微弱生物电信号提取方法及其应用研究.pdf

中文摘要 摘 要 微弱生物电信号具有幅值小、噪声强的特点，因此能否有效去除微弱生物电 信号中的噪声并提取其特征信息对生物电信号的研究和临床应用具有重要意义。 本文在充分了解并分析了目前国内外在微弱生物电信号处理方法的基础上，结合 生物电信号和噪声的特点，利用近些年来信号处理领域的重大成就，对微弱生物 电信号进行噪声去除及特征提取。 本文综述了传统的微弱生物电信号处理方法，讨论了各种时频分析、盲源分 离方法的理论，其中重点讨论了小波变换、独立分量分析方法。在文中利用小波 变换去除脑电信号中的工频干扰及心电信号中的基线漂移；对 Infomax 及 Ex-Infomax 目标判据进行了仿真比较；对ICA 的实现方法进行了性能仿真；利用 ICA 的实现方法对微弱生物电信号进行噪声去除及特征提取。在文中，研究了微 弱生物电信号提取的综合分析方法。深入了解了癫痫脑电特征波形的综合提取方 法；根据诱发电位的特点，利用小波变换和叠加平均实现视觉诱发电位的少次提 取；利用ICA 和叠加平均实现诱发电位的少次提取。在基于ICA 算法和叠加平均 的诱发电位提取过程中，引入了参考源并讨论了参考源与混合信号中噪声相关性 对分离效果的影响。 关键词：微弱生物电信号，强噪声，多分辨率小波变换，独立分量分析 I 英文摘要 ABSTRACT Biomedical signals are always buried into the strong noise. Therefore, it’s very important to remove noise and extract feature signal for biomedical science research and medical diagnosis. Based on the knowledge of present methods used to process biomedical signals and the characteristics of mixed signals, we remove the noise and extract feature signal effectively by choosing Wavelet Transform(WT) and Independent Component Analysis(ICA) algorithms. It reviews the traditional signal processing methods used in biomedical domain firstly. Then it discusses the theory of various time-frequency analysis methods and blind source separation methods which are focused on WT and ICA algorithms. In the paper, it compares the performance of the Infomax and Extended Infomax algorithms. Some experiments are performed on recorded data to verify the effective of the WT on the removing of power line noise in EEG and baseline noise in ECG; some experiments indicate that ICA algorithms show excellent performance on removing noise and extracting feature si