% _________________________________________________________________________
% иииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииии
% PREDICTION OF ACUTE HYPOTENSIVE EPISODES USING NEURAL NETWORK MULTIMODELS
% _________________________________________________________________________
% иииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииии
%        Copyright (C) 2009 
%          : Jorge Henriques ...  <jh@dei.uc.pt>, 
%          : Teresa Rocha    ...  <teresa@sun.isec.pt>
%        This software is released under the terms of the GNU 
%        General Public License (http://www.gnu.org/copyleft/gpl.html)
% иииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииии
% mmConverte.m
%__________________________________________________________________________
% иииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииии
% Normalisation of ABP signals 
%__________________________________________________________________________
% иииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииии


function Y=mmConverte( BASE, X, LIM)

BASE=BASE(:);
X   =X(:);

B1=BASE(1:LIM);
X1=X(1:LIM);
bmin=min(B1);
xmin=min(X1);
bmax=max(B1);
xmax=max(X1);
bs=std(B1);
xs=std(X1);
bm=mean(B1);
xm=mean(X1);

Y = X - X(LIM) + BASE(LIM);
Y = bmin + (X-xmin)*(bmax-bmin)/(xmax-xmin);