Розроблено метод вейвлет-аналізу на основі функцій Кравчука, який дозволяє дослідити тонкі структури ЕКГ та з високою точністю представити локальні особливості сигналів у часі. Використання функцій Кравчука та методу гіперкомплексних систем забезпечує інваріантність виділення інформативних ознак сигналу. Кластерізація динаміки ЧСС людини за нейронною мережею Кохонена та вейвлет-аналізом на основі функцій Кравчука виявила зміну стану обстежуваного при зміні типу та складності когнітивного навантаження впродовж обстеження.
The method of wavelet analysis based on Krawtchouk functions is developed. This method allows to investigate thin structures of EKG and to present the local features in time with high accuracy. Employment of Krawtchouk functions and a method of hypercomplex systems ensure invariance of extraction of informative features of a signal. The clusterization of dynamics of cardiac rhythm of the person with Kohonen neural network and wavelet analysis based on Krawtchouk functions have revealed change of a state of investigated at change of type and complexity of cognitive loads at inspection.
