生物医学信号处理.ppt

滤波器有四种频率响应特性： 低通、高通、带通、带阻 低通滤波器有一个截止频率ω0，只允许频率低于ω0的频率成分通过，凡是输入信号中频率成分高于ω0的均被滤除，因此在输出信号y(t)中只含有低于ω0的频率成分。 高通滤波器正好相反，只允许频率高于ω0的频率成分通过。 带通滤波器有上下边带截止频率ω1和ω2，只允许ω1ωω2的频率成分通过。 带阻滤波器阻止ω1ωω2的频率成分通过。 低通 高通 带通 5.4.5 参数模型 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。 我们用一个白噪声u(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u(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。 通过该模型，可以完成很多有价值的研究工作，例如，可以估计信号x(n)的功率谱、进行各种特征分析、判别分析等工作。 应用AR模型估计信号的功率谱 已知采样信号x(n) 我们用一个白噪声u(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δ2w，则可用下式计算信号的功率谱： 以上我们简要介绍了生物医学信号处理的几种基本方法。当然，信号处理的内容非常丰富，例如多采样率信号处理、非平稳信号的时频分布、同态滤波、自适应滤波、小波变换、人工神经网络、混沌与分形等方法，在生物医学信号处理领域得到了广泛的应用。 5.5 应用实例 5.5.1 心电信号的计算机分析 5.5.2 心音信号的计算机分析 5.5.1 心电信号的计算机分析 分析步骤 心电数据采集：500Hz采样频率 心电信号预处理：滤除干扰（基线漂移、50Hz、肌电……） 特征点检测：P、QRS、ST、T波 自动诊断：心律失常分析与波形分类 QRS波形检测算法： 经典的QRS波检测算法包括三部分 ： ⑴ 线性滤波； ⑵ 非线性变换； ⑶ 决策规则。 线性滤波一般采用中心频率在10～25Hz之间带宽为5～10Hz的带通滤波器，用于减除ECG信号中的非QRS波频率成分，提高信噪比。 非线性变换的目的是将每个QRS波信号变换为单向正波峰。 决策规则一般用峰值检测器或自适应阈值检测器来检测QRS波。 由于心电信号是非平稳随机信号，利用经典的QRS波检测算法往往受到以下两个因素的制约： ⑴ QRS复合波的信号带宽对于不同的病人乃至同一病人的不同心搏均有所不同。⑵ 各种噪声与QRS波的通带相互交叠。 因此，人们一直致力于采用新的信号处理方法来分析QRS波，常用的有人工神经网络算法和小波变换算法。 基于小波变换的QRS波形检测算法： 实时采集的心电信号x(n) 如下图所示： ①实时采集的心电信号x(n)通过上限截止频率15Hz的三阶巴特沃兹低通滤波器，滤除高频干扰，得y1(n)； ②采用高斯函数一阶导数导出的小波，对y1(n)进行尺度S=22的小波变换，突出信号特征点，消除基线漂移，得y2(n)； ③对y2(n)计算差分，取绝对值，并进行三点平滑，得y3(n)； ④对y3(n)再计算差分，取绝对值、平滑，得y4(n)； ⑤对y3(n)与y4(n)逐点求和，再平滑，得y5(n)； ⑥进行阈值检测：取连续前3秒内的待检测信号y5(n)的振幅P（可自适应调整），设检测阈值d1=0.25P，d2=0.15P，对超过d1的信号再降低阈值以d2作双向检测，大于d2则赋值为1，得QRS模板信号y6(n)，并记录每个模板区内y5(n)的峰值时刻和峰值； ⑦修正策略：对连续两个模板缝隙在0.09秒内的模板进行合并，对连续两个模板峰值时刻0.22秒的模板进行误差判断，峰值低者认为是误差。 算法评价： 应用该算法对MIT-BIH心律失常心电数据库48例典型心电数据的近10万个各种类型的QRS波进行检测，QRS波的平均检测灵敏度（Q Se）为99.8%，真阳性率(Q +P)为99.5%。 5.5.2 心音信号的计算机分析 心音信号中包含了大量关于心脏、血管、瓣膜、血液等运动及状态的信息，如果能从心音中获取这些信息，对某些心血管疾病的早期诊断具有重要的意义。但由于受到以下限制，心音的临床价值还未得到有效的发挥： （1）心音的生理及病理机制尚未完全明确