生物医学信号的参数建模《生物医学信号处理》实习报告3.docVIP

《生物医学信号处理》实习报告 学生姓名： 学号： 实验室名称： 项目名称：生物医学信号的参数建模 项目内容： 已知观测信号，来编写函数解Y-W方程。对给定ECG信号进行建模。 原理（写出具体的计算公式） 一.AR模型 随机信号x(n)是由本身的若干次过去值x(n-k)与当前的激励值w(n)线性组合产生的： 该模型的系统函数是： 式中，p是系统阶数，系统函数中只有极点，没有零点，也称为全极点模型，系统由于极点的原因，要考虑到系统的稳定性，因而要注意极点的分布位置，用AR（p）来表示。 二.Yule-Walker(Y-W)方程 m0 三.Y-W方程的L-D算法 L-D算法的基本思想就是根据Y-W方程式的自相关序列具有递推的性质，L-D递推算法是模型阶数逐渐加大的一种算法，这种算法的特点是每一阶次参数的计算是从低一阶次的模型参数推算出来的，既可以减少工作量，又便于寻找最佳的阶数值，满足精度时就停止递推。 递推得到的预测系数和均方误差估计的通式是： 四.Y-W方程的burg算法 burg的基本思想是对观测的数据进行前向和后向预测，然后让两者的均方误差之和为最小作为估计的准则来估计反射系数，从而通过L-D算法的递推公式求出AR模型参数。 编写的源程序： function [a,E]=YWE(x,p) x=x; R=xcorr(x,x); R=R(length(x):length(R)); R=R/length(x); E=R(1); a(1,1)=1; for m=1:p b=0; for k=1:m-1 b=b+a(m,k+1)*R(m-k+1); end a(m+1,m+1)=-(R(m+1)+b)/E; for k=1:m-1 a(m+1,k+1)=a(m,k+1)+a(m+1,m+1)*a(m,m-k+1); end E=E*(1-a(m+1,m+1)^2); end a(:,1)=1; plot(a(p+1,:)); 编写的源程序： A = textread(ECG.txt); % 导入数据 subplot(4,2,1); % 页面分3行2列6个区域，画在第一个区域 plot(1:1024,A(1:1024)); % 画出数据中的钱256个数据 A=A(1:1024); title(ECG); grid on; % 显示网格 subplot(4,2,2); % 页面分3行2列6个区域，画在第二个区域 [a,E]=YWE(A,100); % 调用自编Y_W方程 title(自编Y_W方程); grid on; % 显示网格 subplot(4,2,3); % 页面分3行2列6个区域，画在第三个区域 [a1 E1]=aryule(A,100); % 调用MATLAB自带的L-D算法 plot(a1); title(L-D算法); grid on; % 显示网格 subplot(4,2,4); % 页面分3行2列6个区域，画在第四个区域 [a2 E2]=arburg(A,100); % 调用MATLAB自带的burg算法 plot(a2); title(burg算法); grid on; % 显示网格 subplot(4,2,5); B=filter(-1*a1(2:end),1,A); plot(B); title(L-D-算法建模); grid on; % 显示网格 subplot(4,2,6); C=filter(-1*a(100+1,2:end),1,A); plot(C); title(自编Y-W算法建模); grid on; % 显示网格 subplot(4,2,7); plot((1:1024),A,r,(1:1024),B,k--); title(原信号与L-D算法建模信号); grid on; subplot(4,2,8); plot((1:1024),A,r,(1:1024),C,k--); title(原信号与自编Y-W算法建模信号); grid on; 结论（画出要求的图形） 1.由图1可得自编Y-W方程滤波效果跟MATLAB自带L-D算法滤波效果相同，故自编Y-W方程正确。 2.用x=filter(b,a,w)运用自编Y-W方程建模出的信号跟原始信号重叠，故建模正确。 图1 各种算法滤波图 总结 1. 随机信号x(n)是由本身的若干次过去值x(n-k)与当前的激励值w(n)线性组合产生 2. L-D算法的基本思想就是根据Y-W方程式的自相关序列具有递推的性质，L-D递推算法是模型阶数逐渐加大的一种算法，这种算法的特点是每一阶