LuTK, OyKKK, KaTK, TTK, TST ja BMTK (Linnanmaan tentit) SCI, OBS, OMS, TECH, ITEE and BMM (Linnanmaa campus) YLIOPISTOTENTTI - UNIVERSITY EXAM Opiskelijan nimi / Student name: Opiskelijanumero / Student number: Opettaja täyttää / Lecturer fills in: Opintojakson koodi and nimi / The code and the name of the course: Koodi / Code 521273S-01 Tentin nimi / Exam name Biosignaalien käsittely I, tentti / Biosignal Processing I, Exam Tiedekunta / Faculty: Tieto- ja sähkötekniikan tiedekunta / Faculty of Information Technology and Electrical Engineering Tentin pvm / Date of exam: 30.1.2017 Tentin kesto tunteina / Exam in hours: 3 Tentin nro / No. of the exam: 1. uusinta / 1. retake (esim. Tentti, 1. uusinta, 2. uusinta / e.g. Exam, 1. retake, 2. retake) Tentaattori(t) / Examiner(s): Tapio Seppänen Opintopistemäärä / Credit units: 0 Sisäinen postios. / Internal address: 9CSE Sallitut apuvälineet / The devices allowed in the exam: Nelilaskin / Standard calculator Funktiolaskin / Scientific calculator Muu materiaali, tarkennettu alla / Other material, specified below: Ohjelmoitava laskin / Programmable calculator Tenttiin vastaaminen / Please answer the questions: Suomeksi / in Finnish Englanniksi / in English Suomenkielisessä tutkinto-ohjelmassa olevalla opiskelijalla on oikeus käyttää arvioitavassa opintosuorituksessa suomen kieltä, vaikka opintojakson opetuskieli olisi englanti. Tämä ei koske vieraan kielen opintoja. (Kts. Koulutuksen johtosääntö 18 ) In a Finnish degree programme a student has a right to use Finnish language for their study attainment, even though the language of instruction is English, (excluding language studies) even when the language of instruction is other than Finnish. (See the Education Regulations 18 ) Kysymyspaperi on palautettava / Paper with exam questions must be returned: Kyllä / Yes Ei / No
Vastaa kaikkiin kolmeen kysymykseen. 1. Seuraava IIR derivative suodatin on z-muunnetussa muodossa. (6p) H(z) = Y(z) X(z) = 1000[ 1 z 1 1 0.995z 1] a. Muunna em. kaava seuraavanlaiseen differenssiyhtälömuotoon, jossa ulostulevat (output) näytteet lasketaan jokaisella ajanhetkellä n. N y(n) = 1 [ b a i x(n i) a j y(n i) ] 0 i=0 x(n) on sisääntuleva (input) näyte ajanhetkellä n, ja y(n) on ulostuleva näyte ajanhetkellä n. b. Esitä pseudokoodi (esim. MATLAB), joka toteuttaa ylläesitetyn derivative suodattimen sisääntulevalla datavektorilla x. c. Kuvaile yksi derivative suodattimen käyttötapaus biosignaaleille. Havainnollista derivative suodattimen vaikutusta kuvalla. M j=1 2. Eteislisälyönnit (Premature Atrial Contraction: PAC) ovat yleisiä sydämen rytmihäiriöitä, joille tunnusomaista ovat sydäneteisestä lähtöisin olevat ennenaikaiset sydämenlyönnit. Normaalin sinusrytmin aikana sinussolmuke säätelee tyypillisesti sydämen sykettä. PAC:t ilmaantuvat kun jokin muu sydäneteisen alue depolarisoituu ennen sinussolmuketta ja siten laukaisee ennenaikaisen sydämen lyönnin. Katso kuva 1. Kuva 1. Esimerkki eteislisälyönnistä (PAC) EKG-signaalissa Suunnittele systeemi, joka löytää PAC:t luotettavasti EKG-signaalista. Esitä systeemin lohkokaavio ja selitä yksityiskohtaisesti jokaisen lohkon signaalinkäsittelyvaiheet. Selitä ideasi perusteellisesti. Havainnollista vastaustasi piirroksin. (6p)
3. Aaltomuotoanalyysi (6p) a. Mitä tavoitellaan fysiologisten signaalien aaltomuotoanalyysillä (analysis of waveshape)? Havainnollista vastaustasi esimerkein. Miten signaalin kompleksisuus vaikuttaa aaltomuotoanalyysiin? b. Kuinka korrelaatiokerrointa voidaan käyttää epänormaalien/muuttuneiden aaltomuotojen löytämiseen? c. Miten signaalin aktiivisuus voidaan määrittää kuvan 2 mukaiselle EMG-signaalille (3 tapaa)? Havainnollista vastausta sopivilla piirroksilla. Kuva 2. EMG-signaali.
Answer all three questions. 1. The following IIR derivative filter is given in z-transformed form. (6p) H(z) = Y(z) X(z) = 1000[ 1 z 1 1 0.995z 1] a. Convert the formula into the following difference equation form, which represents the calculation of the output sample at time point n. N y(n) = 1 [ b a i x(n i) a j y(n i) ] 0 i=0 where x(n) is the input sample at time point n, and y(n) is the output sample at time point n. b. Present a pseudocode (e.g. MATLAB) which implements the derivative filter shown above on an input data vector x. c. Describe one biosignal use case for the derivative filter. Illustrate the effect of the derivative filter with a drawing. M j=1 2. Premature atrial contractions (PACs) are a common cardiac dysrhythmia characterized by premature heartbeats originating in the atria. While the sinoatrial node typically regulates the heartbeat during normal sinus rhythm, PACs occur when another region of the atria depolarizes before the sinoatrial node and thus triggers a premature heartbeat. See Figure 1. Figure 1. An example of PAC on ECG signal Design a system which reliably detects PACs from ECG signals. Provide a block diagram of the system with details of the signal processing steps to be performed in each block. Describe your idea thoroughly. Illustrate your answer with relevant drawings. (6p)
3. Analysis of waveshapes (6p) a. What is the target with the analysis of waveshapes of physiological signals? Illustrate your answer with examples. How does the complexity of the signal affect the analysis of waveshape? b. How can correlation coefficient be used for the finding abnormal/changed waveshapes? c. How can signal activity be defined for EMG signal presented in Figure 2? Describe 3 methods. Illustrate your answer with relevant drawings. Figure 2. Sample EMG signal.