【正文】 → 信號(hào)的特征提取 → 模式分類 → 診斷結(jié)論 信號(hào)的獲取與檢測(cè) 信號(hào)的處理 本章主要內(nèi)容 ?生物醫(yī)學(xué)信號(hào)的主要類型及其典型特征 ?生物醫(yī)學(xué)數(shù)據(jù)獲取與檢測(cè)技術(shù)概述 ?生物醫(yī)學(xué)信號(hào)常用處理方法 生物醫(yī)學(xué)信號(hào)的獲取與檢測(cè)技術(shù) 信號(hào)特點(diǎn) 傳感器 /電極 數(shù)據(jù)采 集電路 嵌入式數(shù)據(jù)獲取系統(tǒng) 無(wú)線傳感器網(wǎng)絡(luò) 傳感器 ? 生物信息：能表征生命體生理狀態(tài)、結(jié)構(gòu)和功能的信息 ? 生物醫(yī)學(xué)傳感器：那些能將生物體各種不同的生命信息轉(zhuǎn)換為生物測(cè)量和醫(yī)學(xué)儀器可用信號(hào)的器件或裝置。V +200181。 3. 數(shù)據(jù)采集與數(shù)據(jù)處理相互結(jié)合得日益緊密，形成數(shù)據(jù)采集與處理相互融合的系統(tǒng)，可實(shí)現(xiàn)從數(shù)據(jù)采集、處理到控制的全部工作。 數(shù)據(jù)采集系統(tǒng) ? 嵌入式數(shù)據(jù)采集系統(tǒng)：以嵌入式系統(tǒng)為平臺(tái)的數(shù)據(jù)采集系統(tǒng)。 ( ) ( ) ( )iiy t s t n t??? ??? ?? ????? Ni Ni iNi ii tnNtstntsNtyNty 1 11 )(1)()]()([1)(1)(相關(guān)技術(shù) ? 信號(hào)的相關(guān)函數(shù)反映了兩個(gè)信號(hào)之間的相互關(guān)聯(lián)的程度。 傅里葉變換與離散頻譜 ???????mmjxxj emreP ?? )()(? 參數(shù)模型頻譜估計(jì)是現(xiàn)代譜分析中的主要內(nèi)容。 ? 因此時(shí)頻分析主要用來(lái)尋找信號(hào)的特征。因此，在分析心音這樣復(fù)雜信號(hào)時(shí)，會(huì)產(chǎn)生明顯的交叉項(xiàng)。 ? 實(shí)際上不可能存在某種對(duì)于任何一種應(yīng)用都是十分理想的時(shí)頻分布。對(duì)任意時(shí)間序列 x(t)，可得到它的 Hilbert變換 ? 由這定義， x(t)與 y(t)形成一個(gè)復(fù)共軛對(duì)，從而得到一個(gè)解析信號(hào) 時(shí)頻聯(lián)合分析 1 ( )() xy t dt? ??????? ??()( ) ( ) ( ) ( ) jtz t x t jy t a t e ?? ? ?4. Hibert變換與瞬時(shí)頻率 其中 定義瞬時(shí)頻率為 : 定義了瞬時(shí)頻率，就可以得到信號(hào)各個(gè)時(shí)間點(diǎn)的頻率變化情況。是一種意義更廣泛的時(shí)頻能量分布。 ? 這就避免了周期圖法估計(jì)頻譜時(shí)的隨機(jī)起伏現(xiàn)象。 傅里葉變換與離散頻譜 ? ? 10,)()()( 102????? ????????? NkenxnxD F TkX NnnkNj ?傅立葉變換只能對(duì)確定性信號(hào)進(jìn)行分析，而 隨機(jī)信號(hào) 在時(shí)間上是無(wú)限的，在樣本上是無(wú)窮多，其傅立葉變換不存在，因此，對(duì)隨機(jī)信號(hào)只能計(jì)算信號(hào)的功率譜。 相干平均算法 效果估計(jì)： 其中 yi(t)為含有噪聲的待檢測(cè)信號(hào)，其中 s(t)為重復(fù)出現(xiàn)的有用信號(hào)， ni(t)為隨機(jī)噪聲。 ? 采樣 /保持器：多路模擬開(kāi)關(guān)之后是模擬通道的轉(zhuǎn)換部分，包括采樣 /保持器和 A/D轉(zhuǎn)換器。 ? 數(shù)據(jù)采集系統(tǒng)追求的主要目標(biāo)有兩個(gè) ：一是精度，二是速度。V 5mV 腦電（頭皮電極） 10181。 1. 物理傳感器 2. 化學(xué)傳感器 3. 生物傳感器 ? 按人的感覺(jué)功能分類：視覺(jué)傳感器、聽(tīng)覺(jué)傳感器、觸覺(jué)傳感器、嗅覺(jué)傳感器和味覺(jué)傳感器。但是，通常不論系統(tǒng)是線性的還是非線性的，都應(yīng)繪制出其響應(yīng)曲線。 ? 濾波器：傳感器以及后續(xù)處理電路中的器件常會(huì)產(chǎn)生噪聲，人為的發(fā)射源也可以通過(guò)各種耦合渠道使信號(hào)通道感染上噪聲，例如工頻信號(hào)就可以成為一種人為的干擾源。 ? 下面主要介紹相干平均算法和相關(guān)技術(shù)。 )()()( mrmrmr sssys ???? 經(jīng)典譜分析理論 (非參數(shù)法 ) ? 由布萊克曼 圖基（ BlackmanTurkey）于 1958年提出 ? 傅里葉變換：周期圖法和 BlackTukey法 ? 修正周期圖、對(duì)周期圖平均、對(duì)修正周期圖平均以及對(duì)周期圖平滑等方法 ? 現(xiàn)代譜估計(jì)理論 (參數(shù)法 ) ? 以隨機(jī)過(guò)程的參數(shù)模型為基礎(chǔ) ? 自回歸模型法、線性預(yù)測(cè)法和最大熵法等 頻域分析 對(duì)于一個(gè)周期信號(hào)，如正弦波信號(hào)： y=sin(ωt)，具有一個(gè)單一的頻譜值 ω。 參數(shù)模型頻譜估計(jì) 0( 1 , 2 , 3... )ka k p??0( ) ( )qkkx m b n m k????0( ) ( )qkkkH z B z b z ???? ?3. 自回歸滑動(dòng)平均 （ Autoregressive amp。 ? 此外， STFT分析受限于不確定性原理，較長(zhǎng)的窗可以改善頻率解但會(huì)使時(shí)頻解變?cè)悖欢^短的窗盡管能得到好的時(shí)域解，頻域解卻會(huì)變得模糊。但是小波基的構(gòu)造要與特定應(yīng)用密切聯(lián)系在一起，而且構(gòu)造非常適合應(yīng)用的小波基需要很深的理論基礎(chǔ)和較多的研究經(jīng)驗(yàn)，一般我們?cè)趹?yīng)用中都采用經(jīng)典的小波函數(shù)，如 Morlet、墨西哥草帽、 Daubichies小波等。所用方法的有效性完全取決于對(duì)信號(hào)中隱含信息的提取能力，尋找有效的方法是要綜合信號(hào)特征和處理方法的特征。小波分析是傅里葉分析發(fā)表 180多年來(lái)對(duì)其最輝煌的繼承、總結(jié)和發(fā)展，對(duì)分析工具起承前啟后、繼往開(kāi)來(lái)的重要作用，并取得了許多傳統(tǒng)分析方法難以實(shí)現(xiàn)的顯著應(yīng)用效應(yīng)。 STFT以滑動(dòng)窗對(duì)信號(hào)進(jìn)行分析，然后對(duì)加窗信號(hào)進(jìn)行傅里葉變換，是傅里葉分析的一種改進(jìn)。因此只要已知白噪聲的功率 δn2 和系統(tǒng)的傳遞函數(shù) H(ejω) ，就可估計(jì)出信號(hào)的功率譜密度函數(shù) Sx(ejω) 。 ???????nxy mnynxmr )()()(相關(guān)技術(shù) ? 一個(gè)信號(hào) x(n)的自相關(guān)函數(shù)（ Autocorrelation Function） rxx定義為： ? 其中， rxx(0)反映了信號(hào) x(n)自身的能量。 嵌入式數(shù)據(jù)采集系統(tǒng) 生物醫(yī)學(xué)無(wú)線傳感器網(wǎng)絡(luò) 傳 感 器A / D 轉(zhuǎn) 換 器信 號(hào) 調(diào) 理 電 路 微 處 理 器 射 頻 模 塊存 儲(chǔ) 器電 池 及 電 源 管理 電 路無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)結(jié)構(gòu)圖 ? 生物醫(yī)學(xué)無(wú)線傳感器網(wǎng)絡(luò)的關(guān)鍵技術(shù)： 1. 路由協(xié)議 2. MAC協(xié)議 3. 拓?fù)淇刂? 4. 定位技術(shù)