生物医学信号处理2(修改版)[1].docVIP

/SHANGJIANFANG123 /SHANGJIANFANG123 1.印象中给了一个cos函数，大概是X(t)=acos(wt+q),a，w为常数，q为[0，2pi]上的均 匀分布的随即变量。 (1)求X(t)的数学期望和自相关函数 (2)是否各态历经，并说明理由 2.已知白噪声的定义是功率谱为常数的信号，证明均值为0，方差为q的信号是白噪声。 Rx=E[X(t)X(t+τ)]=E[X(t)]E[X(t+τ)] 由于E[X(t)]=0; 所以当且仅当τ=0时，Rx~=0 此时Rx=E[X2]=E[(X-E[X]) 2]=q 所以Rx是一个冲激函数，由傅利叶变换对，冲激函数的傅里叶变换在频域上为常数。 3.试述Yula-Walker方程的几种解法及其特点。 A Levinson Durbin快速递推法 算法的特点：是方程有效的算法，它利用了方程组系数矩阵所具有的一些性 质，大大减少了运算量。 步骤： 1、由观察数据求得自相关序列 2、从自相关函数序列求得反射系数 3、代入 Levinson关系式求出 AR 参数。 该算法由自相关序列来估计参数，而在有限数据长度，尤其是短数据时，自相关函数存在误差，求得的反射系数效果较差。 2．Burg 算法 是直接从观察数据求反射系数，基本的思路是使前向和后向预测均方误差之和最小来求取反射系数km。 B算法不经过计算自相关序列来计算反射系数，所以精度高一些； 算法求km时是前、后项预测误差的平均功率最小， 这样算法能够保证预测误差滤波器是最小相位的，保证AR模型是稳定的。 B算法反射系数的求解公式中求和范围为m到N-1，因此一般不会涉及到观测数据值外的数据，具有可实现性。 c. 高斯消元法 d. 矩阵求逆 算法 c和d过于繁琐，速度慢 4.经典谱估计和现代谱估计的特点比较。 传统的功率谱估计基于傅氏变换，在计算中把观察到的有限长的N个数据以外的数据认为是零，带来的问题其一是其主瓣不是无限窄，可能使信号模糊，降低了分辨率；其二是有旁瓣，旁瓣不仅使谱估计的方差增大，也会带来大的干扰。 现代谱估计法是根据这些已观察到的数据，选择一个正确的模型，认为x(n)是白噪声通过此模型产生的，那么就不认为在观察到的N个数据以外的数据全为零。因此克服了经典法的缺点，提高了谱估计的分辨率，使得谱平滑，并且降低了方差。 5.生物医学信号处理的研究任务、内容和特点 生物医学信号处理的任务：1．研究不同生物医学信号检测和提取的方法； 2. 研究突出信号本身、抑制或除去噪声的各种算法 3. 研究对不同信号的特征的提取算法 4．研究信号特征在临床上的应应用 生物医学信号处理的特点： 借助于数字信号处理技术，主要是通过计算机算法进行数值计算，与传统的模拟信号处理相比，具有如下特点： （1）算法灵活 （ 2）运算精确 （3）抗干扰性强 （4）速度快 此外，数字系统还具有设备尺寸小，造价低，便于大规模集成，便于实现多维信号处理等突出优点。在生物医学信号处理领域，数字信号处理技术发挥着极其重要的作用。 6.IIR/FIR、维纳滤波器、自适应滤波器的设计方法、适用性、特点。 维纳滤波器：最佳滤波器；最小均方误差准则；非自适应滤波器；适合于二阶统计特性不随时间变化的平稳随机信号。 IIR：先确定截止频率，选择滤波器类型，设计低通滤波器，然后变换为所需的滤波器。 FIR：加窗IIR FIR特点：Z平面无极点，线性相位，无反馈，有限冲击。 IIR特点：反之 自适应滤波器原理：利用前一时刻获得的滤波结果，自动调节现时刻的滤波器参 数，以适应信号和噪声的未知特性，从而实现最优滤波 能自动跟随实际噪声信号频率变化， 克服传统滤波器滤波频率固定的不足 适用：信号随时间变化较大的实时滤波 IIR滤波器借助于经典的模拟低通滤波器获得系统函数，从而得到数字低通滤波器，然后再由数字低通滤波器设计得到数字高通、带通、带阻滤波器。这种滤波器具有优良的幅度特性，但是相位是非线性的，另外有可能是不稳定的。 FIR：利用窗函数法设计得到系统函数，最主要的特点是线性相位的，并且是因果稳定的，但是会有截断效应。 应用于噪声和信号的频率范围不同的时候的滤波。 自适应滤波器采用最小均方误差或最小二乘准则，不断调整权值，使得滤波器输出信号接近期望信号，导到最优滤波的目的，不仅适用于统计特性已知的信号，即使当输入信号的统计特性适用于未知或者变化时， 自适应滤波器能够自动地迭代调节自身的滤波器参数， 以满足某种准则的要求， 从而实现最优滤波。 --------------------