生物医学信号实验分析报告.docVIP

生物医学信号分析和处理 实验报告 姓名：郑斌 班级：0611002 学号：2010212419 专业：生物医学工程 时间：2013年6月15日 实验一离散时间系统基本概念的Matlab仿真 一 实验目的 1 理解离散序列的定义、基本运算及其计算机实现 2 熟悉理想采样的性质，了解信号采样前后的频谱变化，加深对采样定理的理解 3 熟悉离散信号和系统的时域特性 4 掌握线性卷积的计算机编程方法：利用卷积的方法，观察、分析系统响应的时域特性 二 实验内容、步骤及结果 1、基本序列的计算机产生 （1）单位抽样序列 （2）单位阶跃序列 （3）两个信号相加 （4）两个信号相乘 （5）序列移位 2、利用基本序列产生给定序列并绘制图形 3、利用线性卷积完成线性系统的输出 4、线性时不变系统的差分方程 5、采样频率对频域特性的影响 6、对函数进行内插重构 实验二随机信号的数字特征分析 一 实验目的 了解随机信号的特征。 掌握随机信号的数字特征分析算法 二 实验内容和步骤 用matlab编制程序，分析信号的数字特征，包括均值、方差、均方值、协方差。可以使用matlab自带函数。观察信号的直方图，粗略估计其概率分布。 伪随机序列： 序列均值：0.0177 序列均方差：1.0502 序列方差：1.0502 可以看出它的概率分布集中在[-1,1]之间。 信号2：实际采集的生物医学信号（脑电，心电等）。 三 思考题 （1）改变每段数据长度，观察各段数字特征的分布情况。数据长度对于数字特征估计值有什么样的影响？ 答;当数据长度增大时，对随机信号而言，其均值更接近0，而方差更趋近于1，对心电信号而言，其均值更稳定的趋近于某一固定值，而其方差更小。当数据长度变小时，随机信号的变化刚好与上述结论相反；心电信号的均值变化不大，单方差明显增大！ （2）观察伪随机序列，心电信号和脑电信号的直方图，它们之间是否相似？ 答;伪随机序列与心电信号直方图差距明显，其分布区间不同.所以不相似。 （3）通过同一数据分段估计数字特征，大致判断该数据是否可以看作广义平稳。 答;可以 实验三随机信号的线性谱估计方法 一 设计目的 1 利用自相关函数法和周期图法实现随机信号的功率谱估计。 2 观察数据长度、自相关序列长度、信噪比、窗函数、平均次数等对谱估计的分辨率、稳定性、主瓣宽度和旁瓣效应的影响。 3 学习使用FFT提高谱估计的运算速度。 4 体会线性谱估计方法的优缺点。 二 实验内容、步骤及结果 1、仔细阅读有关线性谱估计的内容，按照下图给出的框图编制自相关函数法谱估计程序。 1、自相关函数法谱估计结果： 上图为M=10的谱估计，当M值变大时，我们取M=100，发现主瓣的宽度明显变窄，而旁瓣的值明显增大，如下图所示： 当M值变小时，我们取M=1，发现主瓣宽度明显增大，而旁瓣的值变小，且衰减速率更慢 当我们采用汉明窗进行加窗时，我们发现主瓣宽度变大，而旁瓣的值变小，更加平缓，结果如下图： 改变Φ=pi/4时，初始相位发生变化，它对谱估计的影响很小，几乎无影响，如下图所示： 当改变σ=1时，信噪比发生变化，这时我们发现它的谱估计变得不稳定，每次主瓣峰值都会发生变化，旁瓣也不稳定，结果如下图所示： 令N=10，σ=1时，数据长度与信噪比都发生变化，主瓣宽度和峰值对应频率都发生变化，旁瓣更加不稳定，两者都随机变化，如下图所示： 2.利用周期图方法重复以上的内容结果如下 上图为M=10的谱估计，当M值变大时，我们取M=50，发现主瓣的宽度明显变窄，更加集中，而旁瓣的衰减速率明显增大，旁瓣的值变小，如下图所示： 当M值变小时，我们取M=5，发现主瓣宽度明显增大，主板峰值更小，而旁瓣的值变小，且衰减速率更慢！如下图所示： 改变Φ=pi/4时，初始相位发生变化，它对谱估计的影响很小，几乎无影响，如下图所示： 当改变σ=1时，信噪比发生变化，这时我们发现它的谱估计变得不稳定，每次的主瓣峰值都会发生变化，主瓣宽度变化不明显，旁瓣也不稳定，其值变大且衰减速率更慢，结果如下图所示： 实验四 Yule-Walker方程 一 实验目的 学习求解Yule-Walker方程，建立随机信号的AR模型。 二 实验内容及结果 编写求解Yule-Walker方程的程序，并对实际生理信号（例如脑电、心电等）建立AR模型。 对同一数据，使用matlab信号处理工具箱自带函数aryule计算相同阶数AR模型系数，检验程序是否正确。 用伪随机序列（白噪声）驱动AR模型，观察输出是否与真实脑电信号相似，对比真实信号与仿真信号的功率谱 上图是当P=12阶时，得到的仿真结果，改变P值后，我们发现，当P值增大时，仿真图形更加稳定，而当P值变小后，仿真图变得不稳定，如下图所示： 当P=50时: 当P=5时： 实验五维纳滤波器的计算机实