مدولاسیون پالس کد تفاضلی یا DPCM، نقش مهمی را در سیستم های مخابراتی ایفا می کند. در این مقاله بر اساس مطالعه نظری به عمل آمده در شبیه سازی سیستم DPCM، طراحی درجه پیشگوکننده و کوانتایزر بهینه به نحو مطلوبی انجام گرفته است. به جای کدگذاری مستقیم سیگنال، سیستم DPCM تفاضل بین سیگنال ورودی و سیگنال خروجی پیشگو را کدگذاری می کند. اختلاف حاصله از دو سیگنال، از نظر مقدار خیلی کوچک بوده و با تعداد بیت های کمتری می تواند کوانتایزه شود. در طراحی پیشگو، الگوریتم لوینسن - درباین و در تعیین سطوح کوانتایزر، روش کلاسیک و روش لوید به کار گرفته شده است. در عمل هر کدام از روش های به کار رفته از ویژگی های متفاوتی برخوردار می باشند.  DPCMطراحی شده دارای کمترین تعداد بیت های لازم برای انتقال داده های ECG می باشد. در این مطالعه از طریق کوانتایزر دوبیتی در حالت عادی و سه بیتی در حالت کوانتایزر بهینه و پیشگوی درجه 2، نتیجه مطلوبی در پردازش سیگنال ECG حاصل شده است.

با استفاده از روشی که در این مقاله ارائه می‎گردد، امکان حذف و کاهش نوفه از سیگنال ECG در شرایط کاری سخت و پر‎نوفه فراهم می‎گردد. در این مقاله با استفاده از الگوریتم بهبود یافته LMS بصورت گامهای متغیر (MVSS) نتایج بهتری نسبت به روش تطبیقی معمولی بدست می‎آید

مقدمه: آریتمی قلبی به خصوص در ساعات اولیه می تواند موجب توقف فعالیت قلب و بروز مرگ گردد. از آنجا که اشتباه در تصمیم گیری از مهم ترین علل مرگ در بیماران بخش مراقبتهای ویژه قلبی است، لذا شناسایی و کلاس بندی آریتمی های قلبی با استفاده از سیگنال ECG برای تشخیص بیماران با ناهنجاری های قلبی یک منبع اطلاعاتی با ارزش در مواقع بحران و رزم می باشد. روش کار: ابتدا با استفاده از فیلترهای دیجیتال و تبدیل موجک گسسته (DWT)، نویزهای سیگنال ECG حذف می شوند. در ادامه، با استفاده از تحلیل کشیدگی طیفی، تابع Kurtogram برای مجموعه QRS به دست می آید. با تقسیم بندی تابع Kurtogram، ویژگی های مفید از مجموعه QRS استخراج می شوند. در نهایت با استفاده از طبقه بند K-نزدیک ترین همسایه (KNN)، سالم بودن فرد یا نوع آریتمی مشخص می شود. یافته ها: در این مقاله از سیگنال های ECG موجود در پایگاه داده MIT-BIH استفاده می کنیم. سیگنال های افراد سالم و چهار نوع آریتمی شامل APB، PVC، LBBB و RBBB برای کلاس بندی انتخاب شدند. نتایج به دست آمده نشان دادند که روش پیشنهادی با دقت 98. 51% سیگنال ECG را کلاس بندی می کند. از آنجا که دقت در تشخیص آریتمی قلبی در پزشکی عامل حیاتی و مهمی می باشد، لذا روش پیشنهادی می تواند برای تصمیم گیری متخصصان قلبی بسیار کارساز باشد. نتیجه گیری: با توجه به پیچیدگی محاسباتی پایین روش پیشنهادی و نتایج به دست آمده می توان از آن برای تشخیص سریع و دقیق آریتمی قلبی که از موارد موثر پزشکی و یک منبع اطلاعاتی درمانی مهم در رزم می باشد، استفاده کرد.

مقدمه: راهبری قطار به دلیل نیاز مداوم به پایش محیط پیرامون، مشاهده، تشخیص و تفکیک علایم موجود در اتاقک قطار، یکی از پرمطالبه ترین مشاغل فکری به شمار می رود. هدف این مطالعه ارزیابی بارکار فکری راهبران قطار با استفاده از شاخص های ضربان قلب و تغییرات ضربان قلب است. روش کار: در این مطالعه تجربی، بارکار فکری 12 نفر از راهبران آموزش دیده متروی تهران در دو تراز مختلف مورد ارزیابی قرار گرفت. بدین منظور با استفاده از سناریوهای گوناگون کاری راهبران قطار در شبیه ساز مترو، دو سطح مختلف مطالبه فکری ایجاد شد. شاخصهای ضربان قلب و تغییرات ضربان قلب با استفاده از دستگاه ECG ثبت و تحلیل شد. یافته ها: برخی از شاخص های تغییرات ضربان قلب شامل SDNNIX (01/0=p-value)، RMSSD (00/0=p-value)، %PNN50 (01/0=p-value)، SDNN (07/0=p-value) و LF/HF (04/0=p-value) در عملیات عادی نسبت عملیات غیرعادی کاهش معناداری داشته اند. نتیجه گیری: شاخص های تغییرات ضربان قلب (SDNN, SDNNIX, RMSSD, %PNN50 و LF/HF) به تغییرات بارکار فکری در راهبری قطار مترو حساس بودند. بنابراین، تغییرات ضربان قلب به عنوان شاخص بارکار فکری راهبران قطار مترو پیشنهاد می شود.