生物医学信号处理-1幻灯片.pptVIP

三、滤波(FILTERING) 迭加平均法提取的目标信号 信号的频域处理 信号的频域处理可分为经典方法(Classical method)和现代方法(Modern method)。经典方法以傅利叶变换(Fourier transformation )为核心，只处理线性时不变问题。对非线性时变问题的处理是正在发展中的现代方法内容，有同态信号处理(Honomorphic signal processing)、时频分析(time-frequency analysis)、高阶谱分析(Higher order spectral analysis)及小波分析(wavelet analysis)等。这里简要叙述经典方法。 本节主要内容： 傅立叶变换与傅立叶变换定理 频域分辨率 频谱分析 频域滤波 一、傅立叶变换与傅立叶变换定理 前言 傅立叶分析方法的建立有过一段漫长的历史，涉及到很多人的工作和不同物理现象的研究。在近代欧拉、伯努利、傅立叶、狄里赫利等学者的努力完善下，建立了傅立叶分析方法，他们主要是集中在连续时间信号的分析问题上。与此同时，对于离散时间信号的傅立叶分析方法却有着不同的发展过程，用于处理离散数据以产生数值近似的有关内插、积分和微分等方面的公式早在17世纪的牛顿时代就被研究过，从事时间序列的研究曾吸引了18、19世纪包括高斯在内的许多著名科学家，从而为离散傅立叶变换提供了数学基础。 在20世纪60年代中期，库利(Cooley)和图基(Tukey)独立发表了一篇论文，也就是快速傅立叶变换算法(FFT：fast Fourier transformation)。FFT是非常高效的算法，使得计算变换所需要的时间减少了几个数量级，由于计算机速度的迅速提高，越来越多的连续时间信号被离散化，然后用计算机进行处理。 一、傅立叶变换与傅立叶变换定理 傅立叶变换在信号处理中的地位 信号的傅立叶变换(Fourier transformation)理论和技术是信号频域分析的经典而核心的理论和技术。时域信号经傅立叶变换后，就可求取包括功率谱(Power spectrum)在内的频域参数。这是传统的时域分析技术不可能办到的。 傅立叶变换的实质 傅立叶变换讲的是同一信号x(n)的时域表示和频域表示之间的关系。 理论基础 任何信号都可以表示为频率不同的正旋波的叠加。 (傅立叶级数表示形式) x(t)=∑[A(k)COS(kω0t)+B(k)sin((kω0t)) =∑C(k)COS[nkω0t+θ(k)] k=0,1,……N-1,N→∞ 一、傅立叶变换与傅立叶变换定理 x(t)=∑[A(k)COS(kω0t)+b(k)sin((kω0t)) =∑C(k)COS[nkω0t+θ(k)] k=0,1,……N-1,N→∞ 式中θ(k)叫初相位。利用正、余弦函数的正交性，可用数学分析的方法由x(t)求取对应于任意k值的余弦和正弦分量的幅度A(k)和B(k)(称为傅立叶系数)。 已知x(t)的数字形式x(n)计算A(k)，B(k)，C(k)，θ(k)的方法叫(正)离散傅立叶变换(简写为DFT: Discrete Fourier transformation)。一般将变换的结果用X(k)表示。傅立叶变换是从时域到频域的变换。 由X(k)求取原始信号x(n)的算法叫逆离散傅立叶变换(IDFT: Inverse discrete Fourier transformation)。逆傅立叶变换是从频域到时域的变换。 x(n)是时域量，n是离散时间自变量，取从零开始的正整数，增量为采样间隔Δt，单位为秒(Sec)或毫秒(mS)等。X(k)是频域量，k是离散频率自变量，取从零开始的正整数，增量单位为频率分辨率f0，单位为赫兹(Hz:1/秒)或毫赫兹(mHz=1Hz/1000)。 一、傅立叶变换与傅立叶变换定理 为什么需要将信号从时域变换到频域去分析信号？ （1）使复杂计算简单化 如用对数变换可以使乘、除变为加、减，用拉普拉斯变换可将微分方程变为代数方程 （2）便于特征提取 如经傅立叶变换可知道信号是集中在低频还是高频部分。使的一些在时域中无明显特征的信号，在频域里很容易出现明显的特征。 （3）可使数据压缩 如一信号由基波和50次谐波组成，按采样定理，在时域中表示信号的一个周期至少需要100个采样点。而在频