第七章h生物医学信号处理说课.ppt

EEG中的眼电伪迹去除 眼电成分：垂直眼电（眨眼）、水平眼电、径向眼电。其中眨眼频率一般小于5HZ，时程不超过200~300ms 分离方法： 有参考信号：回归模型法 无参考信号：带通滤波、平滑滤波、小波分解、ICA、经验模态分解（EMD）等。 经验模态分解Empirical Mode Decompositon EMD将信号分解成一系列IMF和一个趋势函数。 本质模态函数（intrinsic mode functions, IMF） 局部极大值和局部极小值数目之和必须与过零点的数目相等或是最多只能差1，也就是说一个极值后面必需马上接一个零交越点 在任何时间点，局部最大值所定义的上包络线(upper envelope)与局部极小值所定义的下包络线，取平均要接近为零 一个函数若属于IMF，代表其波形局部对称于零平均值。 大作业 对于提供的16导脑电信号（采样率200Hz），用两种不同方法进行眨眼眼电成分提取。 提交：matlab程序（程序最终按顺序画出原始波形，眼电成分波形，去除眼电后的波形），以及研究论文（包括两种方法的原理介绍，实现算法和流程图，结果，以及两种算法的比较讨论）。论文请按正规学术论文格式书写，并列出参考文献。 所有文件打包，已学号姓名为压缩文件名提交至huang_xiaolin@163.com Deadline: 1月10号 随机信号分析 随机信号:给定自变量的值，不能确定信号的取值,只能确定信号取该值的概率。即使信号的全部过去值已知，也不能准确预测其未来值的一类信号。大多数生物医学信号包含有随机信号。严格地说，实际的物理信号总具有某些随机因素。 概率密度函数 均值、方差等统计量 功率谱 心率变异性分析 心率变异性：连续心跳间期的微小涨落。 时域分析 统计方法 均值 标准差SDNN= （ms） RMSSD= （ms） NN50(pNN50)：连续RR间期差大于50ms的个数(比例) SDANN：五分钟标准差 几何法： 直方图 散点图 频域 功率谱 非参数法－－FFT，简单，易实现 参数法－－谱线光滑，易后处理，数据量需求小 健康成年人平躺和直立时的频谱分布 利用参数模型进行功率谱分析 参数模型技术是近年来得到迅速发展的新技术，受到人们的普遍关注。 在对随机过程的研究中，由于我们不能得到一个随机过程的完整描述，只能得到它们有限次的有限长的观察值。 因此我们希望能用一个数学模型来模拟我们要研究的随机过程，使该模型的输出等于或近似该过程。 为随机信号建立参数模型是研究随机信号的一种基本方法，其含义是认为随机信号是由白噪激励某一确定系统的响应（如图）。 只要系统的参数确定了，研究随机信号就可以转化成研究产生随机信号的系统。  随机信号的参数模型 我们用一个白噪声w(n)作为输入去激励一个系统h(n)，得到输出x(n)，如果满足： 该系统称为自回归模型（AR模型）或线性预测模型。 其物理意义是：模型现在的输出x(n)是由现在的输入w(n)和过去的p个输出的线性加权得到。只要我们能求出系数，即可确定模型参数。 AR模型 应用AR模型估计信号的功率谱 已知信号x(n) 我们用一白噪声w(n)作为输入去激励一个系统h(n)，使其能够得到输出x(n)，建立系统的AR模型： 若可以求出模型的系数ak和常数 ，则可用下式计算信号的功率谱： 世界的本质是非线性的，人体的生命活动过程也是非线性的。 复杂的确定性非线性系统。 确定性 非线性动力学方法 洛仑兹方程解的相空间轨迹图 蝴蝶效应:差之毫厘,谬以千里.(混沌运动对初始条件极端敏感) 状态空间与相空间 ECG信号的相空间重构（应用举例） ECG混沌重构相空间图 关联维 相空间的自相似性 ECG信号的关联维分析（应用举例） 同一个体的12导联的ECG信号的关联维D2并非同一个数值，而展示出分布特性。 ECG混沌重构相空间图 李雅普诺夫指数 轨道的指数分离 非线性预测与非线性去噪 相空间邻域 去趋势波动分析 诱发电位叠加平均提取中，主要背景是自发脑电和环境工频电磁干扰，本质都不是随机信号。 临床经验表明，诱发电位不完全符合确定信号的条件，特别是在病理条件下，或刺激次数过多产生阈值提高，潜伏期变化等。 自适应滤波用于诱发电位单次提取 自适应干扰对消技术原理 设输入信号为 ，参考信号为 ，输出信号为 由最小能量原理， 有最大值时， 有最小能量。上式两边取期望，可得 诱发电位单次提取 参考信号的获取 频域处理（付氏变换） 数字滤波器 心电信号的简单整系数带阻滤波 简单整系数带阻滤波器是具有尖锐陷波特性的