Academic literature on the topic 'Elaborazione segnale'

La quantificazione dei picchi spettrali del segnale di spettroscopia 1H in risonanza magnetica, utile per un'analisi metabolica dei tessuti in-vivo, richiede un tempo di elaborazione elevato, soprattutto quando si tratta di acquisizioni CSI dove ad essere elaborata è un'intera matrice di dati. Inoltre, la sovrapposizione dei picchi, maggiormente marcata negli spettri con tempo di eco breve (20 ms), rende spesso difficoltosa la separazione dei singoli contributi metabolici. Si propone pertanto un metodo automatico per la quantificazione dei metaboliti, che utilizza l'algoritmo delle Wavelet Packets per scomporre il segnale nel dominio del tempo (FID) in sottobande. La stima dei parametri di ampiezza, fase, frequenza e smorzamento viene quindi eseguita nelle sottobande, dove cadono i picchi di interesse, mediante metodi di predizione lineare basati sulla scomposizione a valori singolari (LPSDV). L'ampiezza stimata dei picchi viene infine utilizzata sia per il calcolo dei rapporti metabolici sia per l'estrazione di mappe metaboliche. Il metodo di quantificazione proposto è stato messo a punto su fantocci e poi applicato alle acquisizioni di volontari sani e infine su alcuni pazienti. L'elaborazione automatica dei dati spettroscopici con il metodo proposto offre la possibilità di studiare in modo efficace ed affidabile i metaboliti cerebrali nonché di rappresentare la loro distribuzione spaziale mediante mappe metaboliche.

Viene presentata un'esperienza iniziale sull'utilizzazione dell'angiografia a risonanza magnetica nello studio del circolo cerebrale e dei vasi del collo in una popolazione di 20 soggetti sani. Nel presente lavoro vengono analizzati i principali fenomeni fisici che stanno alla base dei variabili aspetti che assume il flusso sanguigno nelle immagini RM e le principali tecniche utilizzate sino ad oggi in angiografia RM. In particolare sono state valutate l'applicabilità clinica e la definizione anatomica di una speciale tecnica, l'Angiografia Tridimensionale a Risonanza Magnetica; essa si basa su acquisizioni volumetriche effettuate con sequenze ad «eco di gradiente» FISP 3D (Fast Imaging with Steady-state Precession) e FLASH 3D (Fast Low Angle SHot) e su una elaborazione computerizzata dei dati ottenuti, attraverso un programma in grado di analizzare l'elevata intensity di segnale dei vasi (Ray-tracing method). La tecnica consente di ottenere proiezioni angiografiche tridimensionali del circolo cerebrale e dei vasi del collo con buona definizione anatomica del poligono di Willis e delle biforcazioni carotidee, in un tempo compatibile con la routine clinica (27 minuti al massimo).

Con posizione fobica centrale, l'autore descrive uno stato mentale in seduta che č caratterizzato da una perturbazione del funzionamento associativo ricollegabile alle manifestazioni del negativo. La distruttivitŕ riguarda i processi psichici del soggetto e il paziente realizza un diniego della propria realtŕ psichica. La posizione fobica centrale, con l'interruzione associativa, cerca d'evitare il potenziamento dei diversi traumi che hanno segnato la storia del paziente. Da questa elaborazione basata su una rilettura dell'articolo di Freud sulla negazione, vengono formulate alcune conclusioni teoriche.

Quali rischi corre una società incapace di ascoltare i propri testimoni, che li lascia scomparire quasi distrattamente? Che cosa accadrà quando sarà partito anche l’ultimo testimone di un’epoca e degli eventi che l’hanno segnata? Sono alcuni dei quesiti che strutturano la riflessione di Andrea Bajani in Ogni promessa (2010), romanzo incentrato sul vuoto lasciato dalla scomparsa dei testimoni e sul percorso necessario per traghettare nel presente il loro lascito in maniera consapevole e produttiva. La scelta della postura adatta di fronte a tale perdita non è tuttavia scontata, e richiede un percorso di accettazione ed elaborazione del lutto: senza di esso non rimane altro che un fragile e sterile ripiego verso l’intimo, su cui è impossibile costruire un avvenire. Attraverso la storia di Pietro e di suo nonno reduce del corpo di spedizione italiano in Russia del 1943, Bajani tratteggia questo cammino in bilico tra pubblico e privato, al termine del quale ci si può riappropriare del presente proiettandosi verso un futuro nuovamente immaginabile.

Il 2005 sarà senza dubbio ricordato, negli annali della politica italiana, come l’anno delle “primarie”: ma, in particolare, il 20 febbraio di quest’anno potrà essere segnato come la data che ha visto, per la prima volta in Italia, lo svolgimento di elezioni primarie regolate da una legge, la legge della Regione Toscana che porta il n. 70, approvata il 15 dicembre del 2004. In questa relazione ci proponiamo dapprima di illustrare i contenuti e le caratteristiche di questa legge, la logica e le motivazioni che hanno ispirato le diverse soluzioni adottate, le alternative e le ipotesi che sono state discusse nel corso del processo di elaborazione delle nuove norme. Nella seconda parte, guarderemo ai risultati delle primarie toscane, valutando soprattutto le forme e i livelli della partecipazione elettorale; la varietà dei modelli competitivi da cui queste elezioni primarie sono state caratterizzate nelle diverse province della regione; il significato che esse hanno assunto nel contesto peculiare del sistema politico regionale, proprio a partire dal tema, e dall’alternativa, che abbiamo posto al centro del nostro incontro di studio: ossia, le primarie come selezione delle candidature e le primarie come fonte di legittimazione della leadership.

George E. Marcus, W. Russel Neuman e Michael MacKuen, Affective Intelligence and Political Judgement, Chicago, University of Chicago Press, 2000, pp. 199, Isbn 0-226-50468-9Citizens and Politics esce dieci anni dopo i due lavori che più hanno segnato l'attuale psicologia politica e il campo delle ricerche sull'opinione pubblica negli Stati Uniti: Reasoning and Choice di Sniderman et al (1991) e The Nature and Origins of Mass Opinion di Zaller (1992); ma marca anche una continuità con quei volumi collettanei che dalla metà degli anni ‘80 si sono dedicati alle problematiche delle cognizioni politiche e dell'information processing: Lau e Sears (1986), Ferejohn e Kuklinski (1990), Lodge e McGraw (1995), Mutz et al. (1996). Promettendo – per le ragioni che si vedranno più avanti – di far parlare molto di sé, il lavoro curato da Kuklinski, propone allo stesso tempo una sintesi dei temi e un panorama delle ricerche politologiche affrontate da prospettive psicologiche e cognitive. Gli atteggiamenti, i valori, le percezioni, gli affetti, i ragionamenti, le decisioni degli individui nella sfera politica sono analizzati in 17 contributi – introdotti sempre in modo chiaro ed esauriente da Kuklinski, anche se articolati in 4 aree tematiche dalla definizione piuttosto vaga – di autori come Sears, Feldman, Masters, Lau, Lodge, Sniderman, Marcus, per citarne solo alcuni fra i più noti. In particolare, la prima area («Affetto ed emozioni») racchiude quattro contributi incentrati sul ruolo delle inclinazioni affettive nella percezione degli oggetti politici carichi di una valenza simbolica (dalle parole – fra gli esempi americani: «comunisti», welfare, «neri» – alle immagini politicopersonali dei candidati); la stessa dimensione affettiva è analizzata nella seconda parte («Cognizione politica») in relazione ai processi di trattamento dell'informazione, di valutazione delle notizie e di elaborazione di giudizi politici da parte dei cittadini, specie nell'arco della campagna elettorale; la terza parte («Atteggiamenti politici e percezioni») aggiorna il dibattito classico intorno alla maggiore o minore stabilità e coerenza degli atteggiamenti in seno all'opinione pubblica, mentre la quarta parte è interamente dedicata allo studio dei «Valori politici», con due ricerche che analizzano più precisamente le relazioni fra i valori di «umanitarismo» e «individualismo» e le preferenze dei cittadini in tema di politiche pubbliche.

La Fibrillazione Atriale è l'aritmia maggiormente riscontrata nella pratica clinica. Le mappe elettroanatomiche sono uno strumento valido per la visualizzazione e il riconoscimento della cardiopatia. L'obiettivo di questa tesi è stato quello di implementare un algoritmo, ai fini dello sviluppo di una mappa di fase per segnali EGM simulati in atrio destro del cuore.

Il complesso QRS è un’onda del tracciato elettrocardiografico che riflette l’attività elettrica del cuore durante la contrazione ventricolare. La sua forma caratteristica consente di determinare la frequenza cardiaca, classificare i cicli cardiaci e diagnosticare correttamente eventuali disturbi di conduzione che possono portare a malattie cardiache più o meno gravi. L’analisi dell’ECG, e in particolare l’identificazione dei complessi QRS (alla base del riconoscimento della frequenza cardiaca), ha avuto grande sviluppo grazie all’implementazione di sistemi e algoritmi automatizzati e il progresso nel settore dei microprocessori ha aumentato l’uso di software di riconoscimento, sostituendo quelli via hardware. Questo lavoro di tesi propone una panoramica delle diverse tecniche di elaborazione del segnale elettrocardiografico per il riconoscimento della frequenza cardiaca concentrandosi sugli algoritmi presenti in letteratura e basati sullo studio di caratteristiche proprie del segnale elettrocardiografico, come l’ampiezza, la pendenza o la larghezza del complesso QRS. La tesi è strutturata come segue: dopo una breve descrizione dell’anatomia del cuore, il capitolo 2 è dedicato alla fisiologia del cuore e del suo sistema di conduzione a partire dall’elettrofisiologia delle cellule eccitabili e del potenziale d’azione. Nel capitolo 3 si descrive l’elettrocardiografia illustrando il ciclo cardiaco e i metodi di acquisizione dell’attività elettrica cardiaca, mentre nel capitolo 4 si propone una descrizione delle caratteristiche degli algoritmi di detezione eventi e riconoscimento di forme d’onda e si trattano alcuni approcci, tra cui l’algoritmo di Pan-Tompkins, che, nonostante sia piuttosto datato, è il più diffuso tra questi metodi grazie alla sua precisione e al suo basso carico computazionale.

La finalità di questa tesi è la presentazione dei principi di funzionamento del neurofeedback, tecnica non invasiva che sfrutta la capacità del soggetto di autoregolare e modulare la propria attività cerebrale verso una condizione desiderata, grazie alla somministrazione in retroazione di una rappresentazione di determinati parametri estratti dal suo stesso segnale EEG; di quest'ultimo saranno esposte le modalità di acquisizione ed elaborazione. Il neurofeedback si propone come trattamento alternativo per alcuni disturbi di origine neurologica e neuropsicologica, soprattutto in virtù della quasi totale assenza di effetti collaterali e della possibilità di offrire miglioramenti a lungo termine.

In questo lavoro viene trattata l'elaborazione di segnali audio per la localizzazione di sorgenti sonore. Di certo gli elementi che concorrono maggiormente nella localizzazione del suono sono le nostre orecchie: esse sono separate dalla testa, che funge da ostacolo acustico. E' importante distinguere se la sorgente si trova davanti agli occhi dell'ascoltatore, ossia nel piano interaurale, o se altrimenti occupa una posizione più o meno laterale. In tali due casi i segnali audio raggiungeranno in modo diverso le due orecchie: avremo rispettivamente che essi, in un caso, raggiungeranno le due orecchie contemporaneamente; nell'altro una delle due orecchie riceverà un segnale ritardato ed attenuato. Tale elaborato si propone di ricreare uno scenario di classe virtuale in cui, attraverso l'utilizzo di MATLAB, vengono riprodotti i vari segnali cercando di fornire la sensazione di un ascolto reale, andando ad operare su di essi.

Storicamente, è venuto prima il problema dell’inquinamento perché si era raggiunta una qualità della vita associata a un inquinamento atmosferico critico che poneva problemi di tipo economico (poiché le persone si ammalavano a causa dell’inquinamento ambientale e non poteva recarsi al lavoro). Gli enti governativi hanno imposto ai costruttori di limitare l’impatto inquinante dei loro veicoli poiché avevano individuato delle sostanze nocive quali, HC, CO2, NOx e particolato in seguito, per l’uomo e per l’ambiente. In questo periodo, la riduzione dei consumi e delle emissioni inquinanti, accompagnata anche dalla domanda di veicoli sempre più performanti, costituisce una delle principali sfide nello sviluppo di nuovi sistemi di propulsione per l’industria automobilistica. La soddisfazione di questi requisiti, comporta la ricerca di soluzioni volte a migliorare l’efficienza dei motori a combustione interna nei quali, il processo di combustione rappresenta uno dei principali parametri che influenzano l’efficienza di conversione dell’energia chimica del combustibile in lavoro meccanico. Il modo migliore per aver informazioni sulla qualità della combustione e di conseguenza controllarla, è utilizzare dei sensori che rilevano la pressione all’interno della camera. Nonostante il progresso tecnologico, la complessa progettazione della testa del motore per componenti aggiuntivi e l’alto costo del sensore di pressione stanno portando i costruttori ad intraprendere strade alternative per il controllo della combustione con l’ausilio di sensori economici. In questo lavoro di tesi, l’attenzione è rivolta allo studio di un metodo alternativo di controllo della combustione nei motori ad accensione comandata attraverso l’analisi di un segnale diverso da quello pressione ovvero il segnale di corrente di ionizzazione che contiene informazioni simili.

L'elettroencefalogramma (EEG) fornisce registrazioni non-invasive delle attività e delle funzioni cerebrali sotto forma di serie temporali, a loro volta caratterizzate da una risoluzione temporale e spaziale (dipendente dai sensori), e da bande di frequenza specifiche per alcuni tipi di condizioni cerebrali. Tuttavia, i segnali EEG risultanti sono non-stazionari, cambiano nel tempo e sono eterogenei, essendo prodotti da differenti soggetti e venendo influenzati da specifici paradigmi sperimentali, condizioni ambientali e dispositivi. Inoltre, questi segnali sono facilmente soggetti a rumore e possono venire acquisiti per un tempo limitato, fornendo un numero ristretto di condizioni cerebrali sulle quali poter lavorare. Pertanto, in questa tesi viene proposta una pipeline flessibile per l'elaborazione e la gestione dei segnali EEG, affinchè possano essere più facilmente comprensibili e quindi più facilmente sfruttabili in diversi tipi di applicazioni. Inoltre, la pipeline flessibile proposta è divisa in quattro moduli riguardanti la pre-elaborazione del segnale, la sua normalizzazione, l'estrazione e la gestione di feature e la classificazione dei dati EEG. La pre-elaborazione del segnale EEG sfrutta la multivariate empirical mode decomposition (MEMD) per scomporre il segnale nelle sue modalità oscillatorie, chiamate intrinsic mode function (IMF), ed usa un criterio basato sull'entropia per selezionare le IMF più relevanti. Queste IMF dovrebbero mantenere le naturali dinamiche cerebrali e rimuovere componenti non-informative. Le risultati IMF rilevanti sono in seguito sfruttate per sostituire il segnale o aumentare la numerosità dei dati. Nonostante MEMD sia adatto alla non-stazionarietà del segnale EEG, ulteriori passi computazionali dovrebbero essere svolti per mitigare la caratteristica eterogeneità di questi dati. Pertanto, un passo di normalizzazione viene introdotto per ottenere dati comparabili per uno stesso soggetto o più soggetti e tra differenti condizioni sperimentali, quindi permettendo di estrarre feature nel dominio temporale, frequenziale e tempo-frequenziale per meglio caratterizzare il segnale EEG. Nonostante l'uso di un insieme di feature differenti fornisca la possibilità di trovare nuovi pattern nei dati, può altresì presentare alcune ridondanze ed incrementare il rischio di incorrere nella curse of dimensionality o nell'overfitting durante la classificazione. Pertanto, viene proposta una selezione delle feature basata sugli algoritmi evolutivi con un approccio completamente guidato dai dati. Inoltre, viene proposto l'utilizzo di modelli di apprendimento non o supervisionati e di nuovi criteri di stop per un algoritmo genetico modificato. Oltretutto, l'uso di diversi modelli di apprendimento automatico può influenzare il riconoscimento di differenti condizioni cerebrali. L'introduzione di modelli di deep learning potrebbe fornire una strategia in grado di apprendere informazioni direttamente dai dati disponibili, senza ulteriori elaborazioni. Fornendo una formulazione dell'input appropriata, le informazioni temporali, frequenziali e spaziali caratterizzanti i dati EEG potrebbero essere mantenute, evitando l'introduzione di architetture troppo complesse. Pertato, l'utilizzo di differenti processi ed approcci di elaborazione potrebbe fornire strategie più generiche o più legate a specifici esperimenti per gestire il segnale EEG, mantenendone le sue naturali caratteristiche.
The electroencephalogram (EEG) provides the non-invasive recording of brain activities and functions as time-series, characterized by a temporal and spatial (sensor-dependent) resolution, and by brain condition-bounded frequency bands. Moreover, it presents some cost-effective device solutions. However, the resulting EEG signals are non-stationary, time-varying, and heterogeneous, being recorded from different subjects and being influenced by specific experimental paradigms, environmental conditions, and devices. Moreover, they are easily affected by noise and they can be recorded for a limited time, thus they provide a restricted number of brain conditions to work with. Therefore, in this thesis a flexible pipeline for signal processing and management is proposed to have a better understanding of the EEG signals and exploit them for a variety of applications. Moreover, the proposed flexible pipeline is divided in 4 modules concerning signal pre-processing, normalization, feature computation and management, and EEG data classification. The EEG signal pre-processing exploits the multivariate empirical mode decomposition (MEMD) to decompose the signal in oscillatory modes, called intrinsic mode functions (IMFs), and uses an entropy criterion to select the most relevant IMFs that should maintain the natural brain dynamics, while discarding uninformative components. The resulting relevant IMFs are then exploited for signal substitution and data augmentation. Even though MEMD is adapt to the EEG signal non-stationarity, further processing steps should be undertaken to mitigate these data heterogeneity. Therefore, a normalization step is introduced to obtain comparable data inter- and intra-subject and between different experimental conditions, allowing the extraction of general features in the time, frequency, and time-frequency domain for EEG signal characterization. Even though the use of a variety of feature types may provide new data patterns, they may also present some redundancies and increase the risk of incurring in classification problems like curse of dimensionality and overfitting. Therefore, a feature selection based on evolutionary algorithms is proposed to have a completely data-driven approach, exploiting both supervised and unsupervised learning models, and suggesting new stopping criteria for a modified genetic algorithm implementation. Moreover, the use of different learning models may affect the discrimination of different brain conditions. The introduction of deep learning models may provide a strategy to learn directly from the available data. By suggesting a proper input formulation it could be possible to maintain the EEG data time, frequency, and spatial information, while avoiding too complex architectures. Therefore, using different processing steps and approaches may provide general or experimental specific strategies to manage the EEG signal, while maintaining its natural characteristics.

In questo elaborato verrà sperimentata la localizzazione di sorgenti sonore, intesa come direzione di provenienza dei diversi suoni, per finalizzarla alla riproduzione di una conversazione tra due speakers in modo che un terzo ascoltatore possa “localizzarla spazialmente”, ossia discriminare i diversi speakers (sorgenti) assegnando virtualmente ad ognuno una diversa posizione spaziale. In questo modo si riusciranno a discriminare e identificare i conversatori in modo sicuro, senza doversi basare solamente sulle differenze nelle voci come avverrebbe normalmente.

La crescita esponenziale del traffico dati e le future applicazioni che dovranno essere supportate imporranno requisiti di bit-rate e latenza che non potranno essere soddisfatte dall'odierno standard di quinta generazione, ma richiederanno una larga banda, presumibilmente individuabile nella banda dei TeraHertz. Si prospetta che nel prossimo futuro, con l'avvento dello standard di sesta generazione (6G), le tecniche di Digital Signal Processing (DSP) correntemente utilizzate possano non essere sufficienti a soddisfare i requisiti richiesti. Le cause delle limitazioni del DSP sono da ricercare nelle elevate frequenze dei segnali, i quali, per il teorema di Shannon, richiedono convertitori analogico-digitali (ADC) e convertitori digitali-analogico (DAC) operanti a frequenze molto alte. Inoltre, l'elevata quantità di dati binari prodotta dagli ADC, non potrebbe essere processata dagli odierni circuiti digitali garantendo piccole latenze e bassi consumi. Alla luce di ciò, a livello accademico si stanno investigando metodi alternativi per eseguire il Signal Processing direttamente sull'onda elettromagnetica veicolo dell'informazione, allo scopo di semplificare l'elaborazione eseguita in digitale, con vantaggi in termini di piccole latenze, bassi consumi e modesti ingombri. In tal senso la tecnologia delle metasuperfici, dispositivi in grado di interagire con le onde elettromagnetiche effettuando funzioni non presenti o difficili da ottenere in natura, potrebbe rivestire un importante ruolo. Nel presente elaborato vengono illustrate le metasuperfici sviluppate negli ultimi anni, analizzandone le caratteristiche e le peculiarità elettromagnetiche al fine di ricavare un modello ingresso-uscita della funzione implementata. Successivamente, sfruttando alcune delle metasuperfici proposte, viene presentata una possibile applicazione delle stesse per la modulazione e demodulazione a livello elettromagnetico di segnali chirp, che rappresentano uno dei candidati per i sistemi 6G.

L'impiego della Actigrafia per ridurre i disturbi del sonno. Vengono trattate le principali tecnologie che costituiscono gli actigrafi e anche gli algoritmi adoperati per distinguere se il soggetto è sveglio o addormentato. Tali algoritmi permettono inoltre di verificare se il dispositivo è indossato o meno.