Đánh giá tình trạng buồn ngủ của mắt bằng phương pháp đo điện động nhãn đồ EOG, khảo sát thiết bị đo tín hiệu MP_30 và chế tạo thiết bị cảnh báo buồn ngủ cho mắt

c định nghĩa như sau:  0.54 0.46 os(2 /(1))0 10 áw[n]= c n N n Nkh c     Cửa sổ Hamming nhìn chung cho kết quả tốt hơn cửa sổ Hanning, mặc dù nó hơi phức tạp hơn khi tính toán. Ngoài ra còn một số cửa sổ khác như Blackman, và Kaiser, có những cải thiện hơn nữa và càng phức tạp hơn khi tính toán. LUẬN VĂN TỐT NGHIỆP ĐẠI HỌC BÁCH KHOA TP.HCM SVTH: NGUYỄN MINH TRUNG - 92 - GVHD: TH.S LÊ CAO ĐĂNG NGUYỄN ANH TUẤN Phép biến đổi Fourier nhanh-FFT: Mặc dù một cách lý tưởng thì chúng ta muốn tính biến đổi Fourier của tín hiệu rời rạc, nhưng sẽ dễ dàng hơn nếu chúng ta giả thiết chuỗi dữ liệu rời rạc là 1 chu kỳ của một chuỗi tuần hoàn và hệ quả là chúng ta tính chuỗi Fourier rời rạc của tín hiệu. Có lẽ DFT được sử dụng rộng rãi nhất trong tất cả các thuật toán DSP nên từ những năm 1960 đã có nhiều kỹ thuật được phát triển để tính DFT một cách hiệu quả hơn. Những thuật toán này, được gọi là những phép biến đổi Fourier nhanh (FFT_Fast Fourier Transform), lợi dụng một thực tế là một số phép toán dùng để tính các hệ số DFT được lặp lại nhiều lần. Xét một chuỗi rời rạc theo thời gian x[n], có 8 điểm, nghĩa là N = 8. Các hệ số của phổ được cho bởi: 1 12 / 0 0 [n]e [n]W 0,1,... 1 N Nj kn N kn k N k k C x x k N         với WN = e−j2π/N. Với DFT cơ bản, chúng ta sẽ phải tính WNkn cho mỗi giá trị k và n. Tuy nhiên, nếu xem xét WNkn kỹ hơn thì chúng ta chỉ có N (=8) giá trị khác nhau, bất chấp giá trị của k và n, do tính chất của hàm mũ phức WN. Do đó, các thuật toán FFT chỉ tính các giá trị trên một lần và dùng kết quả ở những vị trí thích hợp và giảm được số phép toán cần thực hiện rất nhiều. Lấy ví dụ cụ thể, với N = 1024, DFT cần 1047552 phép cộng phức và 1048576 phép nhân phức, trong khi FFT cần 10240 phép cộng phức và 5120 phép nhân phức. Khi chiều dài mẫu N càng lớn, ưu thế của FFT so với DFT càng thể hiện rõ. V.2. XÂY DỰNG GIẢI THUẬT PHÂN TÍCH TÍN HIỆU EOG: Các nhà khoa học đã nghiên cứu các trạng thái của mắt trong các giai đoạn của giấc ngủ[15][16], tìm mối tương quan với tín hiệu EOG và đưa ra giải thuật để LUẬN VĂN TỐT NGHIỆP ĐẠI HỌC BÁCH KHOA TP.HCM SVTH: NGUYỄN MINH TRUNG - 93 - GVHD: TH.S LÊ CAO ĐĂNG NGUYỄN ANH TUẤN đánh giá các trạng thái của giấc ngủ. Kết quả đã tìm ra được mối tương quan giữa các giai đoạn giấc ngủ và các đặc trưng tín hiệu EOG. Dựa vào các kết quả đã đạt được, nhóm xây dựng giải thuật phân tích tín hiệu EOG để đánh giá tình trạng buồn ngủ (giai đoạn thứ nhất của chu kỳ ngủ). Giải thuật được tiến hành theo lưu đồ sau: V.2. Dữ liệu thu nhận Dữ liệu phân tích Sóng Beta (13 30 Hz) Sóng Alpha (8 13 Hz) ESD của sóng Alpha ESD của sóng Beta FFT Lọc thông dải 8 13 Hz Lọc thông dải 13 30 Hz Chương tr ình BSL Chương tr ìnhMATLABESD của dữ liệuphân tích Tính ESD trong 10s Chương tr ình Excel Hệ số tương quan BAR Phổ ESD của dữ liệu phân tích, sóng Alpha & Beta Phân bố BAR theo thời gian LUẬN VĂN TỐT NGHIỆP ĐẠI HỌC BÁCH KHOA TP.HCM SVTH: NGUYỄN MINH TRUNG - 94 - GVHD: TH.S LÊ CAO ĐĂNG NGUYỄN ANH TUẤN V.2.1. QUÁ TRÌNH THU NHẬN: Thiết bị: máy MP_30 của hãng BIOPAC. Đây là thiết bị chuyên dụng, được dùng cho các nghiên cứu khoa học tại nhiều trường đại học trên thế giới như đại học Harvard (Mỹ), National Yang Minh (Trung Quốc), St. Francis (Pháp)…. Chương trình: BSL_Lesson Vị trí điện cực: theo chuẩn ISCEV, để theo dõi chuyển động ngang của mắt, nên nhóm chỉ sử dụng 3 điện cực đặt ở hai bên mắt và giữa trán. Dữ liệu thu nhận: Được thu nhận bằng máy MP_30 của hãng BIOPAC. Tín hiệu thu nhận đã được qua bộ phận tiền xử lý trước khi hiển thi để tiếp tục phân tích ở các bước sau. Bộ phận tiền xử lý bao gồm khối A/D, khối khuếch đại số, khối lọc số đã được thiết lập trong chương trình BSL_Lesson, với các thông số sau:  Tốc độ lấy mẫu: 100 mẫu/s  Độ lợi: 5000  Input coupling: AC: 0.05 Hz HP, 1 KHz LP  Mạch lọc: 1: lọc thông thấp với fc = 66.5 Hz 2: lọc thông thấp với fc = 38.5 Hz 3: lọc triệt dải với fc = 50 Hz Dữ liệu sau khi thu nhận sẽ đưa qua quá trình FFT để trở thành dữ liệu phân tích. LUẬN VĂN TỐT NGHIỆP ĐẠI HỌC BÁCH KHOA TP.HCM SVTH: NGUYỄN MINH TRUNG - 95 - GVHD: TH.S LÊ CAO ĐĂNG NGUYỄN ANH TUẤN V.2.2. QUÁ TRÌNH XỬ LÝ TÍN HIỆU: Dữ liệu phân tích: Quá trình FFT được thực hiện bằng chương trình BSL_Pro. Các thông số được thiết lập như hình 5.2. Dữ liệu phân tích sẽ được sao chép thành hai file dữ liệu giống nhau để tiếp tục qua khối lọc. Hình 5.1: Các thông số của khối tiền xử lý LUẬN VĂN TỐT NGHIỆP ĐẠI HỌC BÁCH KHOA TP.HCM SVTH: NGUYỄN MINH TRUNG - 96 - GVHD: TH.S LÊ CAO ĐĂNG NGUYỄN ANH TUẤN Hình 5.2: Các thông số của khối FFT Sóng Alpha và sóng Beta: Dữ liệu phân tích sau khi được sao chép sẽ lần lượt lọc thông dải bằng bộ lọc số trong chương trình BSL_Pro. Các bộ lọc thông dải được dùng để tách các sóng Alpha và sóng Beta. Thông số của bộ lọc lần lượt là:  1: bộ lọc thông dải với fc1 = 8 Hz & fc2 = 13 Hz  2: bộ lọc thông dải với fc1 = 13 Hz & fc2 = 30 Hz. Sau khi qua khối lọc, tín hiệu sóng Alpha và sóng Beta được thu nhận và định dạng file .acq. Để tiếp tục phân tích tín hiệu EOG (thông qua sóng Alpha và sóng Beta), định dạng file .acq sẽ được chuyển sang định dạng file .mat bằng chương trình AcqKnowledge 3.8.2. LUẬN VĂN TỐT NGHIỆP ĐẠI HỌC BÁCH KHOA TP.HCM SVTH: NGUYỄN MINH TRUNG - 97 - GVHD: TH.S LÊ CAO ĐĂNG NGUYỄN ANH TUẤN Hình 5.3: Tín hiệu ban đầu và tín hiệu sóng Alpha Hình 5.4: Tín hiệu ban đầu và tín hiệu sóng Beta LUẬN VĂN TỐT NGHIỆP ĐẠI HỌC BÁCH KHOA TP.HCM SVTH: NGUYỄN MINH TRUNG - 98 - GVHD: TH.S LÊ CAO ĐĂNG NGUYỄN ANH TUẤN ESD của dữ liệu phân tích (trước khi lọc), sóng Alpha & sóng Beta[17]:  Năng lượng của tín hiệu liên tục trong miền thời gian và tần số có dạng: 2 2 2 2 ()()() ()() ()()()() x j Ft j Ft j Ft x E x t dt x t x t dt x t X F e dF E x t X F e dF dt X F dF x t e dt                                                Theo công thức quan hệ Parseval: 2 2()()xE x t dt X F dF        Với phổ mật độ năng lượng: Sxx(F) = /X(F)/2  Năng lượng của tín hiệu rời rạc (hay tín hiệu số): 2()()() 1()() 2 1 1()()()()2 2 x n n j n j n j n x n n E x n x n x n x n X e d E x n X e d X d x n e                                                     Theo công thức quan hệ Parseval: 2 21()() 2x nE x n X d           Phổ mật độ năng lượng: Sxx(ω) = /X(ω)/2 (*) LUẬN VĂN TỐT NGHIỆP ĐẠI HỌC BÁCH KHOA TP.HCM SVTH: NGUYỄN MINH TRUNG - 99 - GVHD: TH.S LÊ CAO ĐĂNG NGUYỄN ANH TUẤN  Công suất trung bình: 1 12 0 0 1 2 / 0 1 1 1 12 / 2 / 0 0 0 0 1 1()()() () 1 1()() N N x n n N j kn N k k N N N Nj kn N j kn N x k k n k k n P x n x n x nN N x n c e P x n c e c x n eN N                                              Theo công thức quan hệ Parseval: 1 1 22 0 0 1 () N N x k n k P x n cN         (**) Phổ mật dộ công suất: chuỗi /ck/2  Với tín hiệu rời rạc x(n), biến đổi Fourier: ()() j n n X x n e       Hệ số Fourier: 2 1()() 2 j nx n X e d     Thay X(ω) vào phương trình (*), ta có phổ mật độ năng lượng: 2 2 2 ()()() ()() j n xx n xx n S X x n e S x n               Từ (**), ta có năng lượng tín hiệu trong một chu kỳ: 1 12 2 0 0 () N N N k n k E x n N c       Phổ mật độ năng lượng: ()xx NS E    LUẬN VĂN TỐT NGHIỆP ĐẠI HỌC BÁCH KHOA TP.HCM SVTH: NGUYỄN MINH TRUNG - 100 - GVHD: TH.S LÊ CAO ĐĂNG NGUYỄN ANH TUẤN Do vậy, nhóm sử dụng công thức tính EN để đánh giá năng lượng của tín hiệu EOG (bao gồm tín hiệu của dữ liệu phân tích trước khi lọc, tín hiệu của sóng Alpha và sóng Beta). Giá trị EN dược tính trong từng chu kỳ 10s. Với tốc dộ lấy mẫu 100 mẫu/s, giá trị EN được tính trong từng chu kỳ 1000 mẫu. Tập hợp các giá trị EN trong suốt thời gian thu nhận (thời gian tùy theo điều kiện thu nhận: thức, ngủ trưa và ngủ tối), nhóm thu được phổ mật độ năng lượng của các tín hiệu. Quá trình phân tích tín hiệu: Sau khi thu được các giá trị năng lượng của các tín hiệu, chúng sẽ được lưu thành các cột tương ứng với thời gian trong chương trình Excel để tiếp tục phân tích. Quá trình kế tiếp là lập tỉ số giữa sóng Alpha với tín hiệu trước khi lọc và tỉ số giữa sóng Beta với tín hiệu trước khi lọc. Và lập tỉ số giữa sóng Beta với sóng Alpha (BAR_Beta to Alpha Ratio). Từ hai chuỗi giá trị năng lượng của tín hiệu sóng Alpha và sóng Beta, nhóm thành lập phân bố phân năng lượng của hai sóng Alpha và Beta. Từ hai tỉ số ban đầu, thành lập phân bố tỉ lệ % năng lượng giữa các tín hiệu. Từ tỉ số BAR (BAR_Beta to Alpha Ratio), nhóm thành lập mối tương quan tỉ số này với thời gian. Đây là thông số chính để nhóm đưa ra cảnh báo tình trạng buồn ngủ. Để giải thuật đạt được độ chính xác mong muốn, nhóm lấy thống kê của nhiều giá trị BAR từ nhiều đối tượng. Trong đó, nhóm chỉ đưa ra phân tích chi tiết một vài trường hợp tiêu biểu. LUẬN VĂN TỐT NGHIỆP ĐẠI HỌC BÁCH KHOA TP.HCM SVTH: NGUYỄN MINH TRUNG - 101 - GVHD: TH.S LÊ CAO ĐĂNG NGUYỄN ANH TUẤN V.2.3. KẾT QUẢ: Nhóm đã tiến hành thu thập số liệu trên nhiều đối tượng (nam, nữ), trong các trạng thái khác nhau (thức, ngủ trưa và ngủ tối). Mỗi đối tượng sẽ có các bảng số liệu và các phổ lưu dưới dạng file .xls. Trong đó bao gồm các số liệu về năng lượng của tín hiệu sóng Alpha, sóng Beta; tỉ số sóng Alpha với tín hiệu trước khi lọc, tỉ số sóng Beta với tín hiệu trước khi lọc; tỉ số BAR; phổ phân bố năng lượng của hai sóng Alpha & Beta; phổ tương quan giữa tín hiệu phân tích với hai sóng Alpha, Beta và phổ phân bố tỉ số BAR. Sau cùng dựa vào số liệu thu được từ các đối tượng, nhóm sẽ thống kê, lấy trung bình và đánh giá kết quả qua đại lượng sai số trung bình (phương sai). Để đánh giá kết quả, nhóm sẽ phân tích chi tiết một số trường hợp tiêu biểu.  Mẫu thứ nhất: Nguyễn Minh Trung_KU05BVL Giới tính: Nam Năm sinh: 1986 Sinh lý mắt: cận Tình trạng sức khỏe: bình thường Mẫu đo vào ngày: 18.09.09 Trạng thái: đang làm việc Hình 5.5: Tín hiệu ban đầu và tín hiệu sau khi FFT trong 10s LUẬN VĂN TỐT NGHIỆP ĐẠI HỌC BÁCH KHOA TP.HCM SVTH: NGUYỄN MINH TRUNG - 102 - GVHD: TH.S LÊ CAO ĐĂNG NGUYỄN ANH TUẤN Tín hiệu thu nhận được triệt nhiễu khá tốt. Biên độ tín hiệu khoảng vài mV. Tần số tín hiệu khoảng từ 0 50 Hz. Tín hiệu phân tích (sau khi FFT) khá giống với tín hiệu ban đầu. Điều này chứng tỏ quá trình lấy mẫu tín hiệu không làm sai lệch tín hiệu ban đầu. Căn cứ vào phổ đáp ứng biên độ theo tần số, nhóm có nhận xét như sau:  Tín hiệu có phổ tần từ 0 50 Hz  Thành phần tần số thấp có biên độ cao hơn thành phần tần số cao. Hình 5.6: Phổ đáp ứng biên độ theo tần số của tín hiệu EOG khi thức Hình 5.7: Tín hiệu ban đầu (khi thức) và tín hiệu sóng Alpha LUẬN VĂN TỐT NGHIỆP ĐẠI HỌC BÁCH KHOA TP.HCM SVTH: NGUYỄN MINH TRUNG - 103 - GVHD: TH.S LÊ CAO ĐĂNG NGUYỄN ANH TUẤN Hình 5.8: Tín hiệu ban đầu (khi thức) và tín hiệu sóng Beta Hình 5.7 & 5.8 cho thấy dạng tín hiệu của sóng Alpha và Beta. Giữa chúng có mối tương quan. Cả hai đều có dạng giống nhau, chỉ khác nhau về biên độ. Thông thường khi thức sóng Beta có biên độ thấp hơn biên độ của sóng Alpha[5][6]. Đây là hai loại sóng đặc trưng hoạt động của não khi thức. Sóng Alpha thường hoạt động mạnh khi não đang suy nghĩ. Sóng Beta đặc trưng cho hoạt động thư giãn của não. Chẳng hạn khi chúng ta thư giãn thì hoạt động sóng Beta sẽ tăng, trong khi hoạt động của sóng Alpha sẽ giảm nhịp. Hình 5.9: Phân bố năng lượng của sóng Alpha và Beta theo thời gian khi thức LUẬN VĂN TỐT NGHIỆP ĐẠI HỌC BÁCH KHOA TP.HCM SVTH: NGUYỄN MINH TRUNG - 104 - GVHD: TH.S LÊ CAO ĐĂNG NGUYỄN ANH TUẤN Hai loại sóng này còn hoạt động mạnh vào giai đoạn REM. Theo nhiều nghiên cứu về giấc ngủ[10][18], các nhà khoa học cho rằng đây là giai đoạn liên quan đến hoạt động của não khi đang mơ. Nói cách khác, đây là giai đoạn não tăng cường hoạt động so với các giai đoạn trước trong khi chúng ta đang ngủ. Lập tỉ số của hai loại sóng này với tín hiệu trước khi lọc, ta sẽ có mối tương quan giữa chúng. Tỉ số phần trăm này sẽ cho ta biết mức độ hoạt động của não khi thức cũng như khi đang ngủ. Hình 5.10: Phân bố của tỉ lệ phần trăm của hai sóng Alpha & Beta so với tín hiệu ban đầu (khi chưa lọc)(màu xanh: % Alpha – màu đỏ: % Beta) Bảng 5.1: Bảng số liệu sau khi đã tính toán bằng chương trình Excel: % Alpha % Beta BAR Giá trị trung bình: 0.27% 0.05% 16.64% Phương sai: 0.16% 0.09% 2.29% LUẬN VĂN TỐT NGHIỆP ĐẠI HỌC BÁCH KHOA TP.HCM SVTH: NGUYỄN MINH TRUNG - 105 - GVHD: TH.S LÊ CAO ĐĂNG NGUYỄN ANH TUẤN Từ bảng số liệu thu được và phân bố trong hình 5.10, ta thấy hoạt động của sóng Alpha và Beta chỉ chiếm khoảng vài phần trăm so với hoạt động của tín hiệu EOG. Điều này chứng tỏ, hoạt động của tín hiệu EOG ngoài thành phần của sóng Alpha và Beta còn có những thành phần khác. Với thời gian cho phép của đề tài, nhóm chỉ phân tích hai loại sóng Alpha và Beta. Còn đối với các thành phần khác, cần có các nghiên cứu khác để có thể đánh giá toàn diện hơn về hoạt động của tín hiệu EOG. Thông qua đó có thể đánh giá đầy đủ về hoạt động của mắt. Ngoài ra, nếu xét về mặt ý nghĩa thống kê thì số liệu % Alpha & % Beta không có ý nghĩa cho lắm. Do sai số trung bình của hai số liệu trên khá lớn (chiếm khoảng một nửa giá trị trung bình), nên nhóm không sử dụng hai số liệu này để định lượng kết quả. Mục tiêu đưa ra hai số liệu % Alpha & % Beta chỉ để thành lập phân bố phần trăm của hai tín hiệu sóng Alpha, Beta so với tín hiệu ban đầu. Thông qua biểu đồ phân bố này ta có thể định tính hoạt động của hai loại sóng này trong khi thức cũng như trong khi ngủ. Tuy đánh giá trực tiếp hai loại sóng này không đạt độ tin cậy như mong muốn, nhưng ta có thể đánh giá gián tiếp thông qua tỉ số BAR. Nghĩa là, dựa vào mối tương quan giữa hai loại sóng được chọn để có thể đạt độ tin cậy theo mong muốn. Từ bảng 5.1, ta thấy giá trị trung bình đạt độ lớn vừa phải (khoảng 16 %), với sai số trung bình khá nhỏ (khoảng 2 %). Về mặt ý nghĩa thống kê thì tỉ số này có thể chấp nhận được. Vì thế, nhóm quyết định dùng để định lượng. Hay nói cách khác, nhóm dùng tỉ số này để phân biệt trạng thức và buồn ngủ. LUẬN VĂN TỐT NGHIỆP ĐẠI HỌC BÁCH KHOA TP.HCM SVTH: NGUYỄN MINH TRUNG - 106 - GVHD: TH.S LÊ CAO ĐĂNG NGUYỄN ANH TUẤN Hình 5.11: Biểu đồ phân bố tỉ số BAR theo thời gian khi thức Trong hình 5.11 là phân bố tỉ số BAR theo thời gian. Tỉ số BAR là tỉ lệ phần trăm giữa năng lượng của tín hiệu sóng Beta so với tín hiệu sóng Alpha. Do hai loại sóng này có mối tương quan với nhau và tương quan với tín hiệu ban đầu nên phần trăm giữa chúng có thể đánh giá mức hoạt động của tín hiệu EOG, cũng như mức hoạt động của mắt trong các trạng thái khác nhau. Đối với trường hợp này thì tỉ số BAR phần lớn chiếm giá trị từ 0 16 %. Mẫu đo vào ngày: 19.09.09 Trạng thái: ngủ tối Hình 5.12: Phân bố biên độ theo tần số của tín hiệu EOG khi đang ngủ LUẬN VĂN TỐT NGHIỆP ĐẠI HỌC BÁCH KHOA TP.HCM SVTH: NGUYỄN MINH TRUNG - 107 - GVHD: TH.S LÊ CAO ĐĂNG NGUYỄN ANH TUẤN Tín hiệu EOG khi ngủ cũng có biên độ thành phần tần số thấp so với biên độ của thành phần tần số cao. Hình 5.13: Tín hiệu ban đầu và tín hiệu sau khi lấy mẫu (khi ngủ) Cũng như khi thức, khi qua quá trình FFT, tín hiệu thay đổi không đáng kể. Dạng tín hiệu khi ngủ so với tín hiệu khi thức đã có thay đổi cả về thành phần tần số và thành phần biên độ. Cả hai thành phần đều giảm so với khi thức. Sự thay đổi tín hiệu EOG, dẫn đến sự thay đổi thành phần tín hiệu sóng Alpha và sóng Beta. Phần tiếp theo, nhóm sẽ phân tích sự thay đổi này so với tín hiệu khi thức cũng như là sự thay đổi tương quan giữa chúng. Hình 5.14: Tín hiệu ban đầu (khi ngủ) và tín hiệu sóng Alpha LUẬN VĂN TỐT NGHIỆP ĐẠI HỌC BÁCH KHOA TP.HCM SVTH: NGUYỄN MINH TRUNG - 108 - GVHD: TH.S LÊ CAO ĐĂNG NGUYỄN ANH TUẤN Hình 5.15: Tín hiệu ban đầu (khi ngủ) và tín hiệu sóng Beta Ta thấy rằng cả hai sóng Alpha và Beta đều thay đổi đồng thời, nhưng dạng tín hiệu của chúng cũng tương tự nhau. Điều này chứng tỏ mối tương quan giữa chúng không đổi. Nói cách khác, luôn có một mối tương quan giữa hai tín này. Nhóm tiếp tục tìm hiểu mối liên hệ này với các trạng thái của cơ thể. Cụ thể là khi chuyển từ trạng thái thức sang trạng thái ngủ thì mối liên hệ thay đổi như thế nào? Tiếp tục phân tích như các bước trong giải thuật nhóm thu được bảng kết quả sau: Bảng 5.2: Bảng kết quả của quá trình ngủ: % Alpha % Beta BAR BAR trong 30’ Giá trị trung bình: 0.12% 0.03% 22.51% 24.41% Phương sai: 0.15% 0.03% 3.14% 2.66% LUẬN VĂN TỐT NGHIỆP ĐẠI HỌC BÁCH KHOA TP.HCM SVTH: NGUYỄN MINH TRUNG - 109 - GVHD: TH.S LÊ CAO ĐĂNG NGUYỄN ANH TUẤN Cũng như trên đối với các số liệu % Alpha và % Beta có sai số trung bình khá lớn, nên nhóm chỉ dùng chỉ số này để đánh giá mối tương quan một cách định tính và so sánh với tín hiệu khi thức. Hình 5.16: Tương quan tín hiệu của sóng Alpha và sóng Beta khi ngủ Hình 5.17: Phân bố % Alpha và % Beta so với tín hiệu ban đầu (khi ngủ) LUẬN VĂN TỐT NGHIỆP ĐẠI HỌC BÁCH KHOA TP.HCM SVTH: NGUYỄN MINH TRUNG - 110 - GVHD: TH.S LÊ CAO ĐĂNG NGUYỄN ANH TUẤN Tỉ lệ phần trăm của hai loại sóng Alpha và Beta cũng chỉ chiếm khoảng vài phần trăm giống với tín hiệu khi thức, nhưng có sự khác biệt so với khi thức. Phân bố của tỉ số theo từng chu kỳ. Điều này có thể giải thích như sau:  Trong khi thức, mắt hoạt động liên tục nên phân bố tỉ số phần trăm cũng khá đều.  Trong khi ngủ, tùy theo từng giai đoạn mà mắt hoạt động nhanh hay chậm. Cụ thể trong giai đoạn 1 và 2, mắt chuyển động chậm dần. Vào đến giai đoạn 3 và 4, mắt gần như không chuyển động dẫn đến tỉ lệ giảm xuống gần bằng không. Bước qua giai đoạn REM, mắt lại chuyển động nhanh đột ngột làm cho ti lệ tăng lên.  Ngoài ra, trong một đêm chúng ta trải qua từ ba đến bốn chu kỳ như trên, dẫn đến phân bố tỉ lệ cũng thay đổi theo chu kỳ. Với mục tiêu cảnh báo tình trạng buồn ngủ nên đối với trạng thái ngủ nhóm chỉ phân tích tín hiệu trong 30 phút đầu, là giai đoạn đầu của giấc ngủ có liên quan đến tình trạng buồn ngủ. Tuy nhiên nhóm vẫn đánh giá tổng quan trong toàn bộ quá trình ngủ dùng để tham khảo với mục tiêu chính của nhóm. Hình 5.18: Phân bố tỉ số BAR theo thời gian (khi ngủ) LUẬN VĂN TỐT NGHIỆP ĐẠI HỌC BÁCH KHOA TP.HCM SVTH: NGUYỄN MINH TRUNG - 111 - GVHD: TH.S LÊ CAO ĐĂNG NGUYỄN ANH TUẤN Hình 5.18, cho thấy khi ngủ thì tỉ số BAR đã tăng lên đáng kể trong suốt quá trình ngủ nhưng vẫn phân bố theo từng chu kỳ như đã giải thích ở trên. Tỉ lệ BAR tăng lên là do khi chuyển sang trạng thái ngủ, thì sóng Alpha sẽ giảm nhịp, còn sóng Beta sẽ tăng hoạt động so với khi thức, dẫn đến tỉ số BAR sẽ tăng. Dựa vào điều này, nhóm tìm ngưỡng phân biệt giữa trạng thái thức và trạng thái ngủ trong giai đoạn đầu. Lưu ý, giai đoạn đầu của giấc ngủ liên quan đến trạng thái buồn ngủ. Căn cứ vài số liệu trong bảng 5.2 thì sự thay đổi tỉ số BAR là đáng kể có thể phân biệt trạng thái thức và buồn ngủ. So sánh tỉ số BAR (giá trị trung bình, phương sai) giữa hai trạng thái thức và ngủ: Thức: BAR (16.64%, 2.29%) < Ngủ: BAR (22.51 %, 3.14%) Từ số liệu trên, ta thấy cận trên của tín hiệu khi thức (BAR = 18.93%) vẫn nhỏ hơn cận dưới của tín hiệu khi ngủ (BAR = 19.37%). Điều này có nghĩa rằng có thể phân biệt trạng thái thức và ngủ bằng tỉ số BAR. Tuy nhiên số liệu trên được tính trên toàn bộ thời gian thu nhận. Như đã đề cập ở trên, nhóm chỉ quan tâm đến số liệu trong 30’ đầu của quá trình ngủ. Nếu lấy số liệu trong 30’ đầu của quá trình ngủ, so sánh hai giá trị BAR khi thức và ngủ: Thức: BAR (16.64%, 2.29%) < Ngủ: BAR (24.41%, 2.66%) Ta thấy cận trên của số liệu khi thức (BAR = 18.93%) vẫn nhỏ hơn cận dưới của tín hiệu ngủ trong 30’ đầu (BAR = 21.75%). Đặc biệt là sự sai lệch giữa hai giá trị tăng nghĩa là phân biệt giữa hai trạng thái sẽ dễ dàng hơn. LUẬN VĂN TỐT NGHIỆP ĐẠI HỌC BÁCH KHOA TP.HCM SVTH: NGUYỄN MINH TRUNG - 112 - GVHD: TH.S LÊ CAO ĐĂNG NGUYỄN ANH TUẤN Hình 5.19: Phân bố tỉ số BAR theo thời gian trong 30’ (khi ngủ)  Mẫu thứ hai: Giáp Huy Trung_KU07BVLY Giới tính: Nam Năm sinh: 1989 Sinh lý mắt: bình thường Tình trạng sức khỏe: bình thường Mẫu đo vào ngày: 21.12.09 Trạng thái: đang làm việc Phân tích tương tự như các bước trên, nhóm thu được các bảng phân bố và bảng giá trị của đối tượng thứ hai. Hình 5.20: Phổ năng lượng của hai sóng Alpha và Beta (thức) của đối tượng thứ hai LUẬN VĂN TỐT NGHIỆP ĐẠI HỌC BÁCH KHOA TP.HCM SVTH: NGUYỄN MINH TRUNG - 113 - GVHD: TH.S LÊ CAO ĐĂNG NGUYỄN ANH TUẤN Hình 5.21: Phổ phân bố %Alpha và %Beta (thức) của đối tượng thứ hai Hình 5.22: Phổ phân bố tỉ số BAR theo thời gian (thức) của đối tượng thứ hai Bảng 5.3: Các thông số khi thức của đối tượng thứ hai: % Alpha % Beta BAR Giá trị trung bình: 0.22% 0.04% 17.04% Phương sai: 0.09% 0.01% 1.12% LUẬN VĂN TỐT NGHIỆP ĐẠI HỌC BÁCH KHOA TP.HCM SVTH: NGUYỄN MINH TRUNG - 114 - GVHD: TH.S LÊ CAO ĐĂNG NGUYỄN ANH TUẤN Mẫu đo vào ngày: 18.12.09 Trạng thái: ngủ trưa Hình 5.23: Phổ năng lượng của hai sóng Alpha và Beta (ngủ) của đối tượng thứ hai Hình 5.24: Phổ phân bố năng lượng của %Alpha và %Beta (ngủ) của đối tượng thứ hai LUẬN VĂN TỐT NGHIỆP ĐẠI HỌC BÁCH KHOA TP.HCM SVTH: NGUYỄN MINH TRUNG - 115 - GVHD: TH.S LÊ CAO ĐĂNG NGUYỄN ANH TUẤN Hình 2.25: Phổ phân bố tỉ số BAR theo thời gian (ngủ) của đối tượng thứ hai Bảng 5.4: Các thông số khi ngủ của đối tượng thứ hai: % Alpha % Beta BAR trong 30’ Giá trị trung bình: 0.66% 0.22% 32.80% Phương sai: 0.52% 0.18% 2.65% Về các đánh giá định lượng cũng giống như các đánh giá của đối tượng thứ nhất. Các phân bố năng lượng của hai sóng Alpha và Beta; các phân bố của %Alpha và %Beta và phân bố tỉ số BAR tương tự với các phân bố của đối tượng thứ nhất. Về đánh giá định lượng, nhóm thu được: Thức: BAR (17.04%, 1.12%) < Ngủ: BAR (32.80 %, 2.65%) Kết quả thu được phù hợp với các kết luận ở phần trên. LUẬN VĂN TỐT NGHIỆP ĐẠI HỌC BÁCH KHOA TP.HCM SVTH: NGUYỄN MINH TRUNG - 116 - GVHD: TH.S LÊ CAO ĐĂNG NGUYỄN ANH TUẤN  Mẫu thứ ba: Lê Thị Tuyền Linh_KU07BVLY Giới tính: Nữ Năm sinh: 1989 Sinh lý mắt: bình thường Tình trạng sức khỏe: bình thường Mẫu đo vào ngày: 28.12.09 Trạng thái: đang làm việc Hình 5.26: Phân bố %Alpha và %Beta (thức) của đối tượng thứ ba Hình 5.27: Phân bố tỉ số BAR (thức) của đối tượng thứ ba LUẬN VĂN TỐT NGHIỆP ĐẠI HỌC BÁCH KHOA TP.HCM SVTH: NGUYỄN MINH TRUNG - 117 - GVHD: TH.S LÊ CAO ĐĂNG NGUYỄN ANH TUẤN Bảng 5.5: Các thông số của đối tượng thứ ba (trạng thái đang làm việc): % Alpha % Beta BAR Giá trị trung bình: 0.24% 0.04% 16.99% Phương sai: 0.14% 0.02% 0.80% Mẫu đo vào ngày: 28.12.09 Trạng thái: ngủ trưa Hình 5.28: Phân bố % Alpha và % Beta (ngủ) của đối tượng thứ ba Hình 5.29: Phân bố tỉ số BAR theo thời gian (ngủ) của đối tượng thứ ba LUẬN VĂN TỐT NGHIỆP ĐẠI HỌC BÁCH KHOA TP.HCM SVTH: NGUYỄN MINH TRUNG - 118 - GVHD: TH.S LÊ CAO ĐĂNG NGUYỄN ANH TUẤN Hình 5.30: Phân bố tỉ số BAR trong 30’ (ngủ) của đối tượng thứ ba Bảng 5.6: Các thông số của đối tượng thứ ba (trạng thái ngủ trưa): % Alpha % Beta BAR BAR trong 30’ Giá trị trung bình: 0.11% 0.03% 23.82% 25.20% Phương sai: 0.19% 0.05% 3.20% 3.64% Các đánh giá định tính giống như các phần trên. Về đánh giá định lượng, nhóm thu được kết quả: Thức: BAR (16.99%, 0.80%) < Ngủ: BAR (23.82 %, 3.20%) So sánh giữa thức và 30’ đầu khi ngủ, ta có: Thức: BAR (16.99%, 0.80%) < Ngủ: BAR (25.20 %, 3.64%) Kết quả phù hợp với các kết luận đã trình bày. LUẬN VĂN TỐT NGHIỆP ĐẠI HỌC BÁCH KHOA TP.HCM SVTH: NGUYỄN MINH TRUNG - 119 - GVHD: TH.S LÊ CAO ĐĂNG NGUYỄN ANH TUẤN V.3. CÁC THÔNG SỐ ĐỊNH LƯỢNG TỪ TÍN HIỆU EOG: Với các thuật toán như trên, nhóm tiến hành thu thập số liệu trên 10 người bao gồm 6 nam và 4 nữ trong các trạng thái khác nhau (đang làm việc, ngủ trưa và ngủ tối). Mỗi đối tượng sẽ có một bảng số liệu với các phổ phân bố và các số liệu phân tích lưu dưới dạng file .xls. Bảng 5.7: Các thông số của tỉ số BAR để cảnh báo trạng thái buồn ngủ: Giá trị trung bình [%] Thức Ngủ Cao Đăng 16.56 21.59 Trung Tâm 17.69 25.05 Minh Trung 16.64 24.41 Anh Tuấn 19.34 23.49 Duy Ly 18.16 25.40 Thành Nhân 17.97 25.52 Huy Trung 17.04 32.80 Tuyền Linh 16.99 25.20 Hương Giang 17.49 24.27 Trúc Mai 17.43 28.03 Giá trị trung bình 17.53 25.58 Phương sai 0.62 4.55 LUẬN VĂN TỐT NGHIỆP ĐẠI HỌC BÁCH KHOA TP.HCM SVTH: NGUYỄN MINH TRUNG - 120 - GVHD: TH.S LÊ CAO ĐĂNG NGUYỄN ANH TUẤN Các thông số của trạng thái ngủ được lấy trong 30’ đầu. So sánh các thông số (giá trị trung bình, phương sai) của tỉ số BAR giữa trạng thái thức và trạng thái ngủ: Thức: BAR (17.53%, 0.62%) < Ngủ: BAR (25.58%, 4.55%) Từ kết quả trên, nhóm đưa ra kết luận:  Con số 17.53% đặc trưng cho trạng thái thức.  Con số 0.62% là khoảng mà não hoạt động ở trạng thái thức.  Con số 25.58% là con số đặc trưng cho não hoạt động ở trạng thái ngủ.  Và số 4.55% là khoảng hoạt động của não ở trạng thái ngủ. Như vậy: 17.53% + 0.62% = 18.15% là ngưỡng mà não vẫn còn ở trạng thái thức. Và: BAR < 18.15% : trạng thái thức 18.15% < BAR: trạng thái buồn ngủ LUẬN VĂN TỐT NGHIỆP ĐẠI HỌC BÁCH KHOA TP.HCM SVTH: NGUYỄN MINH TRUNG - 121 - GVHD: TH.S LÊ CAO ĐĂNG NGUYỄN ANH TUẤN CHƯƠNG VI: THIẾT KẾ & CHẾ TẠO THIẾT BỊ CẢNH BÁO BUỒN NGỦ LUẬN VĂN TỐT NGHIỆP ĐẠI HỌC BÁCH KHOA TP.HCM SVTH: NGUYỄN MINH TRUNG - 122 - GVHD: TH.S LÊ CAO ĐĂNG NGUYỄN ANH TUẤN CHƯƠNG VI: THIẾT KẾ VÀ CHẾ TẠO THIẾT BỊ CẢNH BÁO BUỒN NGỦ VI.1. SƠ ĐỒ KHỐI VI.2. THIẾT KẾ CHI TIẾT: VI.2.1. ĐIỆN CỰC: Loại điện cực dùng trong đo EOG là loại điện cực bề mặt như điện cực Ag - AgCl. Hình 6.1: Điện cực Ag-AgCl của hãng Biopac. LUẬN VĂN TỐT NGHIỆP ĐẠI HỌC BÁCH KHOA TP.HCM SVTH: NGUYỄN MINH TRUNG - 123 - GVHD: TH.S LÊ CAO ĐĂNG NGUYỄN ANH TUẤN Dây điện cực là loại dây 3 kênh để thu tín hiệu từ 3 điện cực: Hình 6.2: Dây điện cực loại 3 kênh của hãng Biopac VI.2.2. KHỐI KHUẾCH ĐẠI VÀ LỌC NHIỄU: VI.2.1.1. KHỐI KHUẾCH ĐẠI INSTRUMENTATION: Tín hiệu EOG mà ta thu được là một tín hiệu điện có biên độ nhỏ 0.430 mV và có tần số khoảng 0.05Hz50Hz. Vì tín hiệu rất nhỏ nên dễ bị nhiễu bởi các nguồn xung quanh. Tín hiệu cũng dễ bị sai lệch bởi nhiễu do điện nguồn, nhiễu do các điện cực tiếp xúc và nhiễu do sự chuyển động hay nhiễu cơ từ cơ thể người. Để loại trừ bớt các loại nhiễu trên, ta có thể sử dụng một khối khuếch đại vi sai 3 opamp hay còn gọi là khuếch đại instrumentation 3 opamp. Một khối khuếch đại instrumentation (IA_Instrumental Amplifier) là khối khuếch đại có các đặc điểm sau :  Trở kháng vào rất lớn (Zi → ∞ ).  Trở kháng ra rất bé (Zo → 0).  Độ lợi chính xác ổn định, tiêu biểu cho các tầm từ 1V/V đến 103V/V.  Tỉ số nén đồng pha rất cao. LUẬN VĂN TỐT NGHIỆP ĐẠI HỌC BÁCH KHOA TP.HCM SVTH: NGUYỄN MINH TRUNG - 124 - GVHD: TH.S LÊ CAO ĐĂNG NGUYỄN ANH TUẤN Khối khuếch đại instrumentation thường được dùng để khuếch đại chính xác tín hiệu yếu khi có mặt thành phần chung rất mạnh, như ngõ ra biến đổi từ quá trình điều khiển và trong y sinh học. Do đó khối khuếch đại instrumentation được sử dụng rộng rãi trong thử nghiệm và đo đạc. Khối khuếch đại instrumentation 3 Opamp (Triple – Opamp IAs): Hình 6.3: Mạch khuếch đại instrumentation 3 opamp Trong hình trên OA1 và OA2 là ngõ vào hay tầng thứ nhất và OA3 là ngõ ra hay tầng thứ hai. Cố định điện áp vào, điện áp trên RG là (V1 - V2). Định luật Ohm: ( Vo1 - Vo2 ) = ( R3 + RG + R3)( V1 - V2) / RG Hay: ( Vo1 - Vo2 ) = ( 1 + 2R3/RG )( V1 - V2 ) Như vậy tầng thứ nhất được xem là đầu vào vi sai, bộ khuếch đại ngõ ra vi sai. Kế đến OA3 là khuếch đại vi sai, vì thế: Vo = R2 / R1 ( Vo1 - Vo2 ) LUẬN VĂN TỐT NGHIỆP ĐẠI HỌC BÁCH KHOA TP.HCM SVTH: NGUYỄN MINH TRUNG - 125 - GVHD: TH.S LÊ CAO ĐĂNG NGUYỄN ANH TUẤN Kết hợp 2 phương trình cho: Vo = A(V2 - V1) 3 21 2 1I II R RA A A RG R               Cho thấy rằng toàn bộ độ lợi A là tích của tầng thứ nhất AI và tầng thứ hai AII. Độ lợi phụ thuộc và các tỉ số điện trở ngoài, vì thế nó cần dùng các điện trở có độ chính xác, ổn định cao. Vì OA1 và OA2 hoạt động theo nguyên tắc không đảo, điện trở vào vòng kín rất cao. Đồng thời điện trở ra vòng kín của OA3 rất thấp. Cuối cùng CMRR có thể cực đại bằng cách tinh chỉnh một trong các điện trở của tầng thứ hai. Để thay đổi độ lợi nhưng không ảnh hưởng đến cầu cân bằng, ta không tác động đến tầng thứ hai mà chỉ thay đổi RG . Bộ khuếch đại instrumentation dưới dạng IC có nhiều loại khác nhau ví dụ như AD620 (Analog Devices), INA101 (BurrBrown)… Những thiết bị này chứa tất cả các thành phần, ngoại trừ RG, mà có thể gắn thêm bên ngoài để thay đổi độ lợi từ 1V/V đến 103V/V. Như đã nói ở phần trên, tín hiệu điện tim có biên độ và tần số rất nhỏ so với điện áp chung của nhiễu cao (High common noise voltage), thêm vào đó là các điện cực ngày nay có trở kháng ngõ ra rất cao. Chính vì những đặc tính này mà khối khuếch đại cũng phải được thiết kế với trở kháng vào rất cao, dòng bias thấp, điện áp offset thấp và tỷ số triệt cách chung CMRR cao (> 80dB)[19]. Một thiết bị analog thuật toán AD620 đã đáp ứng được tất cả các đặc tính thiết kế trên. Đây chính là một công cụ lý tưởng để thiết kế ra một khối khuếch đại tương đối chính xác. LUẬN VĂN TỐT NGHIỆP ĐẠI HỌC BÁCH KHOA TP.HCM SVTH: NGUYỄN MINH TRUNG - 126 - GVHD: TH.S LÊ CAO ĐĂNG NGUYỄN ANH TUẤN Hình 6.4: Khuếch đại vi sai sử dụng IC AD620 Hình 6.5: Khuếch đại vi sai thiết kế trên thực tế LUẬN VĂN TỐT NGHIỆP ĐẠI HỌC BÁCH KHOA TP.HCM SVTH: NGUYỄN MINH TRUNG - 127 - GVHD: TH.S LÊ CAO ĐĂNG NGUYỄN ANH TUẤN Mạch bảo vệ đầu vào: Trong các mạch điện tử thì không thể thiếu mạch bảo vệ đầu vào, để đảm bảo an toàn cho các linh kiện trong mạch trong trường hợp xuất hiện những tín hiệu đầu vào vượt quá dải cho phép của các linh kiện. Đối với mạch xử lí tín hiệu y sinh còn quan trọng hơn bởi việc đo đạc tín hiệu được thu nhận trực tiếp trên cơ thể người. Trong trường hợp có nhiều thiết bị được sử dụng một lúc đối với một bệnh nhân thì không tránh khỏi những tín hiệu do các thiết bị này tác động lên nhau, cũng như nếu vô tình để bệnh nhân chạm phải nguồn cung cấp. Vì vậy mạch bảo vệ đầu vào là rất cần thiết. Trong mạch thu nhận tín hiệu EOG này mạch bảo vệ đầu vào gồm:  Mạch RC gồm R1 và C1, R3 và C2 để khử nhiễu lần cuối ở trạng thái bão hòa ngắn.  Phần cuối của mạch bảo vệ sử dụng một điện trở và 2 diode được nối trực tiếp với nguồn cung cấp (R2-D1-D2 và R4-D3-D4). Khối khuếch đại đo sử dụng IC AD620: Hình 6.6 : Sơ đồ mạch điện của IC AD620 Như đã trình bày phần trên, IC AD620 được tích hợp mạch khuếch đại vi sai 3 opam với các thông số phù hợp với yêu cầu của mạch điện thu nhận, nên nhóm sử dụng để làm mạch khuếch đại vi sai theo sơ đồ hình 6.4. LUẬN VĂN TỐT NGHIỆP ĐẠI HỌC BÁCH KHOA TP.HCM SVTH: NGUYỄN MINH TRUNG - 128 - GVHD: TH.S LÊ CAO ĐĂNG NGUYỄN ANH TUẤN Hệ số khuếch đại được tính theo công thức: K K Rg KG 22 1*2 4.494.491  Trở được chọn: RG = 1K G ≈ 50 VI.2.1.2. KHỐI LỌC NHIỄU: Ý nghĩa của khối lọc nhiễu: Tín hiệu mà ta thu được trên thực tế lúc nào cũng bị nhiễu nhiều so với tính toán lý thuyết. Do đó, để tín hiệu được thu nhận và thể hiện được đúng bản chất của nó thì ta nên dùng các loại khối lọc kể trên để loại bỏ bớt nhiễu đi. Sau khi loại bỏ nhiễu, tín hiệu cho ra sẽ trung thực hơn. Hình 6.7: Ý nghĩa của khối lọc Lọc nhiễu: Tín hiệu EOG sau khi qua bộ khuếch đại thuật toán vẫn còn bị ảnh hưởng bởi nhiễu. Do đó ta cần phải thiết kế một mạch lọc thông thấp (low-pass filter) để loại trừ các thành phần nhiễu ở tần số cao, một mạch lọc thông cao (high-pass filter) để loại bỏ các thành phần nhiễu DC (dòng trực tiếp). LUẬN VĂN TỐT NGHIỆP ĐẠI HỌC BÁCH KHOA TP.HCM SVTH: NGUYỄN MINH TRUNG - 129 - GVHD: TH.S LÊ CAO ĐĂNG NGUYỄN ANH TUẤN Do tín hiệu EOG có tần số từ 0.05Hz đến 50Hz nên ta thiết kế bộ lọc thông thấp có tần số cắt là 40Hz (Hình 6.6) và bộ lọc thông cao có tần số cắt là 0.05Hz (Hình 6.7). IC OP07 được sử dụng để thiết các bộ lọc với các thông số kỹ thuật phù hợp[20]. Ngoài ra, các dây dẫn điện lưới và các vật dẫn điện lưới đều sinh ra điện trường quanh nó. Điện trường này gây ảnh hưởng đến việc thu nhận tín hiệu EOG. Do điện áp lưới ở Việt Nam có tần số 50Hz nên điện trường mà nó sinh ra cũng biến thiên theo tần số trên. Sự biến thiên này sẽ sinh ra từ trường gây nhiễu tín hiệu EOG. Đó là lý do vì sao ta phải dùng mạch triệt nhiễu nguồn 50Hz. Hình 6.8: Lọc thông thấp với tần số cắt 40Hz Hình 6.9: Lọc thông cao với tần số cắt 0.05Hz LUẬN VĂN TỐT NGHIỆP ĐẠI HỌC BÁCH KHOA TP.HCM SVTH: NGUYỄN MINH TRUNG - 130 - GVHD: TH.S LÊ CAO ĐĂNG NGUYỄN ANH TUẤN Hình 6.10: Sơ đồ mạch lọc thông thấp và mạch lọc thông cao Tần số cắt của mạch lọc thông cao: HzRvRvCCfc 05.0**5*42 1   với Rv = 320 KΩ LUẬN VĂN TỐT NGHIỆP ĐẠI HỌC BÁCH KHOA TP.HCM SVTH: NGUYỄN MINH TRUNG - 131 - GVHD: TH.S LÊ CAO ĐĂNG NGUYỄN ANH TUẤN Hình 6.11: Mô phỏng trên Proteus ta thấy biên độ ngõ ra giảm 2 lần tại tần số cắt fc = 0.05 Hz Tần số cắt của mạch lọc thông thấp: HzRvRvCCfc 40**7*62 1   với Rv = 40 KΩ Hình 6.12: Mô phỏng trên Proteus ta thấy biên độ ngõ ra giảm 2 lần tại tần số cắt fc = 40 Hz LUẬN VĂN TỐT NGHIỆP ĐẠI HỌC BÁCH KHOA TP.HCM SVTH: NGUYỄN MINH TRUNG - 132 - GVHD: TH.S LÊ CAO ĐĂNG NGUYỄN ANH TUẤN Hình 6.13: Mạch lọc thông cao và thông thấp thiết kế trên thực tế Hình 6.14: Mạch lọc triệt nhiễu 50 Hz LUẬN VĂN TỐT NGHIỆP ĐẠI HỌC BÁCH KHOA TP.HCM SVTH: NGUYỄN MINH TRUNG - 133 - GVHD: TH.S LÊ CAO ĐĂNG NGUYỄN ANH TUẤN Công thức tính toán tần số cắt: 1 502cf HzRC  Với R = R11 = R12 = R15 = R16 = 33 KΩ C = C8 = C9 = C11 = C12 = 0.1 µF Hình 6.15: Mô phỏng Proteus, biên độ của sóng 50 Hz bị triệt bằng 0 Hình 6.16: Mạch triệt nhiễu 50 Hz trên thực tế LUẬN VĂN TỐT NGHIỆP ĐẠI HỌC BÁCH KHOA TP.HCM SVTH: NGUYỄN MINH TRUNG - 134 - GVHD: TH.S LÊ CAO ĐĂNG NGUYỄN ANH TUẤN VI.2.1.3. MẠCH KHUẾCH ĐẠI CUỐI (KHÔNG ĐẢO): Một mạch khuếch đại không đảo đơn giản được chỉ ra như ở hình 6.14. Để ổn định mạch khuếch đại, một phần tín hiệu ra được lấy quay trở về đầu vào đảo (hồi tiếp âm). Hình 6.17: Mạch khuếch đại không đảo Tương tự, từ tính chất trở kháng vào bằng vô cùng, có thể thấy rằng dòng chảy qua R2 sẽ bằng dòng chảy qua R1. R1 và R2 sẽ tạo thành mạch phân áp đối với điện áp ra Vr. Từ đó, suy ra hệ số khuếch đại: Các công thức trên đúng cho mạch khuếch đại thực tế có hệ số khuếch đại lớn và trở kháng vào cao. Chú ý: Từ công thức trên thấy rằng hệ số khuếch đại của mạch không đảo không thể nhỏ hơn 1, hệ số này chỉ bằng 1 khi R2 = 0 hoặc R1 = ∞. LUẬN VĂN TỐT NGHIỆP ĐẠI HỌC BÁCH KHOA TP.HCM SVTH: NGUYỄN MINH TRUNG - 135 - GVHD: TH.S LÊ CAO ĐĂNG NGUYỄN ANH TUẤN Hình 6.18: Mạch khuếch đại không đảo có điều chỉnh offset Từ sơ đồ thiết kế trên ta có thể tính hệ số khuếch đại của mạch: 1001 1001var 101   K K R RK Hình 6.19: Mô phỏng trên Proteus, tín hiệu được khuếch đại (không đảo) 100 lần LUẬN VĂN TỐT NGHIỆP ĐẠI HỌC BÁCH KHOA TP.HCM SVTH: NGUYỄN MINH TRUNG - 136 - GVHD: TH.S LÊ CAO ĐĂNG NGUYỄN ANH TUẤN Ngoài ra độ lợi có thể thay đổi bằng cách thay đổi giá trị biến trở 1 KΩ để có độ lợi lớn hơn. Hình 6.20: Mạch khuếch đại không đảo thiết kế trên thực tế VI.2.1.4. THIẾT KẾ BỘ NGUỒN: Để IC AD620 và OP07 hoạt động tốt thì cần có bộ nguồn ổn định ± 12V, sử dụng IC LM317[21] để tạo nguồn +12V và LM337[22] để tạo nguồn -12V. Điện áp ±12V có thể thay đổi được bằng biến trở 5 KΩ. Hình 6.21: Mạch tạo nguồn ±12V trên lý thuyết LUẬN VĂN TỐT NGHIỆP ĐẠI HỌC BÁCH KHOA TP.HCM SVTH: NGUYỄN MINH TRUNG - 137 - GVHD: TH.S LÊ CAO ĐĂNG NGUYỄN ANH TUẤN Hình 6.22: Mạch tạo nguồn ± 12V thiết kế trên thực tế VI.3. KẾT QUẢ: VI.3.1. MẠCH CẢNH BÁO BUỒN NGỦ 1: Nguyên lý: Dựa trên nguyên lý hoạt động giống hệ thống Driver Attention Warning của Saab đang được thử nghiệm tại Viện nghiên cứu Giao thông Thụy Điển: sử dụng hai camera hồng ngoại loại nhỏ, một chiếc được đặt trên cửa phía lái và một ở giữa bảng điều khiển trung tâm. Chúng chịu trách nhiệm ghi và phân tích chuyển động của mắt tài xế. Nếu các camera phát hiện thấy anh ta nhắm mắt trong khoảng thời gian lâu hơn bình thường, hệ thống sẽ rung chuông báo thức. Khi chớp mắt tín hiệu EOG theo chiều dọc (Vertical) sẽ có điện thế tăng trong khoảng thời gian rất ngắn (<0.5 s) sau đó trở về 0V. Khi nhắm mắt thì điện thế EOG cũng tăng nhưng không trở về 0V ngay lập tức mà có biên độ giảm dần cho đến khi mở mắt. Dựa vào hiện tượng trên có thể làm một mạch cảnh báo buồn ngủ bằng tín hiệu EOG khi tài xế nhắm mắt lâu hơn bình thường. LUẬN VĂN TỐT NGHIỆP ĐẠI HỌC BÁCH KHOA TP.HCM SVTH: NGUYỄN MINH TRUNG - 138 - GVHD: TH.S LÊ CAO ĐĂNG NGUYỄN ANH TUẤN Mạch so sánh điện áp: Hình 6.23: Mạch so sánh điện áp với IC LM311 Sử dụng IC LM311[23] là IC chuyên dụng dùng để so sánh điện áp. Tín hiệu từ tầng khuếch đại và lọc nhiễu được so sánh với điện áp ngưỡng. Điện áp ngưỡng có thể thay đổi được bằng biến trở 50KΩ. Điều này giúp cho thiết bị cảnh báo buồn ngủ 1 có thể được sử dụng cho các loại đối tượng khác nhau như khác nhau về tuổi tác, khác nhau về vùng da quanh mắt (vùng da dán điện cực) và đặc biệt là khác nhau về loại điện cực, chất lượng điện cực. Khi tín hiệu từ tầng khuếch đại và lọc nhiễu nhỏ hơn điện áp ngưỡng (khi mở mắt) thì ngõ ra output của IC LM311 có giá trị là 0V và ngược lại nếu lớn hơn điện áp ngưỡng ( khi nhắm mắt) thì ngõ ra output có giá trị là +12V. Như vậy tín hiệu sau khi đưa vào mạch này sẽ phát hiện được mắt đang nhắm hay mở:  Nhắm mắt : output = 12V  Mở mắt : output = 0V Mạch tạo độ trễ 0.5 s: Sử dụng mạch dao động tạo xung bằng IC 555[24] Hình 6.24: Mạch dao động tạo xung bằng IC 555 LUẬN VĂN TỐT NGHIỆP ĐẠI HỌC BÁCH KHOA TP.HCM SVTH: NGUYỄN MINH TRUNG - 139 - GVHD: TH.S LÊ CAO ĐĂNG NGUYỄN ANH TUẤN Mạch chỉ hoạt động khi tụ nạp đến 2/3 Vcc và thời gian nạp là một hằng số xác định được tính theo công thức: τ = (Ra + Rb).C Chọn Ra = 5 KΩ, Rb = 5 KΩ, C = 47μF τ ≈ 0.5s Kết hợp mạch so sánh và mạch tạo độ trễ 0.5 s: Cho ngõ output của mạch so sánh điện áp là nguồn nuôi (Vcc) của mạch IC555. Như vậy ta có bảng 6.1: Bảng trạng thái: Trạng thái mắt Output của mạch so sánh (V) IC555 Mở mắt 0 Không hoạt động (do không có Vcc cung cấp) Nhắm mắt < 0.5 s 12 Không hoạt động (do có nguồn cung cấp nhưng tụ điện chưa đủ thời gian nạp đến 2/3 Vcc). Nhắm mắt > 0.5 s 12 Hoạt động (do có nguồn cung cấp và tụ điện đủ thời gian nạp đến 2/3 Vcc). Như vậy nếu nhắm mắt lâu hơn 0.5 s sẽ có tín hiệu xuất ra từ chân số 3 của IC555, lúc này nếu mở mắt ra thì tín hiệu sẽ mất đi (chân số 3 không có tín hiệu)  thời gian cảnh báo quá ngắn. Để cảnh báo dài hơn (dù mở mắt thì vẫn có tín hiệu cảnh báo) dùng thêm một thyristor để giữ trạng thái: Hình 6.25: Thyristor MCR100-6 LUẬN VĂN TỐT NGHIỆP ĐẠI HỌC BÁCH KHOA TP.HCM SVTH: NGUYỄN MINH TRUNG - 140 - GVHD: TH.S LÊ CAO ĐĂNG NGUYỄN ANH TUẤN Nguyên lý hoạt động của Thyristor MCR100-6[25] được mô tả theo hình dưới: Hình 6.26: Nguyên lý hoạt động của thyristor MCR100-6 Khi khoá K1 đóng đèn D sáng, ngắt khoá K1 đèn D vẫn sáng giữ trạng thái Muốn tắt đèn D thì phải ngắt khoá K2 tức là phải ngắt nguồn điện cung cấp U2. Như vậy áp dụng nguyên lý hoạt động của thyristor để đưa vào mạch cảnh cáo buồn ngủ sẽ giúp cho tín hiệu cảnh báo kéo dài đủ để đánh thức tài xế và buộc tài xế phải nhận thức được là mình đang buồn ngủ bằng hành động tự tắt chế độ báo động. Hình 6.27: Mạch cảnh báo trên thực tế LUẬN VĂN TỐT NGHIỆP ĐẠI HỌC BÁCH KHOA TP.HCM SVTH: NGUYỄN MINH TRUNG - 141 - GVHD: TH.S LÊ CAO ĐĂNG NGUYỄN ANH TUẤN Sản phẩm thiết bị cảnh báo buồn ngủ 1: Hình 6.28: Thiết bị cảnh báo buồn ngủ 1 (nhìn thẳng) Hình 6.29: Thiết bị cảnh báo buồn ngủ 1 (nhìn nghiêng) LUẬN VĂN TỐT NGHIỆP ĐẠI HỌC BÁCH KHOA TP.HCM SVTH: NGUYỄN MINH TRUNG - 142 - GVHD: TH.S LÊ CAO ĐĂNG NGUYỄN ANH TUẤN VI.3.2. MẠCH CẢNH BÁO BUỒN NGỦ 2: Nguyên lý: Dựa trên cơ sở phân tích tín hiệu trong chương V, nhóm sẽ đưa ra dữ liệu để so sánh và mạch cảnh báo. Dữ liệu sau khi thu nhận sẽ được xử lý trong IC chuyên dụng DSPIC30F4013[26]. Đây là một IC với các đặc tính phù hợp với quá trình xử lý số. Toàn bộ quá trình xử lý tín hiệu như đã trình bày trong chương V sẽ được “nhúng” trên IC DSPIC30F4013. Nghĩa là IC sẽ lần lượt thực hiện lại quá trình xử lý tín hiệu bao gồm: khối ADC  khối FFT  khối lọc (sóng Alpha, sóng Beta) tính PSD tỉ số BAR. Các giải thuật trong chương trình xử lý trên IC DSPIC30F4013 hoàn toàn tương tự với các giải thuật xử lý trong chương V. Lưu ý: quá trình thu nhận và xử lý của thiết bị cảnh báo lần lượt sẽ được thực hiện qua các khối mạch như đã trình bày ở trên và IC DSPIC30F4013. Tín hiệu sau khi được xử lý trong IC sẽ được so sánh với các ngưỡng đã được kết luận trong chương V và xuất ra mạch cảnh báo . Toàn bộ quá trình thu nhận và xử lý sẽ được tiến hành một cách liên tục theo thời gian. Nếu tín hiệu đạt ngưỡng thì mạch cảnh báo sẽ được kích hoạt và cảnh báo bằng cách chớp đèn và phát âm thanh cảnh báo ra loa. Các thông số của thiết bị cảnh báo: Quá trình thu nhận và xử lý analog: được thực hiện bằng các khối mạch điện với các thông số giống với thiết bị cảnh báo 1. LUẬN VĂN TỐT NGHIỆP ĐẠI HỌC BÁCH KHOA TP.HCM SVTH: NGUYỄN MINH TRUNG - 143 - GVHD: TH.S LÊ CAO ĐĂNG NGUYỄN ANH TUẤN Quá trình xử lý số: được thực hiện trên IC DSPIC30F4013: bao gồm: khối ADC  khối FFT  khối lọc (sóng Alpha, và sóng Beta)  tính PSD  tỉ số BAR.  Khối ADC: tầm hoạt động 5 V, 10 bit biểu diễn, tốc độ lấy mẫu 103 Hz. Ta có: sai số lượng tử: eq_rms = 2A/(√12 * 2n) = 2*5/(√12 * 210) = 2.8 [mV] Tín hiệu có tầm hoạt động khoảng 0.05 mV 3.5 mV. Sau khi khuếch đại 3000 lần, tín hiệu khoảng 0.15 V 9 V cho nên sai số lượng tử là không đáng kể.  Khối FFT: dùng giải thuật FFT chia theo thời gian với N = 512  Khối lọc: gồm hai bộ lọc IIR bậc hai với tần số lọc lần lượt là 8 13 Hz và 13 30 Hz.  Khối tính PSD: công thức tính giống trong chương V. Tín hiệu được tính trong 5s (do đặc tính của IC không cho phép tính trong 10s). Trong 5s đầu, IC sẽ thực hiện PSD của 512 điểm (tương ứng với tốc độ lấy mẫu khoảng 103 Hz). Sau đó cứ 1s IC lại tính PSD của 512 điểm bao gồm 409 điểm của 4s trước đó và 103 điểm của 1s sau.  Tỉ số BAR: được tính từ PSD của sóng Alpha và Beta so sánh với ngưỡng liên tục cứ sau mỗi giây để cảnh báo kịp thời. Lưu ý: toàn bộ quá trình xử lý số được thực hiện trên IC DSPIC30F4013 của hãng Microchip. Giải thuật như đã trình bày các phần trên. Các thuật toán được viết bằng ngôn ngữ C. Trình biên dịch được sử dụng là MPLAB C30 và MPLAB IDE 8.40. Chương trình nạp Winpic800. Mạch nạp được sử dụng là GTP USB. Tất cả mạch nạp và các chương trình đều tương thích với IC DSPIC30F4013. Mạch cảnh báo: cảnh báo bằng led và bằng âm thanh phát ra loa. LUẬN VĂN TỐT NGHIỆP ĐẠI HỌC BÁCH KHOA TP.HCM SVTH: NGUYỄN MINH TRUNG - 144 - GVHD: TH.S LÊ CAO ĐĂNG NGUYỄN ANH TUẤN Hình 6.30: Khối xử lý số trên thực tế Hình 6.31: Mạch nạp GTP USB và khối xử lý trong thực tế LUẬN VĂN TỐT NGHIỆP ĐẠI HỌC BÁCH KHOA TP.HCM SVTH: NGUYỄN MINH TRUNG - 145 - GVHD: TH.S LÊ CAO ĐĂNG NGUYỄN ANH TUẤN CHƯƠNG VII: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN LUẬN VĂN TỐT NGHIỆP ĐẠI HỌC BÁCH KHOA TP.HCM SVTH: NGUYỄN MINH TRUNG - 146 - GVHD: TH.S LÊ CAO ĐĂNG NGUYỄN ANH TUẤN CHƯƠNG VII: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN VII.1. KẾT LUẬN: nhóm đã hoàn thành nhiệm vụ của luận văn, bao gồm: Khảo sát tín hiệu sinh học EOG: nhóm đã giải thích được tín hiệu EOG, các mối tương quan giữa tín hiệu và cấu trúc giải phẫu, sinh lý mắt; mối tương quan giữa tín hiệu và trạng thái ngủ. Khai thác và vận hành thiết bị MP_30 của hãng BIOPAC: nhóm đã vận hành thiết bị đo tín hiệu EOG, khai thác các tính năng thu nhận, xử lý tín hiệu. Thu nhận và xử lý tín hiệu EOG: nhóm đã thu nhận tín hiệu EOG trên 10 đối tượng (gồm 6 nam và 4 nữ) trong các trạng thái khác nhau (thức, ngủ trưa và ngủ tối). Dữ liệu thu được từ các đối tượng được xử lý theo giải thuật trình bày trong chương V và lưu lại để phục vụ cho nghiên cứu sau này. Thiết kế mạch cảnh báo buồn ngủ: nhóm đã trình bày tổng quan về lý thuyết mạch điện. Thiết kế mạch cảnh báo buồn ngủ. Chế tạo thiết bị cảnh báo buồn ngủ bằng led và phát tín hiệu cảnh báo ra loa. Thiết bị cảnh báo gồm hai loại, với mức độ tăng dần:  Thiết bị cảnh báo buồn ngủ 1: gồm các khối thu nhận và xử lý bằng phần cứng. Thiết bị dựa trên sự thay đổi theo chiều dọc của mắt để cảnh báo.  Thiết bị cảnh báo buồn ngủ 2: phát triển từ thiết bị cảnh báo buồn ngủ 1. Nó gồm các khối thu nhận bằng phần cứng và xử lý theo thời gian thực thực hiện bằng IC DSPIC30F4013. Thiết bị dựa trên sự thay đổi theo chiều ngang của mắt để cảnh báo. VII.2. HƯỚNG PHÁT TRIỂN: Nhóm đã bước đầu hoàn thành luận văn. Nhưng để hoàn thiện đề tài, nhóm đề ra hướng phát triển sau: Về lý thuyết: cơ bản đã đầy đủ (cơ sở sinh học, cơ sở mạch điện, sơ sở xử lý tín hiệu, phương pháp luận). LUẬN VĂN TỐT NGHIỆP ĐẠI HỌC BÁCH KHOA TP.HCM SVTH: NGUYỄN MINH TRUNG - 147 - GVHD: TH.S LÊ CAO ĐĂNG NGUYỄN ANH TUẤN Về thực hành:  Đối với giải thuật: tìm hiểu thêm các thành phần khác của tín hiệu EOG để có thể cơ sở đầy đủ về tín hiệu EOG. Từ đó đưa ra các giải thuật khác hoàn chỉnh hơn.  Đối với thiết bị: – Cần thu nhỏ lại thiết bị để có phù hợp với điều kiện thực tế là dành cho tài xế. – Các ngưỡng đưa ra để so sánh được thực hiện trên nhiều đối tượng sau đó lấy trung bình do đó không thể tránh khỏi sai số khi hoạt động trên các đối tượng khác nhau. Để khắc phục điều này cần phải thiết kế thêm các ngõ hồi tiếp có thể tự điều chỉnh phù hợp cho từng đối tượng. Ngoài ra, như đã trình bày ở các phần trên, tín hiệu EOG có thể phát triển thêm nhiều hướng khác. Nhóm đã trình bày các cơ sở sinh học, các mối tương quan với hệ thần kinh và giấc ngủ. Dựa vào đây, có thể phát triển theo hướng đánh giá chất lượng giấc ngủ (ứng dụng trong phát hiện và điều trị bệnh ngưng thở khi ngủ; chẩn đoán bệnh trầm cảm; ứng dụng trong gây mê….). Hoặc có thể phát triển theo hướng dùng mắt để vận hành thiết bị (dành cho những người khuyết tật..). Hoặc phát triển theo hướng kết hợp với các tín hiệu sinh học khác (điện tim, điện cơ, điện não….) để đánh giá chất lượng sức khỏe cũng như là một số bệnh về mắt (cận, viễn…). LUẬN VĂN TỐT NGHIỆP ĐẠI HỌC BÁCH KHOA TP.HCM SVTH: NGUYỄN MINH TRUNG - 148 - GVHD: TH.S LÊ CAO ĐĂNG NGUYỄN ANH TUẤN VII.3. TÀI LIỆU THAM KHẢO: [1] vietnam website/vnng/home mpc/passengercars/home/passenger cars word/innovation/future technologies/accident-free driving.html [2] [3] [4] Vũ Công Lập cùng các cộng sự (2009); Cơ Sở Vật Lý Y Sinh Học; Nhà xuất bản y học. [5] Eric R.Kandel, James H.Schwartz, Thomas M.Jessell (1991); Principles Of Neural Science (third edition); Appleton & Lange, Norwalk Connecticut. [6] Eric R.Kandel, James H.Schwartz, Thomas M.Jessell (2000); Principles Of Neural Science (fourth edition); McGraw-Hill Companies, Inc. [7] T.F.McAinsh (1986); Physics In Medicine & Biology Encyclopedia; Pergamon Press Ltd. [8] R. Amaya, D.Bedoya, M.Toro, EIA-CES Biomedical Engineering Program, Antioquia School of Engineering – CES University Medellín, Colombia; Electrooculogram Controling Movements Through The Eyes (Phase I). [9] Malcolm Brown et al (2006); ISCEV Standard for Clinical Electro- oculography (EOG); Springer Science+Business Media B.V. 2006. [10] Russell Conduit PhD, Department of Psychology, Monash University, AUSTRALIA; Polysomnographic_Recording. [11] BSL Hardware Guide; BIOPAC systems, Inc. [12] J.C. Uyehara, Ph.D, William McMullen; Physiology Lessons for use with the Biopac Student Lab; BIOPAC Systems, Inc. [13] TS. BS. TrầnDiệpTuấn, BộMônNhi, Đại HọcY Dược TP.HCM; Điện não đồ (Electroencephalography (EEG)). LUẬN VĂN TỐT NGHIỆP ĐẠI HỌC BÁCH KHOA TP.HCM SVTH: NGUYỄN MINH TRUNG - 149 - GVHD: TH.S LÊ CAO ĐĂNG NGUYỄN ANH TUẤN [14] PGS. Lê Tiến Thường (2004); Xử Lý Số Tín Hiệu và Wavelets; Nhà xuất bản Đại học Quốc Gia, TP.HCM. [15] Jussi Virkkala, Tampereen teknillinen yliopisto – Tampere University of Technology (2009); Automatic Sleep Stage Classification Using Electro- oculography; Thesis for the degree of Doctor of Philosophy to be prevented with due permission for public examination and criticism in Tietotalo Building, Auditorium TB222. [16] Michael H. Slber,et al; The Visual Scoring of Sleep in Adults; Journal of Clinical Sleep Medicine. [17] TS. Đinh Đức Anh Vũ; Xử Lý Số Tín Hiệu. [18] PGS. Trịnh Bỉnh Di (2001); Chuyên đề sinh lý “Sinh lý học trí tuệ” (tập 2); Nhà xuất bản y học, Hà Nội. [19] Datasheet AD620.pdf [20] Datasheet OP07.pdf [21] Datasheet LM317.pdf [22] Datasheet LM337.pdf [23] Datasheet LM311.pdf [24] Datasheet LM555.pdf [25] Datasheet MCR100-6.pdf [26] Datasheet DSPIC30F4013.pdf LUẬN VĂN TỐT NGHIỆP ĐẠI HỌC BÁCH KHOA TP.HCM SVTH: NGUYỄN MINH TRUNG - 150 - GVHD: TH.S LÊ CAO ĐĂNG NGUYỄN ANH TUẤN Saeid Sanei and J.A. Chambers (2007), Centre of Digital Signal Processing, Cardiff University, UK; EEG SIGNAL PROCESSING; John Wiley & Sons Ltd, The Atrium, Southern Gate, hichester, West Sussex PO19 8SQ, England. Zhao Lv, et al (2009), Development of a human computer Interface system using EOG; HEALTH (1); 39-46. SCOTT MAICEIG, TZYY-PING JUNG, and TERRENCE J. SEJNOWSKI, University of Cahyornia, San Diego; Awareness During Drowsiness: Dynamics and Electrop hysiologcal Correlates. A. Hussain, et al (2008); Novel Data Fusion Approach for Drowsiness Detection; Information Technology Journal 7 (1); 48-55. Lữ Trọng Nghĩa (2008); Đo Đạc Và Viết Chương Trình Xử Lý Tín Hiệu Điện Cơ Bề Mặt; Luận văn Đại học; Đại học Bách Khoa Tp. HCM. Quách Mỹ Phượng (2006); Thiết Kế Và Chế Tạo Thiết Bị Đo Tín Hiệu ECG Giao Tiếp Với Máy Tính; Luận văn Đại học; Đại học Bách Khoa Tp. HCM.