maximální a střední intenzita, percentily intenzity, strmost nárůstu a poklesu intenzity, rozpětí 27 a homogenita intenzity, plocha a obvod reflexí, jejich kruhovitost a protažení, apod. Signifikance jednotlivých charakteristik při určování opticko-estetických vlastností kamenů je dána mírou korelace hodnot těchto charakteristik se subjektivními hodnoceními daných kamenů zkušenými hodnotiteli. Pro stanovení relevantních charakteristik vypovídajících o opticko-estetických vlastnostech kamenů je zapotřebí dostatečně velký počet kamenů různých kvalit a s různými vadami, k nimž jsou k dispozici subjektivní hodnocení optickoestetických vlastností hodnotiteli. 3. Závěr Opticko-estetický vjem, tzv. líbivost, kamenů je jejich hlavní užitnou vlastností. Pouhé měření geometrie bižuterních kamenů a hledání hrubých výrobních vad nenese dostatečnou informaci o jejich kvalitě. Byla navržena metodika objektivizace hodnocení kvality bižuterních kamenů s ohledem na jejich opticko-estetické vlastnosti. Tato metodika bude využívána k hodnocení kvality hromadné výroby bižuterních kamenů. Relevance jednotlivých nalezených charakteristik souvisejících s opticko-estetickými vlastnostmi bude stanovena na základě komparace vypočtených hodnot těchto charakteristik se subjektivními hodnoceními daných kamenů. Za tímto účelem jsou v současné době kompletovány hodnotiteli popsané reprezentativní vzorky kamenů. Reference [1] KOUCKÝ, J. a kol. Bižuterie: Základní učebnice zbožíznalství. 1. vyd. Jablonec n. N. : Svaz výrobců bižuterie, 2005. 229 s. [2] Beadage. Glossary. [Online] [cit. 04. 2016]. http://beadage.net/glossary/chaton/. [3] Russian gemological server. Diamond cut study. [Online] [cit. 09. 2015]. http://www.gemology.ru/cut/index.htm. [4] SIVOVOLENKO, S. - SHELEMENTIEV, Y. - HOLLOWAY, G. - MISTRY, J. SEROV, R. - ZHULIN, S. - ZIPA, K. How diamond performance attributes: Brilliance, Scintillation and Fire depend on human vision features. The Australian Gemmologist. 25 (3), 2013, stránky 82 - 121. The Gemmological Association of Australia. ISSN 0004-9174. [5] HOLLOWAY, G. Defining the Beauty and Desirability of Round Brilliant Diamonds. [Online] [cit. 09. 2015]. http://www.diamond-cut.com.au. [6] LIDDICOAT, R. T. The GIA Diamond Dictionary. 3rd ed. New York : Gemological Institute of America, 1993. 275 s. ISBN 978-0873110266. [7] MOSES, T. M. - JOHNSON, M. L. - GREEN, B. - BLODGETT, T. - CINO, K. GUURTS, R. H. - GILBERTSON, A. M. - HEMPHILL, T. S. - KING, J. M. KOMYLAK, L. - REINITZ, I. M. - SHIGLEY, J. E. A Foundation for Grading the Overall Cut Quality of Round Brilliant Cut Diamonds. Gems & Gemology. 40 (3), 2004, stránky 202 - 228. Gemological Institute of America. ISSN 0016-626X. [8] OctoNus. DiamCalc. [Online] [cit. 04. 2016]. http://www.octonus.ru/oct/products/3dcalc/stúandard/. [9] GemCad, Computer-Aided Design Software for Faceted Gemstones. GemRay. [Online] [cit. 04. 2016]. http://www.gemcad.com/gemray.html [10] OGI Systems Ltd. CFire, Visual Diamond Shape Light Performance. [Online] [cit. 04. 2016]. http://www.ogisystems.com/cfire-diamond-light-performance.html. 28 Neinvazivní screening aterosklerózy Jan DVOŘÁK České vysoké učení technické v Praze, Fakulta elektrotechnická, Katedra teorie obvodů [email protected] Abstrakt: Ateroskleróza je jedním z nejzávažnějších problémů kardiovaskulárního systému. To především proto, že je v raných stádiích jen velmi obtížně diagnostikovatelná, avšak způsobuje postupné nevratné změny KVS. Pro zhodnocení stupně poškození tepen tímto procesem existuje aktuálně několik klinických metod, žádná však není široce uplatnitelná. Při měření oscilometrických pulzací, jejichž snímání je základem pro vyhodnocení krevního tlaku oscilometrickou metodou, je možné při vhodném uspořádání měření získat některé sekundární parametry - hemodynamické parametry kardiovaskulárního řečiště. Tyto parametry lze kalkulovat pomocí kombinace standardních lékařských vyšetření, mezi nimiž je zejména snímání elektrické aktivity srdce, fotopletysmografie a záznam oscilometrických pulzací z manžety umístěné na končetině, případně i více končetinách. Proto byla vytvořena databáze signálů s využitím komplexního měřicího zařízení, umožňujícího synchronně zaznamenávat EKG, PPG a oscilometrické pulsace z manžet během postupného napouštění a vypouštění. Databáze je doplňována signály již 5 let a obsahuje i záznamy stejných pacientů s časovým odstupem. Na základě provedených měření byly prokazatelně zjištěny signifikantní rozdíly středního arteriálního tlaku změřeného oscilometrickou metodou při nafukování a vyfukování manžety. Tyto rozdíly byly větší než 5 mmHg u 48% pacientů seniorů, oproti skupině mladých lidí, kde tento rozdíl vykazovalo pouze 11% pacientů. Tyto rozdíly mohou mít za následek zkreslení detekce hodnoty středního arteriálního tlaku, potažmo výpočtu systolického a diastolického tlaku, při měření oscilometrickou metodou. Dále byla zjištěna významná korelace mezi MAP a ASI indexem. ASI index je parametr, který je spojen se ztrátou elasticity tepen, která nastává právě při ateroskleróze. 29 Volba statistických parametrů dat reprezentujı́cı́ch fyzickou aktivitu biomedicı́nského modelu Huntingtonovy choroby Matouš Pokorný1 , školitel specialista Jan Havlı́k 1 Biomedical Electronics Group, České vysoké učenı́ technické v Praze, Fakulta elektrotechnická, Katedra teorie obvodů [email protected] Abstract: Tento text stručně popisuje problematiku volby statistických parametrů pro zpracovánı́ dat reprezentujı́cı́ch fyzickou aktivitu mini prasat měřenou pomocı́ telemetrického systému. Mini prasata se použı́vajı́ v Ústavu živočišné fyziologie a genetiky AV ČR v Liběchově jako biomedicı́nský model pro výzkum Huntingtonovy choroby. Tento výzkum se v dnešnı́ době zaměřuje předevšı́m na vývoj léčiv a léčebných postupů. Huntingtonova choroba je dědičné neurodegenerativnı́ onemocněnı́ projevujı́cı́ se motorickými a psychiatrickými poruchami. Tyto poruchy byly pozorovány i u nemocných mini prasat a lze tedy očekávat měřitelné rozdı́ly v záznamech fyzické aktivity transgennı́ch (tgHD) a zdravých (WT) jedinců. Záznam fyzické aktivity je zı́skáván pomocı́ telemetrického systému, kde každý vysı́lač obsahuje třı́osý akcelerometr a poskytuje tedy informaci nejen o celkovém zrychlenı́, ale i o zrychlenı́ v jednotlivých osách x, y, z. Našı́ studie se účastnı́ 6 WT a 6 tgHD jedinců. Experimentálnı́ měřenı́ probı́há kontinuálně několik dnı́ na všech zvı́řatech současně. Výsledkem je tedy velké množstvı́ naměřených dat (vzorkovacı́ frekvence 100 Hz), která se dále redukujı́ a zpracovávajı́ do formy vhodné k závěrečné analýze. Prvnı́, námi publikované, výsledky ukazujı́, že existuje signifikantnı́ rozdı́l v záznamech fyzické aktivity WT a tgHD jedinců. Tyto závěry jsou podloženy daty, která jsme zı́skali průměrovánı́m záznamu celkového zrychlenı́ každého jedince po oknech o délce 10 minut a následným výpočtem průměru pro každou skupinu a časové okno (WT a tgHD). Jaký vliv však má délka okna a výběr statistického ukazatele na výsledek? Je výhodnějšı́ použı́t kratšı́ časové okno (jednotky minut) nebo delšı́ časové okno (desı́tky minut)? Je možné, že napřı́klad maximálnı́ hodnota, medián nebo rozptyl vı́ce zviditelnı́ rozdı́ly v zaznamené aktivitě? Tato práce je realizována za podpory grantu SGS14/191/OHK3/3T/13 – Pokročilé algoritmy čı́slicového zpracovánı́ signálů a jejich aplikace. 30 Metody měřenı́ parametrů tekutin Filip Paulů1 , Jiřı́ Hospodka1 1 České vysoké učenı́ technické v Praze, Fakulta elektrotechnická, Katedra teorie obvodů [email protected] Abstrakt: Tekutiny majı́ velké množstvı́ fyzikálnı́ch a chemických vlastnostı́, které jsou denně měřeny nejen v průmyslu, ale jsou potřebné i v každodennı́m životě. Jsou vlastnosti, které je možné jednoduše změřit. Napřı́klad teplota, hustota, viskozita a dalšı́. Také existuje velké množstvı́ potřebných vlastnostı́, které nelze změřit přı́mo. Jedná se o parametry charakterizujı́cı́ každou tekutinu. Určujı́, jaké obsahuje množstvı́ vzduchu, tuku, nečistot a mnoho dalšı́ho. Měřenı́ těchto parametrů převážně vede k chemické analýze. Ta bývá nevýhodná z finančnı́ch a časových důvodů. Směr zájmu se tedy ubı́rá k neinvaznı́m metodám měřenı́ a metodám umožňujı́cı́m pracovat v reálném čase. Jsou prokázány nepřı́mé závislosti mezi těmito hledanými vlastnostmi a měřenı́m veličin, které splňujı́ výše zmı́něná kritéria. Jako vhodné se ukazujı́ permitivita, konduktivita, index lomu světla, optická absorpce, propustnost a dalšı́. Velmi užitečným nástrojem se také ukazujı́ různé spektrometry a to jak optické, ultrazvukové i RF spektroskopie, tak elektricky impedančnı́ spektroskopie. Bohužel, většina těchto měřı́cı́ch přı́strojů je opět velice drahá. Z výsledků je možné zjistit, které složky spektra jsou nejvı́ce závislé na určitém žádaném parametru. Na základě nich bude snaha navrhnout jednoduchý přı́stroj k jejich změřenı́. Hlavnı́m cı́lem je popis známých elektrických měřı́cı́ch metod tekutin. Zejména ty, u kterých se předpokládá závislost s chtěnými vlastnostmi tekutin. Zároveň je rozebrán jejich potenciál se snahou o jejich zjednodušenı́ a kombinace s jinými metodami, které pomohou zı́skat určité vlastnosti. Je předpoklad, že nejen dı́ky modernı́m data miningovým a machine learningovým metodám budou zı́skávány požadované parametry s dostatečnou přesnostı́. 31 Zobrazování oxidativních procesů na kůži pomocí ultra slabé emise fotonů Michaela Poplová1,2, Michal Cifra2 1 České vysoké učení technické v Praze, Fakulta elektrotechnická, Katedra teorie obvodů 2 Ústav fotoniky a elektroniky, Akademie věd České republiky [email protected] Abstrakt: Ultra slabá emise fotonů (UPE) je světelný fenomén, který vzniká zářivým přechodem chemicky generovaných elektronově excitovaných stavů molekul v biologických systémech. Tyto elektronově excitované stavy vznikají v průběhu reakcí reaktivních forem kyslíku (ROS) s biomolekulami. Změna v produkci ROS odráží fyziologické změny ve sledovaném objektu. Nárůst UPE může souviset s přirozeným růstem, kdy pozorujeme pomalé změny v čase nebo se zvýšenou produkcí ROS, která je spojena s reakcí objektu na stresový podnět. Pokles UPE souvisí se zpomalením metabolických procesů či postupným odumíráním. UPE má tedy vypovídající hodnotu o aktuálním stavu zkoumaného objektu a v budoucnu by mohla být využita právě k diagnostice jako nepřímá metoda monitorování oxidativních procesů. Potenciální využití UPE by mohlo být v zemědělství (přítomnost herbicidů, plísní a jiných patogenů), potravinářství (kontrola kvality potravin) či dermatologii (účinnost opalovacích krémů, patologie). Tato práce se zabývá pozorováním prooxidativních a antioxidativních procesů na UPE z lidské kůže. Lidská kůže je složena ze třech částí a to pokožky, škáry a podkoží, kdy největší příspěvek UPE pochází právě z vrchní vrstvy. Jako prooxidant byl zvolen peroxid vodíku, který přirozeně vzniká v biologickém systému po jednoelektronové redukci superoxidového aniontového radikálu superoxid dismutázou a dále se podílí přímo na vzniku dvou silných oxidantů a to hydroxylového radikálů (OH˙) a kyseliny chlorné (HClO). Jako antioxidant byla použita kyselina askorbová, která odbourává radikály kyslíku tím, že jako dárce vodíku vytváří relativně stabilní askorbylový radikál. Antioxidanty obecně mohou inhibovat tvorbu ROS a odstraňovat už vytvořené ROS. Výsledkem této práce je kvantifikace UPE z dorsální strany ruky lidského subjektu vyvolaného peroxidem vodíku (H2O2). Tento efekt byl pozorován jak pomocí chlazené CCD kamery, kde se jednalo o lokální aplikaci tří rozdílných koncentrací H2O2 v jednom měření, tak i pomocí fotonásobiče R2256-02, kde byly různé koncentrace H2O2 aplikovány postupně na celou oblast ruky. Dále je možné pomocí obou metod určit i míru oxidace. Kyselina askorbová intenzitu indukované UPE snížila, což bylo možné opět pozorovat oběma typy detektorů. CCD kamery by mohly sloužit jako vhodný nástroj pro prostorové rozlišení distribuce UPE, zatímco pomocí fotonásobiče se získává vysoce detailní časové rozlišení. 32 Vliv obuvi na svalovou koordinaci při chůzi a běhu Jan SEDLÁK České vysoké učení technické v Praze, Fakulta elektrotechnická, Katedra teorie obvodů [email protected] Abstrakt: Tento příspěvek je zaměřen na komparativní analýzu povrchově snímaných EMG signálů pořízených s odlišným typem obuvi. Zkoumány byly tři situace: bez bot, klasické celoodpružené a minimalistické boty. Měření probíhalo na běžeckém pásu s pevně nastavenou rychlostí chůze 4 km/h a běhu 10 km/h. K výzkumu bylo vybráno deset zdravých probandů s ustáleným svalovým stereotypem. Každé měření zahrnovalo cca 1 minutu záznamu a následně byl vybrán 30 s úsek stabilního signálu. Pro tento výzkum bylo snímáno 16 svalů dolních končetin. Bilaterální záznam byl pořízen pro svaly Tibialis anterior, Peroneus longus, Gluteus maximus, Gluteus medius, Gastrocnemius laterální a mediální část. Na pravé končetině byly dále monitorovány svaly Biceps femoris, Quadriceps femoris v části rectus femoris, vastus lateralis a medialis. K měření bylo užito zařízení ME6000 od společnosti MEGA ELECTRONICS LTD. s vzorkovací frekvencí 1000 Hz. Více-kanálové EMG záznamy jsou předzpracovány horní propustí 6. stupně s mezní frekvencí filtru 20 Hz za účelem eliminace nežádoucích artefaktů. Signálové obálky využité při analýze byly vypočteny jako absolutní hodnota signálu filtrována dolní propustí 6. řádu s mezní frekvencí 20 Hz. Časové rozložení svalové aktivity je stanoveno s využitím detektoru založeném na prahování signálové obálky. Hodnota prahu je nastavena jako 20 % maxima obálky analyzované aktivace. Separace pohybových cyklů umožňuje časovou normalizaci segmentů EMG obálek s využitím lineární interpolace. Díky časové normalizaci je možné stanovit průměrné obálky a průměrnou svalovou aktivitu monitorovaných svalů vhodné ke komparativní analýze. Hranice pohybových cyklů byly detekovány na základě analýzy obálek signálů zkoumaných svalů s využitím vlastního algoritmu. Komparativní analýza svalové koordinace byla stanovena na základě průměrných signálových obálek a detekované svalové aktivitě. Jelikož není k dispozici žádný dodatečný signál, který by umožňoval jednoznačnou synchronizaci časové osy mezi jednotlivými měření, je možné provést pouze méně přesnou synchronizaci. Synchronizace je vypočtena na základě maximálních hodnot průměrných obálek jednoho vybraného svalu. Procentuální hodnota pozice maxima pro tento sval bude tedy při srovnání ve všech záznamech stanovena jako 0 %. Toto omezení lze eliminovat stanovením parametrů nezávislých na synchronizaci jednotlivých záznamů. V případě časově normalizovaných průměrných obálek se jako vhodný parametr pro komparaci ukázal rozdíl pozic maximálních hodnot amplitud dvou svalů. Další parametry jsou založené na základě detekované svalové aktivity, např. rozdíl mediánů počátků aktivací dvou svalů. Tyto parametry jsou dále vhodné pro aplikaci statistických testů jak t-test nebo ANOVA. 33 Klasifikace pohybového EEG pomocí paralelních HMM Martin DOBIÁŠ1 1 České vysoké učení technické v Praze, Fakulta elektrotechnická, Katedra teorie obvodů [email protected] Abstrakt: Tomto příspěvek se zaměřuje na použití paralelních skrytých markovských modelů (Hidden Markov Model - HMM) ke klasifikaci jemných pohybů prstu. Paralelní HMM představují jednu z cest, jak využít informaci uloženou v několika EEG kanálech. V minulosti byl každý kanál vyhodnocovaný zvlášť, zde se každá realizace klasifikuje na základě výstupní věrohodnosti několika kanálů paralelně. Pro klasifikaci jsou použity nahrávky EEG pořízené během extenze a flexe pravého ukazováčku jedenácti osob. Průměrný počet realizací každého pohybu byl 66,4±16,5 na osobu. Byly zkoumány signály na 9 elektrodách nad sensorimotorickou oblastí kontralaterálně k pohybu. Použité frekvenční pásmo bylo 5-40 Hz. Jako příznaky byly použity lineární FFT koeficienty s rozlišením 1 Hz a krokem 200ms. Ke klasifikaci bylo použito několik metod zpravování výstupní logaritmické věrohodnosti HMM; první, kdy největší hodnota věrohodnosti přes několik kanálu určuje druh pohybu; druhá, kdy maximální součet logaritmické věrohodnosti každého typu pohybu určuje výsledný typ a třetí, kdy nejpočetnější výstupní typ vyhrává. Pomocí druhé metody bylo dosaženo nejlepších výsledů 83,1±0,7%, které jsou srovnatelné s referenční metodou výběru nejlépe klasifikované elektrody. Není přitom potřebné spoléhat na jedinou elektrodu, která dosahuje neustále dobrých výsledků. Tím pádem není nutné v případné aplikaci do rozhraní mozek-stroj spoléhat na nízkou variabilitu EEG mezi jednotlivými sezeními, čímž se zredukuje doba inicializace. Rozvinutím druhé metody, kdy se pro každou osobu a realizaci nesčítaly všechny logaritmické věrohodnosti, ale pouze několik největších, bylo dosaženo dalšího zlepšení o 1,1%. Ideální počet sčítaných kanálů je 4-5, tehdy už má každý další přidaný kanál pouze marginální vliv. Pokud navíc pro každou osobu vybereme nejlepší metodu, lze dosáhnou skóre 85,6±0,7%. Metoda klasifikace pomocí paralelních HMM by se například dala s výhodou použít spolu s metodou slepé separace zdrojů, kdy se redukuje počet kanálů pomocí výběru signálových podprostorů se specifickými signálovými vlastnostmi. Několik takovýchto vybraných kanálů pak může být klasifikováno pomocí paralelních HMM. 34 Vliv prezentace zpětné vazby na BCI Vladimı́r Černý České vysoké učenı́ technické v Praze, Fakulta elektrotechnická, Katedra teorie obvodů [email protected] Abstract: Přı́spěvek se zabývá studiı́ vlivu zpětné vazby na rozhranı́ mozek počı́tač (Brain Computer Interface - BCI). Naše skupina se zabývá klasifikacı́ EEG souvisejı́cı́ho s pohybem s cı́lem vyvinout v praxi použitelné BCI. Každý BCI systém obsahuje zpětnou vazby, která vzniká tı́m, že uživatel BCI systému vidı́ výsledek svého ovládánı́. Zpětná vazba může být realizována mnoha způsoby. Může se lišit jak vizualizacı́ tak vlastnı́m chovánı́m. Naše předchozı́ studie se zabývala různými vizualizacemi zpětné vazby. Tento přı́spěvek porovnává chovánı́ zpětné vazby. Zpětná vazba je ovládána výsledkem klasifikace. Tento výsledek může být přı́slušnost k dané třı́dě a tedy diskrétnı́ nebo pravděpodobnost přı́slušnosti k dané třı́dě a tedy spojitý. Zpětná vazba může zobrazovat tento výsledek přı́mo, nebo může pomocı́ výsledku klasifikace ovládat rychlost změny, potom zpětná vazba zobrazuje integraci tohoto výsledku. Tyto dvě možné dělenı́ umožňujı́ zařadit zpětné vazby do čtyř skupin. Byl proveden experiment, který zkoumá vliv chovánı́ zpětné vazby na úspěšnost klasifikace. Byly odzkoušeny čtyři typy chovánı́ zpětné vazby (spojitá přı́má, spojitá integrujı́cı́, diskrétnı́ přı́má a diskrétnı́ integrujı́cı́). Experiment byl proveden na čtyřech subjektech. Každý z nich se zúčastnil třı́ sezenı́, v rámci kterých použı́val všechny čtyři druhy zpětné vazby. Pro experiment byl použity náš vlastnı́ systém pro zpracovánı́ EEG v reálném čase. Subjekty ovládali systém pomocı́ představovaných pohybů levé a pravé ruky. Systém rozpoznával stranu na které si subjekty představujı́ pohyb. Pro jednotlivé druhy zpětné vazby by la vyhodnocena úspěšnost klasifikace. Zároveň bylo pomocı́ dotaznı́ku měřeno subjektivnı́ hodnocenı́ funkce BCI systému. Z hlediska úspěšnosti klasifikace dosahovala nejlepšı́ch výsledků přı́má zpětná vazba (spojitá 65.5% a diskrétnı́ 65.9%). Diskrétnı́ přı́má zpětná vazba byla ale nejhoršı́ podle subjektivnı́ho hodnocenı́, zatı́mco spojitá byla druhá nejlepšı́. Ze studie tedy vycházı́ jako nejvhodnějšı́ přı́má spojitá zpětná vazba. 35 Porovnání metod detekce vysokofrekvenčních oscilací u epileptických pacientů Tomáš HAVEL1, Roman ČMEJLA1, Petr JEŽDÍK1,2 1 České vysoké učení technické v Praze, Fakulta elektrotechnická, Katedra teorie obvodů 2 České vysoké učení technické v Praze, Fakulta elektrotechnická, Katedra měření [email protected] Abstrakt: V posledních letech jsou vysokofrekvenční oscilace (High frequency oscilations, HFO) označovány jako nový biomarker epileptogenní tkáně. Bylo prokázáno, že tento typ grafoelementu má zvýšenou četnost výskytu v zóně počátku záchvatu (seizure onset zone, SOZ) a pomáhá s určením lokalizace a rozsahu SOZ. Navíc bylo zjištěno, že zahrnutí oblasti výskytu HFO do resekce má pozitivní dopad na celkový výsledek chirurgického zákroku. Manuální značení HFO v EEG záznamu je časově náročné a silně subjektivní. Automatické algoritmy zase při zachování dobré senzitivity trpí velkým počtem falešných detekcí. Je tudíž potřeba se zaměřit na vývoj robustnějších metod automatické detekce, aby bylo možné vlastnosti HFO plně využít jak ve výzkumu, tak pro klinickou praxi. Záměrem studie je implementovat několik dříve publikovaných metod a porovnat je na stejné testovací množině. Do hodnocení jsou navíc zahrnuty také tři algoritmy vyvinuté ve skupině ISARG. Metody jsou testovány množinou záznamů 10 epileptických pacientů. Od každého pacienta bylo použito 2,5 minuty a vybrány 3 kanály s vysokým a 3 kanály s velmi nízkým výskytem HFO. Výběr byl ohodnocen dvěma experty a vytvořena tzv. Gold Standard reference. Všechny detekční metody byly nejprve optimalizovány nastavením jednotlivých parametrů a následně otestovány metodou křížové validace (120 kombinací, výběry 7 z 10 pacientů). Referenční množina obsahuje 240 HFO, z toho 238 bylo identifikováno v aktivních kanálech. Při porovnání výsledků křížové validace bylo nejlepší senzitivity dosaženo detektorem ISARG H. (0,78±0,05) při PPV (0,16±0,03) a nejlepší PPV Wavelet detektorem (0,3±0,03), to bylo ale spojeno s velmi nízkou senzitivitou (0,4±0,04). Dle společného ukazatele, vzdálenosti k optimálnímu bodu, zvítězil Line Length detektor se senzitivitou 0,71±0,04 a PPV 0,29±0,03. 36 Intrakraniální EEG – Studie pacientů s fokální kortikální dysplasií typu I a II Jiří BALACH1 , Petr JEŽDÍK 1,2 , Roman ČMEJLA1 1 České vysoké učení technické v Praze, Fakulta elektrotechnická, Katedra teorie obvodů 2 České vysoké učení technické v Praze, Fakulta elektrotechnická, Katedra měření [email protected] Abstrakt: Fokální kortikální dysplasie (FCD) je jeden s nejčastějších typů farmakoresistentní epilepsie (u dospělých pacientů tvoří až 20%). U pacientů s FCD je nejčastěji volena chirurgická léčba, kde se odstraní epileptogenní mozková tkáň, která je odpovědná za vznik záchvatů. Před samotnou operací prochází pacient řadou neinvazivních vyšetření (skalpové EEG, MRI, CT, PET, SPECT,…). Podle výsledků těchto vyšetření je vytvořen resekční plán aby se zajistilo odstranění veškeré poškozené tkáně. U FCD typu II jsou změny v tkáni natolik velké, že výsledná léze je viditelná z MRI snímků. Oproti tomu léze FCD typu I, bývá na MRI kolikráte nepostřehnutelná. Oba typy se mohou vyskytovat zároveň a tak není vždy jisté, kam až léze sahá. Z tohoto důvodu se u pacientů s FCD často přistupuje i k invazivní EEG (iEEG) monitoraci, která trvá přibližně týden. Pacientovi jsou implantovány elektrody přímo do mozkové tkáně nebo na její povrch tam, kde je předpokládaná léze nebo její okolí. Po celou dobu monitorace je nahráváno EEG, které je následně lékaři prověřeno. Vzhledem k velkému množství dat (obvykle se nahrává z cca. 100 kontaktů) je pro lékaře velice náročné sledovat celý záznam. Pomocí matematické analýzy a metod zpracování signálu, se snažíme ze záznamů vytěžit více informací, které by mohly přispět k lepšímu rozhodování. V našem případě jsou detekovány typické epileptické grafoelementy, které jsou přítomny v EEG. Jsou to již dlouho známé výboje a experimentálně zkoumané vysokofrekvenční oscilace. U těchto dvou skupin událostí se snažíme monitorovat oblast jejich výskytu a také jejich četnost. Ze známých diagnóz pacientů, jejichž data jsou použita v této studii, se snažíme nalézt souvislosti mezi výskytem a parametry grafoelementů a typem FCD. Dále porovnáváme výsledný dlouhodobý stav pacienta po operaci s množstvím resekovaných kontaktů, kde byly přítomny epileptické projevy. U všech pacientů je porovnáván výskyt grafoelementů pouze v non-REM spánku, kde se předpokládá, že je jejich výskyt nejvyšší, a že koreluje s místem počátku záchvatu. Zpracovaná data jsme podrobili statistické analýze, bohužel bez žádného signifikantního výsledku. 37 Mikrozáchvaty spolehlivě lokalizují epileptogenní oblasti v tetanotoxinovém modelu temporální epilepsie Jan KUDLÁČEK1,2, Pavel VLK1,2, Ľubica DEMETEROVÁ2, Antonín POŠUSTA2, Jakub OTÁHAL2, Tomáš HAVEL1, Vojtěch KUMPOŠT1, Přemysl JIRUŠKA2 1 České vysoké učení technické v Praze, Fakulta elektrotechnická, Katedra teorie obvodů 2 Akademie věd České republiky, Fyziologický ústav, Oddělení vývojové epileptologie [email protected] Abstrakt: Cílem této studie bylo ozřejmit využitelnost mikrozáchvatů jako biomarkeru epileptogenní léze v modelu epilepsie temporálního laloku. Byl využit tetanotoxinový model v potkanovi, ve kterém je léze vytvořena fokálně, mikroinjekcí tetanotoxinu do vybrané struktury. V této studii byl toxin injikován u jedné skupiny do dorzálního hipokampu a u druhé skupiny do entorhinální kůry. Potkanům byly implantovány elektrody bilaterálně do 6 limbických struktur a potkani následně video/EEG monitorováni nejméně 3 týdny. Prostorová distribuce mirkozáchvatů byla vyjádřena pomocí výkonu signálu mikrozáchvatu normovaného na výkon signálu pozadí v témže kanálu. Pro srovnání byla stanovena prostorová distribuce počátků záchvatů, četnosti inter-iktálních výbojů a četnosti vysokrofrekvenčních oscilací. Ukázalo se, že prostorová distribuce výkonu mikrozáchvatů vykazuje největší rozdíl mezi hipokampálním a entorhinálním typem epilepsie. Mikrozáchvaty jsou tedy slibným biomarkerem epileptogenní tkáně. 1. Úvod Epilepsie je neurologické onemocnění postihující 0,5 až 1 % populace [1]. Nejčastějsí formou epilepsie je epilepsie temporálního laloku, která je navíc v až 40 % případů farmakorezistentní [2]. Některým farmakorezistentním pacientům však může pomoci chirurgické odstranění (resekce) epileptogenní oblasti mozku. U třetiny resekovaných pacientů však záchvaty recidivují [3]. Ke zvýšení úspěšnosti chirurgické léčby epilepsie je potřeba lepší porozumění temporální epileptogenní síti a přesnější identifikace epileptogenních oblastí. K lokalizaci epileptogenních oblastí se kromě rozličných zobrazovacích metod využívá i invazivní EEG. V záznamech jsou identifikovány různé grafoelementy a podle nich neurolog (případně počítačový algoritmus) lokalizuje epileptogenní mozkovou tkáň. Takovéto grafoelementy jsou biomarkery epileptogenní tkáně. Při studiu EEG epileptických potkanů jsme objevili dosud nepublikovaný typ epileptiformní aktivity, který jsme nazvali mikrozáchvat. Jedná se o 1 až 8 sekund dlouhý úsek fokální vysokoamplitudové rytmické EEG aktivity. Frekvence výbojů při mikrozáchvatu je 8 – 15 Hz. Cílem této studie bylo prostudovat využitelnost mikrozáchvatů jako EEG biomarkeru epileptogenní léze a porovnat mikrozáchvaty s jinými biomarkery epileptogenní tkáně (počátky záchvatů, inter-iktální výboje, vysokofrekvenční oscilace). Byl využit 38 tetanotoxinový model temporální epilepsie v potkanovi, přičemž u jedné skupiny potkanů byla vytvořena epileptogenní léze v hipokampu a u druhé skupiny v entorhinální kůře. Vznikly tak dvě skupiny, které budou dále nazývány hipokampální a entorhinální. Vhodnost grafoelementu pro použití jako biomarkeru epileptogenní tkáně byla posuzována podle jeho schopnosti rozlišit tyto dvě skupiny. 2. Materiály a metody 2.1. Model epilepsie, nahrávání EEG Potkanům kmene Wistar bylo v izofluranové anestezii (1,5%) injikováno 10 ng (1 µl roztoku) tetanotoxinu (Quadratech Ltd, UK) do CA3 oblasti pravého dorzálního hipokampu (n=7) a do pravé mediální entorhinální kůry (n=2). Následně byly implantovány twistované registrační elektrody do 6 vybraných limbických struktur obou hemisfér Obr. 1. Byly tedy nahrávány 2 kanály z každé struktury, celkem 24 kanálů. Elektrody byly vyrobeny z poteflonovaného stříbrného drátu o průměru 180 µm (A-M Systems, Inc, Carlsborg, Washington, USA). Referenční elektrody byly umístěny nad mozeček. Obr. 1: Schéma implantace elektrod ve vztahu k lebce Obr. 1: Schéma implantace elektrod ve vztahu k lebce Po týdení rekonvalescenci byli potkani napojeni na dlouhodobý video-EEG monitoring. Signál byl filtrován od 0,1 do 2300 Hz, zesílen a digitalizován na vzorkovací frekvenci 5000 Hz s rozlišením 16 bitů. Přímo na hlavě potkana byl umístěn napěťový sledovač pro omezení pohybových artefaktů. 2.2. Zpracování EEG V získaném 24 kanálovém záznamu byly pomocí algoritmů vytvořených v prostředí Matlab detekovány záchvaty, inter-iktální výboje, vysokofrekvenční oscilace a mikrozáchvaty. 2.2.1. Počátký záchvaty Záchvaty byly detekovány v bipolárním signálu (tj. rozdílu dvou kanálů z dané struktury). Detektor byl založen na prahování integrální energetické obálky signálu filtrovaného pásmovou propustí 15 až 45 Hz. Následně bylo vizuálně pro každý záchvat stanoveno, ve které struktuře začal a pro hipokampální a entorhinální skupinu zvlášť spočítáno, kolik procent záchvatů vycházelo ze které struktury [6]. 39 2.2.2. Inter-iktální výboje Inter-iktální výboje byly detekovány pomocí detektoru popsaného v [4]. Následně bylo pro hipokampální i entorhinální skupinu určeno, kolik procent výbojů bylo zaznamenáno ve které struktuře. 2.2.3. Vysokofrekvenční oscilace Detektor HFO byl založen na sledování spektrálních změn [5]. Opět bylo pro hipokampální i entorhinální skupinu určeno procento vysokofrekvenčních událostí v každé struktuře. 2.2.4. Mikrozáchvaty Mikrozáchvaty byly detekovány na základě jejich periodického charakteru a vysoké amplitudy signálu. Signál byl rozdělen na segmenty dlouhé 2 s, s 50% překryvem. V každém segmentu byla spočítána autokorelační funkce a její spektrum. Součet amplitud spektrálních čar v pásmu 8 – 15 Hz sloužil jako detekční parametr. Pro získání detekčního prahu byl filtrován FIR filterm s impulzní odezvou Hammingovým oknem o délce 60 s a násoben empiricky stanovenou konstantou 1,8. Mikrozáchvaty jsou často viditelné nikoli v jedné, ale ve dvou i třech strukturách zároveň. V různých struktrách mají však různou amplitudu a tvar. Jelikož neexistuje obecně přijímaná definice mikrozáchvatu, není vždy možné říct, ve kterých strukturách je mikrozáchvat přítomen. Proto četnost mikrozáchvatů není použitelná pro jejich posouzení. Využili jsme proto přístup založený na výkonu signálu. V každém úseku, ve kterém se vyskytoval mikrozáchvat alespoň v jednom kanále, byl pro každý kanál spočítán výkon signálu a normován výkonem signálu v období 5 až 2 sekundy před mikrozáchvatem. Takto získané normované výkony byly zprůměrovány přes všech 210 analyzovaných mikrozáchvatů od potkanů injikovaných do dorzálního hipokampu. Následné byly průměrovány průměrné normované výkony z kanálů nahrávaných v jedné struktuře. Průměrný normovaný výkon signálu během mikrozáchvatu v každé struktuře byl určen zvlášť pro hipokampální a entorhinální skupinu. Byla tedy pro každý z uvedených grafoelementů získana informace o jejich rozložení mezi struktury limbického systému. Následně byly hledány rozdíly v těchto rozloženích mezi hipokampální a entorhinální skupinou. Jelikož v entorhinální skupině jsou pouze dva potkani, nebylo možné počítat statistiky. Jedná se tedy o předběžné výsledky a pozorování. 3. Výsledky 3.1. Počátky záchvatů U všech analyzovaných záchvatů byla záchvatová aktivita je pozorována ve všech strukturách limbického systému. Hypersynchronní počátek záchvatu s ručně označenými počátky prvního záchvatového výboje je na Obr. 2. 40 Obr. 2: Typický počátek záchvatu. Počátek prvního záchvatového výboje byl ručně označen v každém kanálu. Pir – Piriformní kůra, Amy – Amygdala, Prh – Peririnální kůra, DHipp – Dorzílní hipokampus, VHipp – Ventrální hipokampus, EC – Entorinální kůra, R – pravý, L – levý Rozložení počátků záchvatů pro hipokampální a entorhinální skupinu je na Obr. 3. U obou skupin vychází nejvíce záchvatů z ventrálních hipokampů. Rozdělení je u obou skupin prakticky stejné, podle počátků záchvatů tedy nelze rozlišit hipokampální a entorhinální skupinu. Obr. 3: Rozložení počátků záchvatů mezi struktury limbického systému. U obou skupin začíná nejvíce záchvatů v ventrálních hipokampech. Symbol injekční stříkačky označuje strukturu, do které byl injikován tetanotoxin. 3.2. Inter-iktální výboje Analýza inter-iktálních výbojů ukázala mírný rozdíl v četnosti výbojů v mediální entorhinální kůře obou hemisfér (MECR a MECL). Rozdíl mezi skupinami je však velmi malý, jak je vidět na Obr. 4. Proto se četnost inter-iktálních výbojů nehodí k jejich rozlišení. 41 Obr. 4: Rozložení četnosti inter-iktálních výbojů. Entorhinální skupina vykazuje více výbojů v entorhinální kůře. Pro rozlišení skupin se však četnost inter-iktálních výbojů nehodí. Symbol injekční stříkačky označuje strukturu, do které byl injikován tetanotoxin. 3.3. Vysokofrekvenční oscilace Četnost vysokofrekvenčních oscilací v jednotlivých strukturách vykazuje určité rozdíly mezi skupinami, předvším u entorhinální skupiny je méně výbojů ve ventrálních hipokampech Obr. 5. Nicméně ani vysokofrekvenční oscilace se nejeví jako spolohlivý biomarker epileptogenní léze. Analýza inter-iktálních výbojů ukázala mírný rozdíl v četnosti výbojů v mediální entorhinální kůře obou hemisfér (MECR a MECL). Rozdíl mezi skupinami je však velmi Obr. 5: Rozložení četnosti vysokofrekvenčních oscilací. Entorhinální skupina vykazuje méně vysokofrekvenčních oscilací ve ventrálním hipokampu. Pro rozlišení skupin se však četnost vysokofrekvenčních oscilací nehodí. Symbol injekční stříkačky označuje strukturu, do které byl injikován tetanotoxin. 3.4. Mikrozáchvaty Typický mikrozáchvat je na Obr. 6. Četnost mikrozáchvatů byla průměrně 500/den a jejich průměrná délka byla 3,6 ± 0,2 s. Ačkoli se charakter mikrozáchvatů mezi jednotlivými zvířaty liší, jejich prostorová distribuce, vyjádřená pomocí normovaného výkonu, se jeví jako velmi spolehlivý biomarker epileptogenní léze. Zatímco u hipokampální skupiny 42 mikrozáchvaty dominují v injikovaném pravém dorzálním hipokampu (DHippR), u entorhinální skupiny zřetelně dominují v pravém ventrálním hipokampu (VHippR) (Obr. 7). Normovaný výkon mikrozáchvatů je tedy biomarkerem vhodným pro rozlišení hipokamální a entorhinální skupiny. Obr. 6: Typický mikrozáchvat. Největší amplitudu má mikrozáchvat v pravém dorzálním hipokampu (DHippR), nicméně slabou abnormální aktivitu vykazuje i kontralaterální dorzální hipokampus. Obr. 7: Normovaný výkon mikrozáchvatů v jednotilivých limbických strukturách. Zatímco u hipokampální skupiny je největší normovaný výkon mikrozáchvatů v pravém dorzálním hipokampu, u entorhinální skupiny dominuje normovaný výkon v hipokampu ventrálním. Normovaný výkon mikrozáchvatů se jeví jako vhodný biomarker pro rozlišení hipokampální a entorhinální skupiny. Symbol injekční stříkačky označuje strukturu, do které byl injikován tetanotoxin. 4. Závěr Cílem práce bylo ozřejmit, zda mikrozáchvaty mohou sloužit jako biomarker epileptogenní léze v tetanotoxinovém modelu epilepsie temporálního laloku. Ukázalo se, že rozložení výkonu mikrozáchvatů mezi limbické struktury se výrazně liší mezi hipokampální a entorhinální skupinou. Pro srovnání byla určena prostorová distribuce inter-iktálních výbojů, vysokofrekvenčních oscilací a počátků záchvatů. Žádný z těchto biomarkerů neukázal výraznější rozdíl, mezi skupinami, než normovaný výkon mikrozáchvatů. Na základě těchto předběžných výsledků se mikrozáchvaty jeví jako velmi slibný biomarker epileptogenní tkáně. 43 Poděkování Tato práce byla podpořena granty AZV ČR (15-29835A), Nadačního fondu Neuron (2012/10) a Grantové agentury České republiky (14-02634S, 15-08565S). Reference [1] Mula M, Cock HR (2015). More than seizures: improving the lives of people with refractory epilepsy. Eur J Neurol 22:24-30 [2] Lanerolle NC, Lee TS (2005). New facets of the neuropathology and molecular profile of human temporal lobe epilepsy. Epilepsy & Behavior: 190-203 [3] Thom M, Mathern GW, Cross JH, Bertram EH (2010). Mesial temporal lobe epilepsy: How do we improve surgical outcome? Ann Neurol 68:424-434 [4] Janca R, Jezdik P, Cmejla R, Tomasek M, Worrell GA, Stead M, Wagenaar J, Jefferys JG, Krsek P, Komarek V, Jiruska P, Marusic P (2015). Detection of interictal epileptiform discharges using signal envelope distribution modelling: application to epileptic and non-epileptic intracranial recordings. Brain topography 28:172-183. [5] Havel T, Jezdik P, Cmejla R (2014). Detekce vysokofrekvenčních oscilací v intrakraniálním EEG záznamu na základě spektrálních změn. IV. Letní doktorandské dny, sborník příspěvků: 39-44 [6] Kudlacek J, Jiruska P (2015). Časo-prostorový profil počátků záchvatů v tetanotoxinovém modelu temporální epilepsie. V. Letní doktorandské dny, sborník příspěvků: 41-44 44 Prozodie a jejı́ využitı́ v řečových technologiı́ch Jan Bartošek České vysoké učenı́ technické v Praze, Fakulta elektrotechnická, Katedra teorie obvodů [email protected] Abstract: Přı́spěvěk se nejprve zabývá krátkým přehledem prozodie řeči a poté nastiňuje jejı́ současné využitı́ v různých technologiı́ch dotýkajı́cı́ch se zpracovánı́ řečového signálu. Předmětem přı́spěvku nenı́ konkrétnı́ jazyk, spı́še je snaha popsat obecné prozodické tendence, avšak s výsledným důrazem a porovnánı́m s prozodiı́ českou. Přednáška zprvu představı́ použı́vané prozodické (suprasegmentálnı́) akustické přı́znaky. Mezi ně patřı́ jednak ty obecně zažité a posluchačem často snadno vnı́matelné: výška zákadnı́ho hlasivkového kmitočtu (F0), intenzitnı́ popis či časový rozměr v podobě délky trvánı́ hlásek, rytmu či mluvnı́ho tempa. Dále se dotkne v poslednı́ době opět zkoumaných spektrálnı́ch charakteristik: spektrálnı́ho sklonu vokálů a fenoménu redukce jejich kvality (ta se však v češtině neuplatňuje). Budou shrnuty základnı́ fonetické/fonologické funkce, kterých lze kombinacı́ výše zmı́něných prozodických akustických kvalit dosáhnout. Jmenovitě: změna významu slova v tonálnı́ch jazycı́ch, lexikálnı́ přı́zvuk, větná prominence, emočnı́ rozpoloženı́ mluvčı́ho, členěnı́ promluvy na promluvné úseky a větná modalita. V krátkosti budou představeny nejstěžejnějšı́ oblasti technologického využitı́ prozodie řeči a nastı́něn jejich současný stav jejich výzkumu. Jmenovitě: klasifikace emocı́, rozpoznánı́ jazyka na základě prozodie, rozpoznánı́/ověřenı́ mluvčı́ho, dailogové systémy, převod textu na řeč (TTS), speech2speech systémy (převod řeči v L1 na řeč v L2 se snahou o zachovánı́ prozodické informace). V klasickém rozpoznánı́ řeči (ASR) jde zejména o úlohu dělenı́ promluvy na přı́zvukové takty a klasifikace modality a následné vkládánı́ interpunkce v přı́padě diktovacı́ch systémů. Posluchači budou nakonec seznámeni s aktuálnı́m stavem autorova výzkumu právě v oblasti využitı́ prozodie v rozpoznávánı́ řeči, a to konkrétně se dvěma zmı́něnými řešenými úlohami v češtině: 1) na mluvčı́m nezávislým členěnı́m české řeči na přı́zvukové takty (čtené a spontánnı́ promluvy) a 2) na mluvčı́m nezávislou klasifikacı́ modality promluvy. Obě úlohy jsou řešeny jen za využitı́ akustické informace signálu extrahované zhruba ze středů slabičných jader. 45 Přínos artikulačních příznaků v úloze rozpoznávání fonémů a LVCSR Petr Mizera1, Petr Pollak1 1 České vysoké učení technické v Praze, Fakulta elektrotechnická, Katedra teorie obvodů [email protected] Abstrakt: Příspěvek se zabývá přínosem artikulačních příznaků v úlohách počítačového zpracování řeči. Artikulační příznaky obsahují užitečnou informaci o produkci lidské řeči, která může být využita v různých hlasových systémech, např. rozpoznávání řeči, rozpoznávání řečníka, identifikaci jazyka, rozpoznávání fonémů atd. Artikulační příznaky jsou používány samostatně nebo v kombinaci s krátkodobými kepstrálními příznaky (MFCC/PLP), čímž mohou přispět k lepšímu modelování procesů koartikulace, asimilace a redukce v úlohách rozpoznávání neformální řeči nebo zvýšit robustnost uvedených systémů v podmínkách s vyšší úrovní šumu. V tomto příspěvku je přínos artikulačních příznaků prezentován v úlohách rozpoznávání řeči s velkým slovníkem (340k slov) a rozpoznávání fonémů. První část se zaměřuje na samostatný odhad artikulačních tříd. Dosažené výsledky odhadů artikulačních příznaků jsou prezentovány pro následující jazyky: CZ, SK, HU, RU, PL, ENG, GE, FR. Pro experimenty byly použity dostupné databáze SPEECON (CZ), SPEECHDAT (CZ, SK, HU, RU, PL), TIMIT (ENG), GLOBALPHONE (GE, FR). Pro odhad artikulačních příznaků byla použita standardní třívrstvá neuronová síť, která provádí nelineární mapování do artikulačních tříd z prostoru kepstrálních příznaků, které jsou extrahovány z řečového signálu. V další části jsou prezentovány výsledky experimentů v úloze rozpoznávání fonémů pro 8 jazyků, multilingvální rozpoznávání fonémů a je prezentován přínos artikulačních příznaků v této úloze. V závěrečné části jsou shrnuty dosažené výsledky experimentů zaměřených na rozpoznávání řeči s velkým slovníkem pro český jazyk. LVCSR systém byl založen na TANDEM architektuře. Poděkování Tato práce vznikla za podpory grantu ČVUT SGS14/191/OHK3/3T/13 ,,Pokročilé algoritmy číslicového zpracování signálů a jejich aplikace“. Reference [1] Mizera, P., Pollak, P. Improved Estimation of Articulatory Features Based on Acoustic Features with Temporal Context. Text, Speech, and Dialogue (TSD 2015). 46 Robustní detektor základní frekvence hlasivek pro dysartrickou řeč Jan HLAVNIČKA1, Roman ČMEJLA 1, Jan RUSZ1 1 České vysoké učení technické v Praze, Fakulta elektrotechnická, Katedra teorie obvodů [email protected] Abstrakt: Studie prezentuje robustní metodu pro detekci základní frekvence hlasivek (F0) u dysartrické řeči. Pro účely validace byly vytvořeny repliky fonací na základě parametrů obálka F0, jitter, shimmer a harmonic-to-noise ratio, které byly získány pomocí ročně kontrolovaného měření programem PRAAT z rozsáhlé databáze 345 nahrávek pokrývající všechny základní fonační nedostatky dysartrické řeči. Metoda je založena na výběru maximálně věrohodného kandidáta F0 ze spektrální analýzy vzhledem k pravděpodobnostnímu modelu F0 predikovaného Kalmánovým filtrem. Metoda je schopna detekovat intervaly skoků F0 o oktávu dolů pomocí kepstrální analýzy. Při porovnání s konvenčními metodami (PRAAT, DYPSA, RAPT, PEFAC, SHRP) dosáhla prezentovaná metoda vysoké přesnosti detekce. 1. Úvod Řeč představuje vůbec nejkomplexnější lidskou schopnost k jejímuž zvládnutí je zapotřebí přesné koordinace více než 100 svalů [1]. Řeč tak může velmi dobře reflektovat aktuální stav motoriky, přičemž je i velmi citlivým ukazatelem neurodegenerativních onemocnění. Poruchy fonace patří mezi jedny z první projevů neurodegenerace. Měření kvality fonace pomocí standardních metrik jako například rozptylu základní frekvence hlasivek (stdF0), jitteru , shimmeru a odstupu harmonického signálu od šumu (HNR) vyžadují přesnou detekci základního hlasivkového tónu (F0). Úkolem detekce F0 užívané ve sdělovací technice je co nejvěrněji odhadnout F0 mluvčího často ve ztížených podmínkách šumového okolí. Naproti tomu úkolem detekce F0 pro dysartrickou řeč je přesně změřit fyziologickou produkci F0 měřenou sice v podmínkách nízkého okolního šumu ovšem zatíženou lokální nestabilitou hlasivkového signálu z hlediska amplitudy i frekvence, vysokou fluktuací melodie F0 a výskytem oktávových skoků F0 angl. pitch break a přerušované fonace angl. voice break. Ačkoliv se detekce F0 pro účely zpracování a přenosu řeči těší pozornosti výzkumů již řadu desetiletí, možnosti detekce F0 pro dysartrickou řeč jsou značně omezené. Automatizované hodnocení hlasu nabízí např. software Multi-Dimensional Voice Program (MDVP), CSpeech nebo SoundScope. Bohužel dostupné metody nepodávají na standardních datech srovnatelné výsledky nebo výsledky validace nejsou známé [2,3]. Nejspolehlivějším přístupem je semi-automatické měření, kdy lze výstup detektoru korigovat ručně, nastavováním např. mezních frekvencí F0. Typickým představitelem je program PRAAT [4]. Publikován byl dosud pouze jeden plně automatický přístup [5], u kterého se ovšem nejedná o detektor F0 pro dysartrickou řeč, ale pouze o informační fúzi deseti běžných F0 detektoru validovaných na fonacích u PN. Velkou překážkou pro automatizaci hodnocení fonace je také výběr úseku fonace, který reprezentuje přirozenou hlasovou kondici. Detektor 47 F0 pro dysarickou řeč tedy musí umět rozpoznat i nestandardní události ve fonaci např. oktávové skoky. Tato studie prezentuje vůbec první publikovaný plně automatický algoritmus detekce F0 určený pro dysartrickou řeč a validovaný na rozsáhlém souboru dat dysartrických mluvčích. Na základě metody byly ohodnoceny základní hlasové parametry stdF0, jitter, shimmer, HNR a oktávové skoky F0 na souboru fonací HC, PD, MSA, PSP a HD. 2. Metoda 2.1. Databáze Účastníci studie byli rekrutování v rámci předchozích studií [6, 7]. Databáze sestává 22 pacientů Parkinsonovy nemoci (PD) (10 mužů, 12 žen), 20 pacientů Huntingtomovy nemoci (HD)(9 mužů, 11 žen), 11 pacientů progresivní supranukleární paralýzy (PSP)(9 mužů, 2 ženy), 9 pacientů multisystémové atrofie (MSA)(3 muži, 6 žen) a 23 zdravých kontrol (HC). Každý účastník studie stvrdil písemný informovaný souhlas. Studie byla schválena Etickou komisí Všeobecné fakultní nemocnice v Praze. Charakteristiky účastníků studie jsou shrnuty v Tab. 1. Nahrávky byly pořízeny v tiché místnosti pomocí náhlavního kondenzátorového mikrofonu (Beyerdynamic Opus 55) umístěného přibližně 5cm od úst. Řečové signály byly vzorkovány frekvencí 48kHz s rozlišením 16bitů. Každý účastník byl instruován k provedení TAB. 1: CHARAKTERISTIKY ÚČASTNÍKŮ STUDIE Skupina (dominantní dysartrie) Věk (roky) Trvání onemocnění (roky) Závažnost onemocnění # Postižení řeči χ Průměr /SD (rozsah) Průměr /SD (rozsah) Průměr /SD (rozsah) Průměr /SD (rozsah) PD (hypokinetická) 64.4 /9.6 (48–82) 9.3 /5.5 (1–24) 15.9 /7.6 (6–34) 0.7 /0.7 (0–2) PSP (hypokineticko-spastická) 65.3 /5.2 (54–71) 3.5 /1.3 (1–5) 66.2 /29.0 (19–116) 1.9 /0.9 (0–3) MSA (ataxicko-hypokinetická) 59.6 /3.6 (55–65) 3.8 /1.5 (2–6) 86.6 /17.6 (63–123) 1.9 /0.6 (1–3) HD (hyperkinetická) 49.6 /14.8 (23–67) 6.4 /3.0 (2–13) 23.6 /11.8 (3–42) 0.6/0.5 (0–1) HC 64.4 /10.5 (41–81) – – – # Hodnoceno škálou Unified Parkinson's Disease Rating Scale III (UPDRS III) pro PD (rozsah od 0 až 108), Natural history and neuroprotection on Parkinson (NNIPPS) pro APS (rozsah od 0 do 332) a Unified Huntington's Disease Rating Scale (UHDRS) motor subscore (rozsah od 0 do 124), vyšší skóre odpovídá vyššímu stupni postižení. χ Hodnoceno podle UPDRS III položky 18 pro PD, NNIPPS subskóre Bulbární-pseudobulbarní příznaky položka 3 pro APS a UHDRS položka dysartrie. Všechna hodnocení řeči jsou v rozsahu od 0 do 4, přičemž 0 odpovídá normální řeči, 1 mírně postižené řeči, 2 středně postižené řeči (stále srozumitelné), 3 značně postižené řeči (těžko srozumitelné), 4 nesrozumitelné řeči. co nejdelší a nejstabilnější fonace na jeden nádech pro písmeno /a/ a písmeno /i/. Fonace každého písmena byla provedena dvakrát. Účastníci, kteří nebyli schopní provést fonaci delší než 6s, byli vyřazeni. 2.2. Repliky fonací Motivací replik fonací je získat z databáze signály, které obsahují veškeré neduhy dysartrického hlasu a jejichž parametry dopředu přesně známe. Repliky fonací slouží k objektivnímu ohodnocení metody detekce F0. Jelikož neznáme skutečný průběh F0 ani hlasové parametry v analyzovaných signálech, byly všechny fonace v databázi parametrizovány na obálku F0, jitter, shimmer a HNR pomocí software Praat s ručně nastaveným rozsahem F0 a ručně zvoleným úsekem měření. Na základě těchto parametrů byla vygenerována posloupnost Rosenbergových pulsů. Signál byl následně filtrován koeficienty LPC analýzy původního skutečného signálu. K této replice byl v poměru odpovídajícím HNR přimíšen bílý šum rovněž filtrovaný koeficienty LPC původního skutečného signálu. Celý proces je ilustrován na Obr. 1. 48 Obr. 1: Ilustrace replikování signálu fonace (A) Výkonová obálka fonace, (B) Ruční měření parametrů dysfonie, (C) Generování impulsů F0, (D) Rosenbergovy glotální pulsy, (E) LPC analýza v klouzavém okně, (F) Glotální pulsy filtrované modelem vokálního traktu, (G) Bílý šum filtrovaný modelem vokálního traktu, (H) Výsledná replika vznikla součtem vokálního harmonického a vokálního šumového signálu. 2.3. Detekce F0 Navrhovaná metoda detekce F0 pro dysartrickou řeč spočívá v modelování pravděpodobnosti F0 a maximálně věrohodném odhadu F0 ze spektra signálu. Kalmánův filtr má za úkol predikovat model F0 na základě naměřených hodnot F0. Metoda pomocí kepstrální analýzy detekuje skoky o oktávu dolů a následně provede korekci oktáv naměřených hodnot F0. Výhodou takového přístupu je, že můžeme detekované úseky oktávových skoků v signálu označit a nezahrnout do výpočtu fonačních parametrů. Základní princip detekce je ilustrovaný na Obr. 1. 2.3.1. Segmentace Cílem segmentace je určit úseky fonace, ve kterých má smysl měřit F0 a fonační parametry. Signál o vzorkovací frekvenci 8kHz byl normalizován na rozsah (0-1) a parametrizován v klouzavém okně o délce 30ms s posuvem 10ms. Pro každou pozici okna byl signál váhován hammingovým oknem a následně byl vypočten výkon signálu. Výkonová obálka byla vyjádřena v decibelech a následně prahována na minimální hlasitost -30dB. Úseky fonace kratší než 100ms a pauzy kratší než 50ms byly zamítnuty. 2.3.2. Počáteční odhad modelu F0 Metoda detekce vyžaduje pravděpodobnostní model F0, který na začátku neznáme a musíme ho přibližně odhadnout. Signál byl popsán pomocí spektrogramu o frekvenčním rozsahu 60-500Hz s rozlišením 4Hz v klouzavém okně 50ms s krokem 10ms váhovaném nuttalovým oknem. Výsledný spektrogram byl maskován frekvenční charakteristikou třípólového integrátoru, který potlačí vyšší harmonické F0 zvýhodněné formantovou strukturou. Spektrogram byl vyjádřen v logaritmické škále a následně normalizován na rozsah 0-1. Spektrogram byl z obou časových stran doplněn úsekem o délce 0.5s a hodnotě 1. Na 49 obou krajích doplněného spektrogramu byly zvoleny body o náhodné frekvenci a pomocí algoritmu dynamického hledání nejkratší cesty s nejvyšší cenou mezi těmito body byla odhadnuta obálka F0. Hodnoty F0 v doplněných krajích byly vyjmuty. Model F0 byl popsán střední hodnotou a směrodatnou odchylkou F0. 2.3.3. Měření F0 Měření bylo prováděno v klouzavém okně o délce 50ms s krokem 10ms. Signál byl převzorkován na 500Hz, váhován Hammingovým oknem a doplněn nulami na délku 2048. Následně byla provedena rychlá Fourierova transformace a filtrací modulu klouzavým průměrem o délce 10 vzorků byla odhadnuta spektrální výkonová hustota (PSD). V rozsahu 65-500Hz byla detekována lokální maxima s minimálním odstupem 65Hz, tedy kandidáti F0. Hodnoty kandidátů F0 byly váhovány frekvenční charakteristikou dvoupólového integrátoru pro potlačené formantové struktury. Následně byla každému kandidátu úměrně jeho výkonu přidělena pravděpodobnost, kterou odpovídají skutečné F0. Výsledná hodnota měření F0 byla z kandidátů F0 a statistického modelu F0 vybrána metodou maximální věrohodnosti. Obr. 2: Ilustrace metody detekce F0 (A) Výkonová obálka fonace, (B) Pravděpodobnostní model F0 určený střední hodnotou a směrodatnou odchylkou (STD), (C) Spektrální analýza F0 s detekovanými kandidáty F0, (D) Výběr maximálně věrohodného kandidáta F0, (E) Průběh výstupní predikce (plná čára) a kovariance (přerušovaná čára) Kalmánova filtru v kontextu naměřených hodnot (červené kruhy), (F) Porovnání kepstra normální oktávy F0 (vpravo) a skoku F0 o oktávu dolů (vlevo), (G) Vizualizace časového průběhu naměřených hodnot F0 (plná červená čára) a výstupu detektoru po korekci skoků o oktávu dolů (přerušovaná černá čára) 50 2.3.4. Kalmánův filtr Úkolem Kalmánova filtru bylo predikovat model F0. Vstupem Kalmánova filtru byla výsledná hodnota měření F0. Výsledný odhad stavu Kalmanova filtru reprezentuje střední hodnotu modelu F0. Výstupní kovariance stavu Kalmanova filtru určuje směrodatnou odchylku modelu F0. Směrodatná odchylka byla počítána jako 5 násobek kovariance stavu, čímž došlo k rozostření modelu pro případ neočekávaných fluktuací F0. Parametry Kalmánova filtru 1. řádu byly odhadnuty metodou maximální věrohodnosti na 5 vybraných fonacích, které reprezentovaly stabilní fonaci, fonaci s vysokou fluktuací F0, fonaci s nízkým HNR, přerušovanou fonaci a fonaci s oktávovými skoky. 2.3.5. Detekce oktávových skoků Pakliže dojde v průběhu fonace ke skoku F0 o oktávu níže, Kalmánův filtr udrží původní oktávu F0, která je přítomna nyní jako vyšší harmonická složka. Díky tomu lze provést detekci oktávového skoku na základě kepstrální analýzy nepřevzorkovaného signálu. Je-li lokální maximum v okolí poloviny naměřené F0 vyšší než lokální maximum v okolí naměřené F0, je označena událost oktávového skoku dolů a výstupní hodnota F0 určena jako polovina naměřené F0. 2.3.6. Výstup Výstupem detektoru jsou výstupní hodnoty F0, detekované oktávové skoky a příslušné časové pozice. 2.4. Statistika Metoda byla hodnoceny na replikách fonací porovnáním průběhů obálky F0 modelu a naměřené obálky F0. Hodnocení proto bylo provedeno jen pro detekce F0 v časových pozicích, kdy F0 byl v signálu repliky přítomen. Odchylka obálek F0 byla určena odečtením obálek modelu a metody v semitónech. Ohodnocení bylo vyjádřeno jednak jako průměrná odchylka obálek F0 a jednak jako směrodatná odchylka obálek F0. Pro porovnání metody byly ohodnoceny také metody PRAAT [4], DYPSA [8], RAPT [9], PEFAC [10], SHRP [11]. Pro porovnání byly nastaveny meze F0 na 65-500 Hz. 3. Výsledky 3.1. Hodnocení detekce F0 Výsledky metod jsou shrnuty v Tab. 1. Prezentovaná metoda a Praat prokázaly vysokou přesnost i stabilitu výsledků v porovnání s ostatními metodami. Všechny hodnocené metody obstály pro detekci F0 u HC. Nejvyšším zdrojem chyb byly právě silně dysfonické hlasy. 4. Závěr Prezentovaná metoda projevila v porovnání s ostatními metodami dobrou účinnost detekce F0 napříč celou databází replik 345 fonací od zdravých i dysartrických mluvčí. Metoda je navíc schopna detekovat intervaly, kdy došlo k oktávovému skoku dolů. Jedná se o vůbec první publikovaný detektor F0 určený pro dysartrickou řeč a metodu pro automatickou detekci oktávových skoků dolů. Metoda nabízí kvalitní podporu pro ohodnocení fonačních parametrů závislých na znalosti F0, tedy stdF0, jitter, shimmer a HNR. 51 Metoda Prezentovaná PRAAT DYPSA RAPT PEFAC SHRP Tab. 1: Přehled výsledků ohodnocení detekce F0 Střední odchylka obálek F0 Směrodatná odchylka obálek F0 Průměr / SD (rozsah) Průměr / SD (rozsah) 0.40 / 1.23 (0.01-12.13) 0.64 / 1.40 (0.01-8.03) 0.42 / 1.13 (0.009-11.89) 0.89 / 1.62 (0.01-7.3) 1.05 / 1.71 (0.08-11.50) 1.84 / 2.11 (0.08-10.30) 0.90 / 1.87 (0.03-11.88) 1.81 / 1.84 (0.04-9.33) 1.29 / 2.62 (0.04-15.00) 2.01 / 1.90 (0.02-8.72) 1.38 / 2.95 (0.05-18.50) 1.72 / 2.28 (0.04-12.35) Poděkování Tento výzkum byl podpořen granty SGS15/199/OHK3/3T/13 a AZV 15-28038A. Reference [1] Duffy, J.R. Motor speech disorders: Substrates, differential diagnosis, and management. Elsevier Health Sciences, 2013. [2 ] Bielamowicz, S., Kreiman, J., Gerratt, B.R., Dauer, M.S., and Berke, G.S. Comparison of voice analysis systems for perturbation measurement. Journal of Speech and Hearing Research, 39, pp. 126–134. 1996. [3] Kent, R.D., Vorperian, H.K., Duffy, J.R. Reliability of the Multi-Dimensional Voice Program for the analysis of voice samples of subjects with dysarthria. American Journal of Speech-Language Pathology, 8, pp. 129–136. 1999 [4] Boersma, P. and Weenink, D. Praat: doing phonetics by computer [Computer program]. Version 6.0.17, retrieved 10 April 2016 from http://www.praat.org/ [5] Tsanas, A., et. al. Robust fundamental frequency estimation in sustained vowels: Detailed algorithmic comparisons and information fusion with adaptive Kalman filtering. The Journal of the Acoustical Society of America, 135(5), 2885-2901. 2014. [6] Rusz, J., et. al. Speech disorders reflect differing pathophysiology in Parkinson's disease, progressive supranuclear palsy and multiple system atrophy. Journal of Neurology, 262(4 April), pp. 992-1001. 2015. [7] Rusz, J., et. al. Characteristics and occurrence of speech impairment in Huntington's disease: possible influence of antipsychotic medication. Journal of Neural Transmission, 121, pp. 655-664. 2014 [8] Naylor, P.A., Kounoudes, A., Gudnason, J., and Brookes, M. Estimation of glottal closure instants in voiced speech using the DYPSA algorithm. Audio, Speech, and Language Processing, IEEE Transactions on, 15(1), 34-43. 2007. [9] Talkin, D. (1995). A robust algorithm for pitch tracking (RAPT). Speech coding and synthesis, pp. 495, 518. [10] Gonzalez, S. and Brookes, M. A pitch estimation filter robust to high levels of noise (PEFAC). In Signal Processing Conference: IEEE, 19th European, pp. 451-455. 2011. [11] Sun, X. Pitch determination and voice quality analysis using subharmonic-to-harmonic ratio. Acoustics, Speech, and Signal Processing: IEEE Vol. 1, pp. 333-336. 2002 52