识别暴露于辐射GAWAI 4G LTE 1800 MHz使用LEARNING VECTOR扩减(LVQ)信号的脑电图(脑电图)状态

TEKTRIKA - Jurnal Penelitian dan Pengembangan Telekomunikasi, Kendali, Komputer, Elektrik, dan Elektronika Pub Date : 2019-01-14 DOI:10.25124/TEKTRIKA.V1I2.1746

I. Wijayanto

{"title":"识别暴露于辐射GAWAI 4G LTE 1800 MHz使用LEARNING VECTOR扩减(LVQ)信号的脑电图(脑电图)状态","authors":"I. Wijayanto","doi":"10.25124/TEKTRIKA.V1I2.1746","DOIUrl":null,"url":null,"abstract":"Sinyal Electroencephalogram (EEG) merupakan sinyal yang didapat dengan cara merekam aktivitas elektrik spontan gelombang otak dengan cara mengukur fluktuasi tegangan di dalam neuron otak selama periode waktu tertentu. Tulisan ini membahas tentang klasifikasi sinyal EEG yang terpapar radiasi gawai 4G LTE 1800 MHz dengan menggunakan Learning Vector Quantization (LVQ). Sinyal EEG yang diamati adalah sinyal delta dan sinyal theta. Ekstraksi ciri yang digunakan untuk memperoleh vektor ciri adalah transformasi wavelet. Dari 45 data uji, sistem berhasil mengklasifikasi sinyal EEG yang belum terpapar radiasi dengan tingkat akurasi identifikasi 93%. Sementara untuk kondisi sedang terpapar radiasi, didapatkan akurasi identifikasi sebesar 100% dan untuk kondisi sesaat setelah terpapar radiasi, didapatkan akurasi identifikasi sebesar 73%. Rata-rata waktu yang dibutuhkan sistem untuk melakukan identifikasi adalah sebesar 1,43 detik.","PeriodicalId":167949,"journal":{"name":"TEKTRIKA - Jurnal Penelitian dan Pengembangan Telekomunikasi, Kendali, Komputer, Elektrik, dan Elektronika","volume":"35 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2019-01-14","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"IDENTIFIKASI KONDISI SINYAL ELECTROENCEPHALOGRAM (EEG) YANG TERPAPAR RADIASI SINYAL GAWAI 4G LTE 1800 MHz MENGGUNAKAN LEARNING VECTOR QUANTIZATION (LVQ)\",\"authors\":\"I. Wijayanto\",\"doi\":\"10.25124/TEKTRIKA.V1I2.1746\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Sinyal Electroencephalogram (EEG) merupakan sinyal yang didapat dengan cara merekam aktivitas elektrik spontan gelombang otak dengan cara mengukur fluktuasi tegangan di dalam neuron otak selama periode waktu tertentu. Tulisan ini membahas tentang klasifikasi sinyal EEG yang terpapar radiasi gawai 4G LTE 1800 MHz dengan menggunakan Learning Vector Quantization (LVQ). Sinyal EEG yang diamati adalah sinyal delta dan sinyal theta. Ekstraksi ciri yang digunakan untuk memperoleh vektor ciri adalah transformasi wavelet. Dari 45 data uji, sistem berhasil mengklasifikasi sinyal EEG yang belum terpapar radiasi dengan tingkat akurasi identifikasi 93%. Sementara untuk kondisi sedang terpapar radiasi, didapatkan akurasi identifikasi sebesar 100% dan untuk kondisi sesaat setelah terpapar radiasi, didapatkan akurasi identifikasi sebesar 73%. Rata-rata waktu yang dibutuhkan sistem untuk melakukan identifikasi adalah sebesar 1,43 detik.\",\"PeriodicalId\":167949,\"journal\":{\"name\":\"TEKTRIKA - Jurnal Penelitian dan Pengembangan Telekomunikasi, Kendali, Komputer, Elektrik, dan Elektronika\",\"volume\":\"35 1\",\"pages\":\"0\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2019-01-14\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"TEKTRIKA - Jurnal Penelitian dan Pengembangan Telekomunikasi, Kendali, Komputer, Elektrik, dan Elektronika\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.25124/TEKTRIKA.V1I2.1746\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"TEKTRIKA - Jurnal Penelitian dan Pengembangan Telekomunikasi, Kendali, Komputer, Elektrik, dan Elektronika","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.25124/TEKTRIKA.V1I2.1746","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}

引用次数: 0

摘要

脑电图信号是通过测量大脑神经元内的电压波动来记录脑电波自发活动的信号。这篇文章讨论了通过学习Vector释放(LVQ)对暴露在gawai 4G LTE 1800兆赫辐射中的脑电图分类。我们观测到的脑电图信号是三角和西塔信号。提取特征用于获取特性向量的提取特征是wavelet变换。在45项测试数据中，该系统成功地对未暴露于辐射的脑电图信号进行了分类，其准确性为93%。在辐射条件下，它有100%的识别精度，而在辐射暴露后不久，它有73%的识别准确性。系统识别所需的平均时间是1.43秒。

本文章由计算机程序翻译，如有差异，请以英文原文为准。

查看原文本刊更多论文

IDENTIFIKASI KONDISI SINYAL ELECTROENCEPHALOGRAM (EEG) YANG TERPAPAR RADIASI SINYAL GAWAI 4G LTE 1800 MHz MENGGUNAKAN LEARNING VECTOR QUANTIZATION (LVQ)

Sinyal Electroencephalogram (EEG) merupakan sinyal yang didapat dengan cara merekam aktivitas elektrik spontan gelombang otak dengan cara mengukur fluktuasi tegangan di dalam neuron otak selama periode waktu tertentu. Tulisan ini membahas tentang klasifikasi sinyal EEG yang terpapar radiasi gawai 4G LTE 1800 MHz dengan menggunakan Learning Vector Quantization (LVQ). Sinyal EEG yang diamati adalah sinyal delta dan sinyal theta. Ekstraksi ciri yang digunakan untuk memperoleh vektor ciri adalah transformasi wavelet. Dari 45 data uji, sistem berhasil mengklasifikasi sinyal EEG yang belum terpapar radiasi dengan tingkat akurasi identifikasi 93%. Sementara untuk kondisi sedang terpapar radiasi, didapatkan akurasi identifikasi sebesar 100% dan untuk kondisi sesaat setelah terpapar radiasi, didapatkan akurasi identifikasi sebesar 73%. Rata-rata waktu yang dibutuhkan sistem untuk melakukan identifikasi adalah sebesar 1,43 detik.

求助全文

通过发布文献求助，成功后即可免费获取论文全文。去求助

来源期刊

TEKTRIKA - Jurnal Penelitian dan Pengembangan Telekomunikasi, Kendali, Komputer, Elektrik, dan Elektronika

自引率

0.00%

发文量