生物醫(yī)學(xué)信號(hào)處理

生物醫(yī)學(xué)信號(hào)處理生命信息與儀器工程學(xué)院目錄contents生物醫(yī)學(xué)信號(hào)及其特點(diǎn)生物醫(yī)學(xué)信號(hào)檢測(cè)處理方概述生物醫(yī)學(xué)信號(hào)及其描述生物醫(yī)學(xué)信號(hào)處理的一般方法應(yīng)用研究5生物醫(yī)學(xué)信號(hào)及其特點(diǎn)生物醫(yī)學(xué)信號(hào)分類(lèi)生物醫(yī)學(xué)信號(hào)特點(diǎn)生物醫(yī)學(xué)信號(hào)處理的主要任務(wù)主題研究RESEARCHTOPIC生物醫(yī)學(xué)信號(hào)處理是生物醫(yī)學(xué)工程學(xué)的一個(gè)重要研究領(lǐng)域，也是近年來(lái)迅速發(fā)展的數(shù)字信號(hào)處理技術(shù)的一個(gè)重要的應(yīng)用方面，正是由于數(shù)字信號(hào)處理技術(shù)和生物醫(yī)學(xué)工程的緊密結(jié)合，才使得我們?cè)谏镝t(yī)學(xué)信號(hào)特征的檢測(cè)、提取及臨床應(yīng)用上有了新的手段，因而也幫助我們加深了對(duì)人體自身的認(rèn)識(shí)。生物醫(yī)學(xué)信號(hào)及其特點(diǎn)生物醫(yī)學(xué)信號(hào)及其特點(diǎn)生物醫(yī)學(xué)信號(hào)分類(lèi)人體中每時(shí)每刻都存在著大量的生命信息。由于我們的身體整個(gè)生命過(guò)程中都在不斷地實(shí)現(xiàn)著物理的、化學(xué)的及生物的變化，因此所產(chǎn)生的信息是極其復(fù)雜的。生物醫(yī)學(xué)信號(hào)“主動(dòng)性”信號(hào)物理信息電信號(hào)非電信號(hào)化學(xué)信息“被動(dòng)性”信號(hào)“主動(dòng)性”信號(hào)：由人體自發(fā)生產(chǎn)?！氨粍?dòng)性”信號(hào)：人體在外界施加某種刺激或某種物質(zhì)時(shí)所產(chǎn)生。生物醫(yī)學(xué)信號(hào)及其特點(diǎn)生物醫(yī)學(xué)信號(hào)分類(lèi)化學(xué)信息指組成人體的有機(jī)物在發(fā)生變化時(shí)所給出的信息，它屬于生物化學(xué)所研究的范疇。物理信息指人體各器官運(yùn)動(dòng)時(shí)所產(chǎn)生的信息。物理信息所表現(xiàn)出來(lái)的信號(hào)又可分為電信號(hào)和非電信號(hào)兩大類(lèi)。人體電信號(hào)體表心電（ECG）信號(hào)、腦電（EEG）、肌電（EMG）、眼電（EOG）、胃電（EGG）等在臨床上取得了不同程度的應(yīng)用。人體磁場(chǎng)信號(hào)檢測(cè)近年來(lái)也引起了國(guó)內(nèi)外研究者和臨床的高度重視。電信號(hào)是最便于檢測(cè)、提取和處理的信號(hào)。人體非電信號(hào)體溫、血壓、心音、心輸出量及肺潮氣量等，通過(guò)相應(yīng)的傳感器，即可轉(zhuǎn)變成電信號(hào)。生物醫(yī)學(xué)信號(hào)及其特點(diǎn)生物醫(yī)學(xué)信號(hào)特點(diǎn)信號(hào)弱直接從人體中檢測(cè)到的生理電信號(hào)其幅值一般比較小。如從母體腹部取到的胎兒心電信號(hào)僅為10～50μV，腦干聽(tīng)覺(jué)誘發(fā)響應(yīng)信號(hào)小于1μV，自發(fā)腦電信號(hào)約5～150μV。

因此，在處理各種生理信號(hào)之前要配置各種高性能的放大器。噪音強(qiáng)噪聲是指其它信號(hào)對(duì)所研究對(duì)象信號(hào)的干擾。

如誘發(fā)腦電信號(hào)中總是伴隨著較強(qiáng)的自發(fā)腦電；從母腹取到的胎兒心電信號(hào)常被較強(qiáng)的母親心電所淹沒(méi)。這給信號(hào)的檢測(cè)與處理帶來(lái)了困難。

因此要求采用一系列的有效的去除噪聲的算法。生物醫(yī)學(xué)信號(hào)及其特點(diǎn)典型生理信號(hào)測(cè)量范圍生物醫(yī)學(xué)信號(hào)及其特點(diǎn)生物醫(yī)學(xué)信號(hào)特點(diǎn)頻率范圍一般較低經(jīng)頻譜分析可知，除聲音信號(hào)（如心音）頻譜成分較高外，其它電生理信號(hào)的頻譜一般較低。如心電的頻譜為0.01～35Hz，腦電的頻譜分布在1～30Hz之間。

因此在信號(hào)的獲取、放大、處理時(shí)要充分考慮對(duì)信號(hào)的頻率響應(yīng)特性。隨機(jī)性強(qiáng)生物醫(yī)學(xué)信號(hào)是隨機(jī)信號(hào)，一般不能用確定的數(shù)學(xué)函數(shù)來(lái)描述，它的規(guī)律主要從大量統(tǒng)計(jì)結(jié)果中呈現(xiàn)出來(lái)。而且它往往是非平穩(wěn)的，即信號(hào)的統(tǒng)計(jì)特征（如均值、方差等）隨時(shí)間的變化而改變。

因此在信號(hào)處理時(shí)往往進(jìn)行相應(yīng)的理想化和簡(jiǎn)化：（1）當(dāng)信號(hào)非平穩(wěn)性變化不太快時(shí)，可以把它作為分段平穩(wěn)的準(zhǔn)平穩(wěn)信號(hào)來(lái)處理；（2）如果信號(hào)具有周期重復(fù)的節(jié)律性，只是周期和各周期的波形有一定程度的隨機(jī)變異，則可以作為周期平穩(wěn)的重復(fù)性信號(hào)來(lái)處理。（3）采用自適應(yīng)處理技術(shù)，使處理的參數(shù)自動(dòng)跟隨信號(hào)的非平穩(wěn)性而改變。生物醫(yī)學(xué)信號(hào)及其特點(diǎn)心電信號(hào)

ECG記錄了胸部電機(jī)上的電位（或兩個(gè)電極之間的電位差），反映了心肌中的時(shí)變電活動(dòng)，這些電活動(dòng)與動(dòng)作電位的產(chǎn)生和傳播相關(guān)。每次心跳產(chǎn)生一個(gè)電波序列。生物醫(yī)學(xué)信號(hào)及其特點(diǎn)心率信號(hào)100次連續(xù)心跳的瞬時(shí)心率信號(hào)（跳/分）生物醫(yī)學(xué)信號(hào)及其特點(diǎn)（1）．研究不同生物醫(yī)學(xué)信號(hào)檢測(cè)和提取的方法；（2）．研究突出信號(hào)本身、抑制或除去噪聲的各種算法；（3）．研究對(duì)不同信號(hào)的特征的提取算法；（4）．研究信號(hào)特征在臨床上的應(yīng)用。生物醫(yī)學(xué)信號(hào)處理的主要任務(wù)生物醫(yī)學(xué)信號(hào)及其特點(diǎn)生物醫(yī)學(xué)信號(hào)檢測(cè)處理方概述生物醫(yī)學(xué)信號(hào)的檢測(cè)生物醫(yī)學(xué)信號(hào)的處理方法數(shù)字信號(hào)處理技術(shù)的特點(diǎn)

生物醫(yī)學(xué)信號(hào)的檢測(cè)是指對(duì)生物體中包含的生命現(xiàn)象、狀態(tài)、性質(zhì)和成分等信息進(jìn)行檢測(cè)和量化的技術(shù)。涉及到人機(jī)接口技術(shù)、低噪聲和抗干擾技術(shù)、信號(hào)拾取、分析和處理等工程領(lǐng)域，同時(shí)也依賴(lài)于生命科學(xué)研究的進(jìn)展。生物醫(yī)學(xué)信號(hào)的檢測(cè)生物醫(yī)學(xué)信號(hào)的檢測(cè)和處理方法概述

（1）通過(guò)電極或者傳感器將生物信號(hào)轉(zhuǎn)換成電信號(hào)；（2）經(jīng)放大器和預(yù)處理器對(duì)信號(hào)進(jìn)行預(yù)處理和放大；（3）最后經(jīng)過(guò)A/D轉(zhuǎn)換器經(jīng)采樣后將數(shù)字信號(hào)送入計(jì)算機(jī)進(jìn)行處理。生物醫(yī)學(xué)信號(hào)檢測(cè)的步驟生物醫(yī)學(xué)信號(hào)的檢測(cè)和處理方法概述生物醫(yī)學(xué)信號(hào)計(jì)算機(jī)電極/傳感器放大器/預(yù)處理器A/D轉(zhuǎn)換器生物醫(yī)學(xué)信號(hào)的檢測(cè)和處理方法概述心電電極、心音傳感器、導(dǎo)聯(lián)線(xiàn)生物醫(yī)學(xué)信號(hào)的檢測(cè)和處理方法概述心電、心音信號(hào)放大器生物醫(yī)學(xué)信號(hào)的檢測(cè)和處理方法概述生物醫(yī)學(xué)信號(hào)檢測(cè)系統(tǒng)生物醫(yī)學(xué)信號(hào)的檢測(cè)和處理方法概述

生物醫(yī)學(xué)信號(hào)的處理是研究從被干擾和噪聲淹沒(méi)的信號(hào)中提取有用的生物醫(yī)學(xué)信息的特征并作模式分類(lèi)的方法。生物醫(yī)學(xué)信號(hào)具有隨機(jī)性強(qiáng)和噪聲背景強(qiáng)的特點(diǎn)，所以采用諸多數(shù)字處理技術(shù)進(jìn)行分析。生物醫(yī)學(xué)信號(hào)的檢測(cè)和處理方法概述生物醫(yī)學(xué)信號(hào)的處理方法

（1）對(duì)于信號(hào)時(shí)域分析的相干平均算法；（2）對(duì)信號(hào)頻域分析的快速傅里葉算法；（3）對(duì)平穩(wěn)隨機(jī)信號(hào)分析功率譜估計(jì)算法、參數(shù)模型方法；（4）對(duì)非平穩(wěn)隨機(jī)信號(hào)分析的短時(shí)傅里葉變換、小波變換等算法；（5）對(duì)信號(hào)的非線(xiàn)性處理方法如混沌與分形，人工神經(jīng)網(wǎng)絡(luò)算法生物醫(yī)學(xué)信號(hào)的處理方法生物醫(yī)學(xué)信號(hào)的檢測(cè)和處理方法概述

（1）算法靈活；（2）運(yùn)算精確；（3）抗干擾性強(qiáng)；（4）速度快；數(shù)字信號(hào)處理技術(shù)的特點(diǎn)生物醫(yī)學(xué)信號(hào)的檢測(cè)和處理方法概述生物醫(yī)學(xué)信號(hào)及其描述信號(hào)系統(tǒng)采樣信號(hào)

在信號(hào)處理領(lǐng)域，信號(hào)被定義為一個(gè)隨時(shí)間變化的物理量，例如心電監(jiān)護(hù)儀描記的病人的心電、呼吸等信號(hào)。信號(hào)一般可以表示為一個(gè)數(shù)學(xué)函數(shù)式，以x(t)表示，自變量t為時(shí)間，x(t)表示信號(hào)隨時(shí)間t的變化情況。信號(hào)分類(lèi)：（1）按信號(hào)取值的確定性與否，分為：確定性信號(hào)：周期信號(hào)： 非周期信號(hào)隨機(jī)信號(hào)：不能確定在某一給定時(shí)間的確切取值平穩(wěn)隨機(jī)信號(hào)非平穩(wěn)隨機(jī)信號(hào)生物醫(yī)學(xué)信號(hào)及其描述信號(hào)

（2）按信號(hào)的時(shí)間取值特點(diǎn)，分為：連續(xù)時(shí)間信號(hào)：t是定義在時(shí)間軸上的連續(xù)變化的量，稱(chēng)x(t)為連續(xù)時(shí)間信號(hào)（連續(xù)信號(hào)），或模擬信號(hào)。離散時(shí)間信號(hào)：如果t僅在時(shí)間軸上的離散點(diǎn)上取值，稱(chēng)x(t)為離散時(shí)間信號(hào)（離散信號(hào)）。生物醫(yī)學(xué)信號(hào)及其描述信號(hào)

一般來(lái)說(shuō)，離散信號(hào)的產(chǎn)生有兩種形式：（1）信號(hào)源本身產(chǎn)生的就是離散信號(hào)；（2）通過(guò)對(duì)連續(xù)信號(hào)的采樣得到。

例如在對(duì)病人監(jiān)護(hù)時(shí)每隔半小時(shí)測(cè)一次體溫，雖然病人的體溫是連續(xù)變化的，但采樣輸出的是離散信號(hào)，在一天內(nèi)得到48個(gè)采樣值，構(gòu)成了一個(gè)離散的體溫信號(hào)。生物醫(yī)學(xué)信號(hào)及其描述系統(tǒng)

系統(tǒng)（System）是指由若干相互作用和相互依賴(lài)的事物組合而成的具有某種特定功能的整體。在信號(hào)處理領(lǐng)域，我們把系統(tǒng)定義為物理器件的集合，它在受到輸入信號(hào)的激勵(lì)時(shí)，會(huì)產(chǎn)生輸出信號(hào)。輸入信號(hào)又稱(chēng)為激勵(lì)，輸出信號(hào)又稱(chēng)為響應(yīng)。生物醫(yī)學(xué)信號(hào)及其描述系統(tǒng)

對(duì)數(shù)字信號(hào)處理，系統(tǒng)可以抽象成一種變換，或一種運(yùn)算，將輸入序列x(n)變換成輸出序列y(n)。生物醫(yī)學(xué)信號(hào)及其描述系統(tǒng)

體表心電信號(hào)是心臟的電活動(dòng)通過(guò)人體傳到體表，通過(guò)電極拾取后得到的心電圖信號(hào)。心臟是心電圖的信號(hào)源，即x(t)，人體可以看作是一個(gè)容積導(dǎo)體，該導(dǎo)體可看作是系統(tǒng)T，x(t)經(jīng)過(guò)系統(tǒng)T后的輸出y(t)即是體表心電信號(hào)y(t)。生物醫(yī)學(xué)信號(hào)及其描述采樣

采樣是完成由連續(xù)時(shí)間信號(hào)轉(zhuǎn)換為離散時(shí)間信號(hào)的工具，采樣一般由A/D轉(zhuǎn)換器完成。A/D轉(zhuǎn)換器就如同一個(gè)電子開(kāi)關(guān)，如果設(shè)定采樣頻率F，則開(kāi)關(guān)每隔T=1/F秒短暫閉合一次，將連續(xù)信號(hào)接通，得到一個(gè)離散點(diǎn)的采樣值。假設(shè)開(kāi)關(guān)每次閉合的時(shí)間為τ秒（τ<<T），則采樣器的輸出是一串周期為T(mén)，寬度為τ，幅度為在這段τ時(shí)間內(nèi)原始信號(hào)的幅度的脈沖，將該輸出脈沖進(jìn)行幅度量化編碼后即得到采樣的數(shù)字信號(hào)。作為理想化的考慮，令τ→0，采樣輸出脈沖的幅度就精確地代表輸入信號(hào)在該離散時(shí)間點(diǎn)上的瞬時(shí)值，此時(shí)的采樣稱(chēng)為理想采樣。生物醫(yī)學(xué)信號(hào)及其描述采樣

采樣過(guò)程(a)電子開(kāi)關(guān)(b)實(shí)際采樣(c)理想采樣生物醫(yī)學(xué)信號(hào)及其描述采樣

在對(duì)模擬信號(hào)進(jìn)行采樣之前，應(yīng)了解模擬信號(hào)的特征－即幅度特征和頻率特征。在知道某一信號(hào)的特征后，就可以確定采樣頻率、采樣精度。采樣頻率－－即單位時(shí)間內(nèi)的采樣次數(shù)，單位為次/秒，簡(jiǎn)記為Hz。采樣精度－－對(duì)模擬信號(hào)采用多少位的數(shù)字來(lái)表達(dá)，常用的有8位，10位，12位，16位等。位數(shù)越多，精度越高。生物醫(yī)學(xué)信號(hào)及其描述采樣

Codewidth=smallestdetectablechangeinvoltage=AD的輸入范圍2nn=#ofADCbits

16-bitADC3-bitADCAmplitudecodewidthcTime02010012014040608010.009.757.506.255.003.752.501.250111110100011010001000生物醫(yī)學(xué)信號(hào)及其描述采樣

Nyquist采樣定理采樣率>2倍的信號(hào)最高頻率充分采樣由于欠采樣導(dǎo)致的混疊生物醫(yī)學(xué)信號(hào)及其描述生物醫(yī)學(xué)信號(hào)處理的一般方法相干平均算法相關(guān)技術(shù)頻域分析技術(shù)信號(hào)的濾波參數(shù)模型信號(hào)處理的一般方法在計(jì)算機(jī)普及應(yīng)用之前：信號(hào)處理裝置或系統(tǒng)由模擬器件和電路組成，如RLC電路，輸入輸出信號(hào)都是模擬信號(hào)。

隨著計(jì)算機(jī)和數(shù)字信號(hào)處理算法的發(fā)展，數(shù)字信號(hào)處理技術(shù)得到了飛速發(fā)展。

以下為數(shù)字信號(hào)處理的基本方法：（1）相干平均算法（2）相關(guān)技術(shù)（3）頻域分析技術(shù)（4）信號(hào)的濾波（5）參數(shù)模型生物醫(yī)學(xué)信號(hào)處理的一般方法相干平均算法相干平均(CoherentAverage)主要應(yīng)用于能多次重復(fù)出現(xiàn)的信號(hào)的提取。如果待檢測(cè)的醫(yī)學(xué)信號(hào)與噪聲重疊在一起信號(hào)：重復(fù)出現(xiàn)

噪聲：隨機(jī)信號(hào)可用疊加法提高信噪比，從而提取有用的信號(hào)。疊加方法：按固定周期或固定觸發(fā)時(shí)刻進(jìn)行疊加。生物醫(yī)學(xué)信號(hào)處理的一般方法相干平均算法效果估計(jì)：

其中yi(t)為含有噪聲的待檢測(cè)信號(hào)，其中s(t)為重復(fù)出現(xiàn)的有用信號(hào)，ni(t)為隨機(jī)噪聲。經(jīng)N次疊加后求平均，則：生物醫(yī)學(xué)信號(hào)處理的一般方法相干平均算法若信號(hào)s(t)的功率為P，噪聲ni(t)的方差為δ2，那么對(duì)每一個(gè)yi(t)，其信噪比為P/δ2。經(jīng)N次平均后，噪聲的方差變?yōu)棣?/N，所以平均后信號(hào)的信噪比為N·P/δ2

，提高了N倍。生物醫(yī)學(xué)信號(hào)處理的一般方法生物醫(yī)學(xué)信號(hào)處理的一般方法信號(hào)的相關(guān)函數(shù)反映了兩個(gè)信號(hào)之間的相互關(guān)連的程度。相關(guān)技術(shù)相關(guān)函數(shù)互相關(guān)函數(shù)（Across-correlationFuntion）rxy自相關(guān)函數(shù)（AutocorrelationFunction）rxx生物醫(yī)學(xué)信號(hào)處理的一般方法信號(hào)的相關(guān)函數(shù)反映了兩個(gè)信號(hào)之間的相互關(guān)連的程度。相關(guān)技術(shù)設(shè)有兩個(gè)信號(hào)x(n)和y(n)，定義它們的互相關(guān)函數(shù)（Across-correlationFuntion）rxy為：

它表示x(n)不動(dòng)，將y(n)在時(shí)間軸上左移或右移（m為正數(shù)時(shí)左移，m為負(fù)數(shù)時(shí)右移）m個(gè)時(shí)間間隔后，分別與x(n)逐點(diǎn)對(duì)應(yīng)相乘后求和，得到該m點(diǎn)時(shí)刻的相關(guān)函數(shù)值rxy(m)。

以m為橫軸，rxy(m)為縱軸可畫(huà)出相關(guān)函數(shù)曲線(xiàn)，該曲線(xiàn)反映了x(n)和y(n)的相似程度。生物醫(yī)學(xué)信號(hào)處理的一般方法信號(hào)的相關(guān)函數(shù)反映了兩個(gè)信號(hào)之間的相互關(guān)連的程度。相關(guān)技術(shù)一個(gè)信號(hào)x(n)的自相關(guān)函數(shù)（AutocorrelationFunction）rxx定義為：

其中，rxx(0)反映了信號(hào)x(n)自身的能量。rxx(m)是偶函數(shù)，rxx(0)是其中的最大值。

自相關(guān)函數(shù)曲線(xiàn)可反映信號(hào)自身的周期性和噪聲水平。生物醫(yī)學(xué)信號(hào)處理的一般方法信號(hào)的相關(guān)函數(shù)反映了兩個(gè)信號(hào)之間的相互關(guān)連的程度。相關(guān)技術(shù)一個(gè)信號(hào)x(n)的自相關(guān)函數(shù)（AutocorrelationFunction）rxx定義為：

其中，rxx(0)反映了信號(hào)x(n)自身的能量。rxx(m)是偶函數(shù)，rxx(0)是其中的最大值。

自相關(guān)函數(shù)曲線(xiàn)可反映信號(hào)自身的周期性和噪聲水平。生物醫(yī)學(xué)信號(hào)處理的一般方法相關(guān)技術(shù)生物醫(yī)學(xué)信號(hào)處理的一般方法判斷在一個(gè)含有噪聲的記錄中有無(wú)我們所希望的信號(hào)。設(shè)記錄到的信號(hào)：

其中s(n)為信號(hào)，η(n)為白噪聲（白噪聲是指其頻譜為一非零常數(shù)的噪聲），現(xiàn)在我們不知道當(dāng)前記錄到的y(n)中是否存在s(n)，但我們根據(jù)以前的工作已知道關(guān)于s(n)的相關(guān)知識(shí)，因此我們可以做y(n)與s(n)的互相關(guān)：

通常我們認(rèn)為信號(hào)與白噪聲是不相關(guān)的，因此rηs(m)等于零，于是rys(m)=rss(m)。因此可以根據(jù)互相關(guān)函數(shù)rys(m)與自相關(guān)函數(shù)rss(m)是否相等來(lái)判斷在y(n)中是否含有信號(hào)s(n)。相關(guān)技術(shù)生物醫(yī)學(xué)信號(hào)處理的一般方法相關(guān)技術(shù)生物醫(yī)學(xué)信號(hào)處理的一般方法頻域分析技術(shù)對(duì)于信號(hào)x(t)或x(n)，我們可以在時(shí)域直接對(duì)其進(jìn)行分析，如濾波、求相關(guān)函數(shù)、相干平均、特征提取等，然而，對(duì)信號(hào)特征的深入研究，往往轉(zhuǎn)換到頻域進(jìn)行分析，有助于加深對(duì)信號(hào)特征的認(rèn)識(shí)。頻域分析的一個(gè)典型應(yīng)用即是對(duì)信號(hào)進(jìn)行傅立葉變換，研究信號(hào)所包含的各種頻率成分。生物醫(yī)學(xué)信號(hào)處理的一般方法頻域分析技術(shù)我們知道，對(duì)于一個(gè)周期信號(hào)，如正弦波信號(hào)：y=sin(ωt)，具有一個(gè)單一的頻譜值ω。而對(duì)于任意一個(gè)周期信號(hào)f(t)都可用傅立葉級(jí)數(shù)表示為：其中，即任何一個(gè)周期函數(shù)都可以展開(kāi)成為頻率值為基頻ω和其m次倍頻mω的三角函數(shù)和的形式，系數(shù)am即為信號(hào)f(t)所包含的該頻率成分的頻譜。生物醫(yī)學(xué)信號(hào)處理的一般方法頻域分析技術(shù)進(jìn)一步推廣，若取實(shí)際的有限長(zhǎng)離散采樣信號(hào)x(n)，可以將該有限長(zhǎng)信號(hào)看作是周期信號(hào)的一個(gè)基本周期，同樣可以應(yīng)用傅立葉級(jí)數(shù)理論，計(jì)算x(n)的頻譜，得到離散傅立葉變換公式：應(yīng)用該公式計(jì)算離散傅立葉變換有一個(gè)快速算法，這就是著名的快速傅立葉變換（FFT）。生物醫(yī)學(xué)信號(hào)處理的一般方法頻域分析技術(shù)傅立葉變換只能對(duì)確定性信號(hào)進(jìn)行分析，而隨機(jī)信號(hào)在時(shí)間上是無(wú)限的，在樣本上是無(wú)窮多，其傅立葉變換不存在，因此，對(duì)隨機(jī)信號(hào)只能計(jì)算信號(hào)的功率譜。信號(hào)的功率譜可以由信號(hào)的相關(guān)函數(shù)計(jì)算得到：

因此，只要我們能求出信號(hào)的相關(guān)函數(shù)rxx(m)，即可求出信號(hào)x(n)的功率譜。但是，真正的rxx(m)也很難求出，要靠由x(n)估計(jì)出來(lái)，這就是功率譜估計(jì)。

功率譜估計(jì)在生物醫(yī)學(xué)信號(hào)處理中應(yīng)用極為廣泛，如在心電、心音、腦電等處理中取得了良好的效果。生物醫(yī)學(xué)信號(hào)處理的一般方法在對(duì)醫(yī)學(xué)信號(hào)進(jìn)行檢測(cè)分析時(shí)，由于生物醫(yī)學(xué)信號(hào)總是不可避免的伴隨著不同頻率的噪聲干擾，為了有效的提取信號(hào)，抑制噪聲，需要使用相應(yīng)的濾波器進(jìn)行濾波。

數(shù)字濾波器是數(shù)字信號(hào)處理中使用的最廣泛的一種線(xiàn)性系統(tǒng)，是數(shù)字信號(hào)處理的重要基礎(chǔ)。信號(hào)的濾波生物醫(yī)學(xué)信號(hào)處理的一般方法數(shù)字濾波器作為一個(gè)線(xiàn)性系統(tǒng)，系統(tǒng)的輸入x(t)包含信號(hào)s(t)和干擾n(t)，如果s(t)和n(t)在頻譜上不重疊，即可通過(guò)一個(gè)特定的濾波器系統(tǒng)濾除干擾n(t)，得到的輸出y(t)近似地等于s(t)。信號(hào)的濾波生物醫(yī)學(xué)信號(hào)處理的一般方法濾波器有四種頻率響應(yīng)特性：

低通、高通、帶通、帶阻低通濾波器有一個(gè)截止頻率ω0，只允許頻率低于ω0的頻率成分通過(guò)，凡是輸入信號(hào)中頻率成分高于ω0的均被濾除，因此在輸出信號(hào)y(t)中只含有低于ω0的頻率成分。高通濾波器正好相反，只允許頻率高于ω0的頻率成分通過(guò)。帶通濾波器有上下邊帶截止頻率ω1和ω2，只允許ω1<ω<ω2的頻率成分通過(guò)。帶阻濾波器阻止ω1<ω<ω2的頻率成分通過(guò)。信號(hào)的濾波生物醫(yī)學(xué)信號(hào)處理的一般方法

信號(hào)的濾波低通高通帶通生物醫(yī)學(xué)信號(hào)處理的一般方法參數(shù)模型技術(shù)是近年來(lái)得到迅速發(fā)展的新技術(shù)，受到人們的普遍關(guān)注。在對(duì)隨機(jī)過(guò)程的研究中，由于我們不能得到一個(gè)隨機(jī)過(guò)程的完整描述，只能得到它們有限次的有限長(zhǎng)的觀(guān)察值，因此我們希望能用一個(gè)數(shù)學(xué)模型來(lái)模擬我們要研究的隨機(jī)過(guò)程，使該模型的輸出等于或近似該過(guò)程。參數(shù)模型生物醫(yī)學(xué)信號(hào)處理的一般方法我們用一個(gè)白噪聲u(n)作為輸入去激勵(lì)一個(gè)系統(tǒng)h(n)，得到輸出x(n)，如果滿(mǎn)足：

該系統(tǒng)稱(chēng)為自回歸模型（AR模型）或線(xiàn)性預(yù)測(cè)模型，其物理意義是：模型現(xiàn)在的輸出x(n)是由現(xiàn)在的輸入u(n)和過(guò)去的p個(gè)輸出的線(xiàn)性加權(quán)得到。只要我們能求出系數(shù)，即可確定模型參數(shù)。通過(guò)該模型，可以完成很多有價(jià)值的研究工作，例如，可以估計(jì)信號(hào)x(n)的功率譜、進(jìn)行各種特征分析、判別分析等工作。參數(shù)模型生物醫(yī)學(xué)信號(hào)處理的一般方法應(yīng)用AR模型估計(jì)信號(hào)的功率譜：已知采樣信號(hào)x(n)

我們用一個(gè)白噪聲u(n)作為輸入去激勵(lì)一個(gè)系統(tǒng)h(n)，使其能夠得到輸出x(n)，建立系統(tǒng)的AR模型：若可以求出模型的系數(shù)ak和常數(shù)δ2w，則可用下式計(jì)算信號(hào)的功率譜：參數(shù)模型生物醫(yī)學(xué)信號(hào)處理的一般方法以上我們簡(jiǎn)要介紹了生物醫(yī)學(xué)信號(hào)處理的幾種基本方法。當(dāng)然，信號(hào)處理的內(nèi)容非常豐富，例如多采樣率信號(hào)處理、非平穩(wěn)信號(hào)的時(shí)頻分布、同態(tài)濾波、自適應(yīng)濾波、小波變換、人工神經(jīng)網(wǎng)絡(luò)、混沌與分形等方法，在生物醫(yī)學(xué)信號(hào)處理領(lǐng)域得到了廣泛的應(yīng)用?？偨Y(jié)應(yīng)用研究腦電信號(hào)應(yīng)用心音信號(hào)的處理5應(yīng)用研究腦電信號(hào)的處理

腦電信號(hào)是人體的一種基本生理信號(hào),具有重要的臨床診斷和治療價(jià)值。由于腦電信號(hào)的自身非平穩(wěn)性隨機(jī)特點(diǎn),使得對(duì)它的研究成為一項(xiàng)具有相當(dāng)難度的課題。應(yīng)用研究

1.臨床醫(yī)學(xué)方面,腦電信號(hào)處理可以為某些腦疾病提供診斷依據(jù)和提供有效的治療手段。2.同時(shí),隨著近年來(lái)計(jì)算機(jī)應(yīng)用技術(shù)的發(fā)展,腦-計(jì)算機(jī)接口技術(shù)迅速發(fā)展。腦-機(jī)接口利用人們對(duì)特定感覺(jué)或者感知活動(dòng)的腦電的不同,對(duì)腦電信號(hào)進(jìn)行有效提取和分類(lèi)達(dá)到某種控制目的。應(yīng)用研究1.1932年Dietch首先用傅里葉變換進(jìn)行了腦電分析。2.相繼引入了頻域分析、時(shí)域分析、時(shí)頻分析等方法。3.隨著計(jì)算機(jī)技術(shù)、信號(hào)處理技術(shù)以及現(xiàn)代電子技術(shù)發(fā)展,神經(jīng)網(wǎng)絡(luò)、非線(xiàn)性動(dòng)力學(xué)等新方法應(yīng)運(yùn)而生。技術(shù)發(fā)展應(yīng)用研究1.時(shí)域分析，直接從時(shí)域提取特征的方法優(yōu)點(diǎn)：直觀(guān)性強(qiáng)，物理意義比較明確；

缺點(diǎn)：大腦各個(gè)區(qū)域的腦電活動(dòng)情況不能得到直觀(guān)反映。：大腦各個(gè)區(qū)域的腦電活動(dòng)情況不能得到直觀(guān)反映

應(yīng)用：反映癲癇信息的棘慢波,反映睡眠信息的梭形波等瞬態(tài)波。形應(yīng)用研究2.頻域分析，基于各頻段功率、相干等的分析方法。意義在于把幅度隨時(shí)間變化的腦電波變換為腦電功率隨頻率變化的譜圖。但是忽略了信號(hào)在時(shí)間上的分辨率。

3.時(shí)頻域分析，把時(shí)域和頻域結(jié)合起來(lái)的方法。在EEG（腦電圖掃描記）中許多病變都是以瞬態(tài)形式表現(xiàn)的,只有把時(shí)間和頻率結(jié)合起來(lái)進(jìn)行處理,才能取得更好的結(jié)果。應(yīng)用研究4.Wigner分布(Wignerdistribution,WD)由1932年維格納從量子力學(xué)角度提出的,1948年維利對(duì)它重新介紹。WD是一種非常有用的數(shù)學(xué)工具,也是一種時(shí)頻混合的信號(hào)表示方法。與其他時(shí)頻分析方法相比,最大的優(yōu)勢(shì)在于具有最簡(jiǎn)單的形式可以同時(shí)進(jìn)行時(shí)域和頻域分析。與STFT相比,在時(shí)間和頻率域上都有很高的分辨率,并能把兩者結(jié)合起來(lái)。而且WD的各階矩具有明確的物理意義,這種特有的性質(zhì)很適合腦電信號(hào)的特征提取。應(yīng)用研究

5.人工神經(jīng)網(wǎng)絡(luò)

（ArtificalNeuralNetwork）

人工神經(jīng)網(wǎng)絡(luò)是人類(lèi)在對(duì)大腦及大腦神經(jīng)網(wǎng)絡(luò)認(rèn)識(shí)理解的基礎(chǔ)上,人工構(gòu)造的能夠?qū)崿F(xiàn)某種功能的網(wǎng)絡(luò);是基于模仿大腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和功能而建立起來(lái)的一種信息處理系統(tǒng)。它是人腦及其活動(dòng)的一個(gè)理論化的數(shù)學(xué)模型,是由大量簡(jiǎn)單處理單元相互連接而成的復(fù)雜網(wǎng)絡(luò),是具有高度的非線(xiàn)性、能夠進(jìn)行復(fù)雜的邏輯操作和實(shí)現(xiàn)非線(xiàn)性關(guān)系的系統(tǒng)。神經(jīng)網(wǎng)絡(luò)廣泛應(yīng)用于腦電信號(hào)的非線(xiàn)性預(yù)測(cè)和腦電信號(hào)的特征提取。第2/4頁(yè)第1期腦電信號(hào)處理方法#101#征提取應(yīng)用研究腦機(jī)接口（BrainComputerInterface,BCI)

腦機(jī)接口是在人腦與計(jì)算機(jī)或其它電子設(shè)備之間建立的直接的交流和控制通道