生物医学信号处置专家讲座.pptx

;维纳滤波参数是固定，适合用于平稳随机信号。卡尔曼滤波器参数是时变，适合用于非平稳随机信号。然而，只有对信号和噪声统计特征先验已知条件下，这两种滤波器才能取得最优滤波。;所谓自适应滤波，就是利用前一时刻已取得滤波器参数等结果，自动地调整现时刻滤波器参数，以适应信号或噪声未知或随时间改变统计特征，从而实现最优滤波。设计自适应滤波器时能够无须要求预先知道信号和噪声自相关函数，而且在滤波过程中信号与噪声自相关函数即使随时间作慢改变它也能自动适应，自动调整到满足最小均方差要求（所以实际同WF及KF是一致）。这些都是它突出优点。;概念:

利用前一时刻已取得滤波器参数等结果,自动调整(更新)现时刻滤波器参数.以适应信号和噪声未知统计特征,或者随时间改变统计特征,从而实现最优滤波.

这个概念是从仿生学中引伸出来，生物能以各种有效方式适应生存环境，生命力极强。;几个主要自适应滤波器:

最小均方(LMS)自适应滤波器;

递推最小二乘(RLS)自适应滤波器.

格型结构自适应滤波器.

前两种最惯用。;最小均方误差（LMS)自适应DF基本原理;h(n);自适应DF要害在于按照ε(j)和各xi(j)值，经过某种算法寻找出E[ε2(j)]=min时各wi值，从而可自动地调整各wi值。;设x(k-1),x(k-2),x(k-3)……x(k-M),为同一信号不一样延时组成延时单元。;生物医学信号处置;均方误差为：;E[ε2(j)]与[W]关系;调整加权系数W使均方误差最小，相当于沿超抛物形曲面下降到最小值。;梯度法;对均方误差梯度求导;结论：;实际上，设计自适应DF无需知道R和P。关键：找到LMS算法，寻找一个W递推式，由W=W0，起始值开始，沿着趋于W*正确方向逐步递推，直至W=W*，E[ε2(j)]=min为止。这就是最小均方误差算法，简称LMS算法。;LMS算法递推式;;自适应递推算法递推过程

步骤1;步骤2;步骤3-合并;步骤4-结论;LMS自适应滤波器递推公式;生物医学信号处置;生物医学信号处置;应用－预测器;应用－自适应模拟;应用－自适应噪声对消;生物医学信号处置;自适应陷波器;2、自适应陷波器优点;3、单频干扰陷波器框图;生物医学信号处置;腹部电极

（原始输入）;36;生物医学信号处置;生物医学信号处置;生物医学信号处置;;;;;;;;因为生物医学信号含有随机性强和噪声背景强特点，采取了很多数字处理技术进行分析：

如对信号时域分析相干平均算法、相关技术；

对信号频域分析快速傅立叶变换算法、各种数字滤波算法；

对平稳随机信号分析功率谱预计算法、参数模型方法；

对非平稳随机信号分析短时傅立叶变换、时频分布（维格纳分布）、小波变换、时变参数模型、自适应处理等算法；

对信号非线性处理方法如混沌与分形、人工神经网络算法等。;当前，多采样率信号处理、非平稳信号时频分布、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应用。