《生物医学信号处理》实验3报告.doc

评分 大理实验报告 2015—2016学年度第 学期 课程名称 实验名称数字卷积 专业班级 姓 名 路康 学 号 2013166148 实验日期 星期五 实验地点 一实验目的 熟悉数字相关的运算，初步在信号处理中应用相关技术。 二、实验环境 硬件配置： 软件环境： 三、实验内容 实验相关可以从时域角度表现信号间的相似（关联）程度，是统计信号处理最基本的手段之一。设有离散信号x(n)和y(n)，线性相关函数定义为 实际采集的信号总是有限长度，用有限的样本估计相关（自相关）函数 求和项总数不是N而是N-|m|，因为当n=N-|m|-1时，n+|m|=N-1。此时xn+m已经到了数据边沿。这种估计是渐进无偏估计和一致估计。 计算中，只要将其中一个序列反转，就可以用计算线性卷积的程序计算线性相关 因此可以用FFT来加速相关运算，即对序列补零后，用循环相关计算线形相关，然后用循环卷积的快速算法计算循环相关，得到最终结果。 已知发射波形，利用相关技术，在有强背景噪声的情况下检测回波的延时和强度。 首先使用已知信号模版及其若干次衰减延迟生成仿真回波波形，然后与白噪声背景叠加，构造仿真信号。然后计算模版与仿真信号的相关函数，判断回波位置及相对强度。 尝试修改程序，包括改变仿真信号中模版的形状，噪声的强弱，噪声的类型（对白噪声滤波可以获得各种有色噪声），哪些因素会影响相关函数的结果？ 四、实验结果与 clear; clc; disp(请选择信号); disp(1 ---- 实际测量的心电信号); disp(2 ---- 实际测量的脑电信号); disp(3 ---- 实际测量的颅内压信号); disp(4 ---- 实际测量的呼吸信号); disp(5 ---- 方波信号); disp(6 ---- 正弦信号); disp(7 ---- 指数衰减信号); disp(8 ---- 指数衰减正弦信号); b = input(信号：); np = 0:99; 　%生成0到99的序列 switch b 　　　　 ％心电脑电、颅内压、呼吸case 1 load ecgdata; p= ecgdata (1:100); p=p case 2 load eegdata; p= eegdata (1:100); p=p case 3 load icpdata; p= icpdata (1:100); p=p case 4 load respdata; p= respdata (1:100); p=p case 5 p = ones(size(np)); % 方波 case 6 p= sin(pi/5*np); % 正弦 case 7 p= exp(-0.06*np); % 指数衰减 case 8 p= sin(pi/5*np).*exp(-0.06*np); % 指数衰减正弦 end % 估计两个相似信号间的时间延迟 np = 0:99;　　　　　　　figure; subplot(1,1,1); plot(np,p);　%绘制方波函数图像 n = 0:1000; w = randn(size(n)); 　　%产生白噪声 均值为0方差为一 %%%改变噪声类型 %%A=fspecial(average);　 　%生成均值滤波器 %%w=filter2(A,w); 　　%用生成的滤波器进行滤波 %%w=medfilt1(w); 　　%中值滤波 %%%改变噪声强度 %w =2+sqrt(1)*w %w =4+sqrt(1)*w %w =sqrt(0.5)*w %w =sqrt(2)*w s = zeros(size(n)); A = 3; 　　%衰减系数 %构造仿真回波信号 s(100:199) = s(100:199)+A*(p); s(500:599) = s(500:599)+A/3*(p); s(800:899) = s(800:899)+A/3/3*(p); %构造仿真信号 x = s+w;