🔴لینک عضویت کانال:👇👇👇
https://news.1rj.ru/str/joinchat/AAAAAD7DKCCSYN9in_TFWQ

http://download.library1.org/main/243000/cfd74241b0e43a3fbf1bcfbb56a5e2f5/%28Springer%20Series%20in%20Computational%20Neuroscience%202%29%20Jose%20Luis%20Perez%20Velazquez%2C%20Ramon%20Guevara%20Erra%20%28auth.%29%2C%20Jose%20Luis%20Perez%20Velazquez%2C%20Richard%20Wennberg%20%28eds.%29-Coordinated%20Activity%20in%20the%20Brain_%20Measureme.pdf
🔴لینک عضویت کانال:👇👇👇
https://news.1rj.ru/str/joinchat/AAAAAD7DKCCSYN9in_TFWQ

RULES OF THUMB FOR WRITING RESEARCH ARTICLES
🔴لینک عضویت کانال:👇👇👇
https://news.1rj.ru/str/joinchat/AAAAAD7DKCCSYN9in_TFWQ

فایل ترجمه شده پست قبلی👆👆

قوانین نوشتن مقالات پژوهشی(مبتنی بر تجربه)


🔴لینک عضویت کانال:👇👇👇
https://news.1rj.ru/str/joinchat/AAAAAD7DKCCSYN9in_TFWQ

📒 کتابچه علوم اعصاب

🔴لینک عضویت کانال:👇👇👇
https://news.1rj.ru/str/joinchat/AAAAAD7DKCCSYN9in_TFWQ

I am looking for a motivated and talented freelancer to participate in an interesting signal processing project which includes:

PLEASE READ THE JOB SPEC CAREFULLY.
======================================
1- Reading data (N data channel) in real-time from the existing hardware (https://www.emotiv.com/epoc/) using Bluetooth/IO port ( API may be provided for data transfer to the mobile phone). The developer is required to handle any handshaking issue between the existing API and our app.

2- Applying conventional signal processing on the collected raw data in 'real-time' such as filtering (Fourier transform), windowing, common-referencing,

3- Extracting features such as correlation, coherence, time-frequency analysis between the data channels. (pseudo code for the feature extraction algo will be provided)

4- Store extracted features as well as the user profile, date/time after each use/session.

5- Illustrate the extracted features using bar graphs, different forms of plots in real-time.

6- Illustrate the previously extracted features using bar graphs, different forms of plots.

7- Availability upon request: working time USA PST.

8 - The total number of app pages needed to design/ program is ~10 ( subjected to change)

9- You need to be fluent in English, time punctual, and dedicated to work.

Note 1: this is the first phase of the project.
Note 2: Please only reply to the query if you have already done similar projects. Send me your portfolio..
Note 3: Read this : https://emotiv.github.io/cortex-docs/#login


Email me at: i_rezazadeh@yahoo.com

Freelancer Position : Photo Editing / Augmented Reality

1) Basic and Advanced photo editing
2) Background manipulation/ editing/ changing
3) Live video stream editing ( cropping, filtering, etc)
4) Embedding/ augmenting one photo into another photo.
5) Availability upon request: working time USA PST.
6) You need to be fluent in English, time punctual and dedicated to work.

Note 1: this is the first phase of the project.
Note 2: Please only reply to the query if you have already done similar projects. Send me your portfolio.

برای استخراج توان در باندهای فرکانسی مورد نظر در متلب میتوان از دستور bandpower استفاده کرد(از help نرم افزار کمک بگیرید)
برای مثال x سیگنال eeg مورد نظر است و با فرکانس 250 هرتز نمونه برداری شده است و ما میخواهیم قدرت طیف الفا 8-13 هرتز را بدست اوریم مینویسیم
P=bandpower(x,250,[8 13])

سیگنال در کامپیوتر و نرم افزار matlab بصورت بردار است

در فیلتر کردن سیگنالها، خطی بودن فاز اهمیت زیادی دارد و از شیفت و جابجایی مولفه های فرکانسی در زمان(محل رویداد مولفه ها)، بعد از عبور سیگنال از فیلتر جلوگیری میکند. فیلتر های دیجیتال یا تمام صفرندFIR یا قطب دارندIIR که فیلتر های FIR با طراحی خاصی می توانند فاز خطی داشته باشند و بنابراین کاربرد زیادی در فیلتر کردن سیگنالها مخصوصاً سیگنالهای حیاتی دارند. یکی از دستورات طراحی فیلتر های پاسخ ضربه محدودFIR در متلب دستور firgr میباشد که با مشخص کردن پاسخ فرکانسی برای ان و با توجه به درجه فیلتر(تعداد تاخیر) ضرایب فیلتر را مشخص میکند. توضیحات بیشتر در جزوه mi2 اورده شده است
👇👇👇

جزوه درس انفورماتیک 2 قسمتهای مرتبط با مفاهیم نمونه برداری از سیگنال، سیگنال دیجیتال، فیلتر کردن، تخمین طیف FFT، استخراج ویژگی، طبقه بندی با KNN, LDA

در فیلتر کردن سیگنالها بسته به درجه فیلترها از نظر زمانی پیکها جابجا میشوند و مثلا پیک در ثانیه 2 به 2.2 ثانیه منتقل میشود
اگر از نظر زمانی، زمان رویدادن یک اتفاق مهم است در فیلتر کردن باید مواظب باشید تا شیفت پیدا نکند
برای اینکار میتوان از دستور filtfilt متلب استفاده کرد که یکبار سیگنال را درجهت مستقیم زمانی (time forward)و یکبار معکوس زمانی(time reverse) فیلتر میکند و شیفتها جبران میشود

y=filtfilt(num,den,x)
num:چند جمله ای صورت فیلتر بر حسب تبدیل زد
den: چند جمله ای مخرج
x: سیگنال ورودی که طولش باید بیشتر از سه برابر درجه فیلتر باشد
لطفا help filtfilt را ببینید

سیگنال ECG ساختگی 👆👆👆

در تصویر بالا می بینیم فیلتر معمولی شیفت زمانی داده ولی filtfilt محل زمانی پیک را حدودا تغییر نداده