生物医学信号处理演示文稿.ppt

生物医学信号处理的一般方法 数字滤波器作为一个线性系统，系统的输入x(t)包含信号s(t)和干扰n(t)，如果s(t)和n(t)在频谱上不重叠，即可通过一个特定的滤波器系统滤除干扰n(t)，得到的输出y(t)近似地等于s(t)。 信号的滤波 生物医学信号处理的一般方法 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。 信号的滤波 生物医学信号处理的一般方法 信号的滤波 低通 高通 带通 生物医学信号处理的一般方法 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。 参数模型 生物医学信号处理的一般方法 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。 参数模型 生物医学信号处理的一般方法 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： 参数模型 生物医学信号处理的一般方法 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。 总结 应用研究 脑电信号应用 心音信号的处理 应用研究 脑电信号的处理 脑电信号是人体的一种基本生理信号,具有重要的临床诊断和治疗价值。由于脑电信号的自身非平稳性随机特点,使得对它的研究成为一项具有相当难度的课题。 应用研究 1.临床医学方面,脑电信号处理可以为某些脑疾病提供诊断依据和提供有效的治疗手段。 2.同时,随着近年来计算机应用技术的发展,脑-计算机接口技术迅速发展。脑-机接口利用人们对特定感觉或者感知活动的脑电的不同,对脑电信号进行有效提取和分类达到某种控制目的。 应用研究 1. 1932年Dietch首先用傅里叶变换进行了脑电分析。 2. 相继引入了频域分析、时域分析、时频分析等方法。 3. 随着计算机技术、信号处理技术以及现代电子技术发展,神经网络、 非线性动力学等新方法应运而生。 技术发展 应用研究 1. 时域分析，直接从时域提取特征的方法 优点：直观性强，物理意义比较明确； 缺点：大脑各个区域的脑电活动情况不能得到直观反映。：大脑各个区域的脑电活动情况不能得到直观反映 应用：反映癫痫信息的棘慢波, 反映睡眠信息的梭形波等瞬态波。形 应用研究 2.频域分析，基于各频段功率、相干等的分析方法。 意义在于把幅度随时间变化的脑电波变换为脑电功率随频率变化的谱图。但是忽略了信号在时间上的分辨率。 3.时频域分析，把时域和频域结合起来的方法。 在EEG（脑电图扫描记）中许多病变都是以瞬态形式表现的,只有把时间和频率结合起来进行处理,才能取得更好的结果。 应用研究 4.Wigner分布(Wignerdistribution,WD) 由1932年维格纳从量子力学角度提出的,1948年维利对它重新介绍。 WD是一种非常有用的数学工具,也是一种时频混合的信号表示方法。与其他时频分析方法相比,最大的优势在于具有最简单的形式可以同时进行时域和频域分析。与STFT相比,在时间和频率域上都有很高的分辨率,并能把两者结合起来。而且WD的各