微弱生物醫(yī)學(xué)信號特征提取的原理與實現(xiàn)

內(nèi)容概要

本書是根據(jù)作者及所在研究所在生物醫(yī)學(xué)信號處理和虛擬式生物醫(yī)學(xué)儀器研究工作中所取得的研究成果和相關(guān)資料編寫而成的。    本書系統(tǒng)地介紹了生物醫(yī)學(xué)信號的檢測原理和方法、生物醫(yī)學(xué)信號特征提取的一般處理方法、生物醫(yī)學(xué)信號特征提取的非平穩(wěn)處理理論和方法，以及生物醫(yī)學(xué)信號特征提取的非線性處理方法及虛擬式生物醫(yī)學(xué)儀器的研究。同時，特別介紹了國內(nèi)外在相關(guān)領(lǐng)域的研究成果和發(fā)展趨勢。    本書是一本論述現(xiàn)代生物醫(yī)學(xué)信號特征提取原理與實現(xiàn)的專著，適合于研究生物信號處理的科學(xué)工作者和研究人員使用，對于從事信號處理的科技人員、醫(yī)生、研究生等也具有一定參考價值。

書籍目錄

第一章  緒論  1.1  生物醫(yī)學(xué)信號的類型  1.2  生物醫(yī)學(xué)信號的特點  1.3  生物醫(yī)學(xué)信號檢測和特征提取方法  1.4  研究目的和意義  1.5  主要體系結(jié)構(gòu)  參考文獻(xiàn)第二章  生物醫(yī)學(xué)信號的檢測  2.1  生物醫(yī)學(xué)信號采集原理    2.1.1  采樣定理    2.1.2  量化過程    2.1.3  編碼原理  2.2  生物醫(yī)學(xué)信號檢測系統(tǒng)    2.2.1  基本組成    2.2.2  主要性能指標(biāo)    2.2.3  結(jié)構(gòu)形式  2.3  信號調(diào)理原理    2.3.1  放大    2.3.2  濾波    2.3.3  電氣隔離  參考文獻(xiàn)第三章  生物醫(yī)學(xué)信號的一般處理方法  3.1  相干平均算法  3.2  頻域分析技術(shù)    3.2.1  周期信號的頻譜    3.2.2  非周期信號的頻譜    3.2.3  隨機信號的頻譜  3.3  相關(guān)分析    3.3.1  相關(guān)函數(shù)    3.3.2  相關(guān)函數(shù)的性質(zhì)    3.3.3  隨機信號的相關(guān)函數(shù)及其頻譜的關(guān)系  3.4  數(shù)字濾波技術(shù)    3.4.1  數(shù)字濾波器的實現(xiàn)原理    3.4.2  數(shù)字濾波器實現(xiàn)  3.5  參數(shù)模型技術(shù)    3.5.1  廣義平穩(wěn)隨機序列的滑動平均模型    3.5.2  廣義平穩(wěn)隨機序列的自回歸模型    3.5.3  廣義平穩(wěn)隨機序列的自回歸滑動平均模型    3.5.4  MA、AR及ARMA模型廣義平穩(wěn)隨機序列的功率譜密度    3.5.5  三種模型廣義平穩(wěn)隨機序列的自相關(guān)函數(shù)  3.6  應(yīng)用實例    3.6.1  同時消除心電信號中工頻干擾和基線漂移的數(shù)字濾波器    3.6.2  基于雙譜的腦電信號分析  參考文獻(xiàn)第四章  生物醫(yī)學(xué)信號的非平穩(wěn)信號處理方法  4.1  概述  4.2  Gabor變換    4.2.1  一般傅里葉變換的問題    4.2.2  短時傅里葉變換    4.2.3  Cabor變換    4.2.4  腦電基本節(jié)律頻帶相對強度比的提取  4.3  小波變換與小波包變換    4.3.1  連續(xù)小波變換    4.3.2  多分辨率小波分析    4.3.3  小波基的選擇    4.3.4  小波包分析    4.3.5  小波變換在心電波形識別中應(yīng)用  4.4  Wigner-Ville分布    4.4.1  定義    4.4.2  離散Wigner-Ville分布的實現(xiàn)      4.4.3  Wigner-Ville分布在生物醫(yī)學(xué)信號特征提取中的應(yīng)用  4.5  匹配跟蹤    4.5.1  匹配跟蹤算法    4.5.2  Gabor函數(shù)集    4.5.3  MP分解結(jié)果的時頻輸出    4.5.4  基于MP算法的EEG睡眠紡錘波的檢測與分析  4.6  獨立分量分析    4.6.1  獨立分量分析模型    4.6.2  優(yōu)化判據(jù)及尋優(yōu)模型    4.6.3  ICA算法    4.6.4  閃光視覺誘發(fā)電位的少次提取方法實現(xiàn)  4.7  Hilbert-HLlang變換（HHT）    4.7.1  HHT與傳統(tǒng)時頻分析方法的比較    4.7.2  EMD方法    4.7.3  Hilbert變換及Hilbert譜    4.7.4  HHT的有效性及端點效應(yīng)處理    4.7.5  基于HHT的生物醫(yī)學(xué)信號分析  參考文獻(xiàn)第五章  生物醫(yī)學(xué)信號的非線性處理方法  5.1  人工神經(jīng)網(wǎng)絡(luò)基礎(chǔ)    5.1.1  人工神經(jīng)元模型    5.1.2  人工神經(jīng)網(wǎng)絡(luò)模型    5.1.3  神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方法    5.1.4  誤差反向傳播BP算法    5.1.5  RBF神經(jīng)網(wǎng)絡(luò)    5.1.6  遞歸神經(jīng)網(wǎng)絡(luò)    5.1.7  自組織神經(jīng)網(wǎng)絡(luò)    5.1.8  癲癇腦電檢測中的ANN應(yīng)用  5.2  混沌與分形    5.2.1  相空間    5.2.2  混沌吸引子    5.2.3  分?jǐn)?shù)維    5.2.4  李雅譜諾夫指數(shù)    5.2.5  混沌學(xué)理論在生物醫(yī)學(xué)信號中的應(yīng)用  參考文獻(xiàn)第六章  虛擬式生物醫(yī)學(xué)儀器研究  6.1  虛擬儀器技術(shù)    6.1.1  虛擬儀器概念    6.1.2  虛擬式生物醫(yī)學(xué)儀器系統(tǒng)的形成    6.1.3  虛擬式生物醫(yī)學(xué)儀器系統(tǒng)的發(fā)展趨勢  6.2  虛擬式生物醫(yī)學(xué)儀器系統(tǒng)的一般功能    6.2.1  生物醫(yī)學(xué)信號的測量與記錄    6.2.2  編輯和打印功能的實現(xiàn)    6.2.3  病人信息檔案的管理和查詢  6.3  虛擬式生物醫(yī)學(xué)儀器系統(tǒng)的特征分析功能    6.3.1  虛擬式心電信號檢測分析儀的心電信號特征信息提取    6.3.2  虛擬式腦電圖儀的腦電信號特征信息的時頻提取    6.3.3  虛擬式顱內(nèi)壓無創(chuàng)檢測分析儀的無創(chuàng)檢測功能實現(xiàn)  參考文獻(xiàn)

章節(jié)摘錄

　　第三章　生物醫(yī)學(xué)信號的一般處理方法　　3.1　相干平均算法　　把信號從噪聲中分離出來的方法很多，但需借助于特殊的技術(shù)?，F(xiàn)今最為廣泛使用的方法是疊加技術(shù)和平均技術(shù)。如目前臨床上常用的用于提取誘發(fā)電位的方法就是疊加平均技術(shù)?！隘B加”和“平均”這兩個術(shù)語都常用來指從腦電圖中檢出腦誘發(fā)電位的方法，其本質(zhì)是在反復(fù)給予同樣的刺激過程中，使與刺激有固定時間關(guān)系的電位活動相對地逐漸增大，而與刺激無固定時間關(guān)系的背景電活動卻在多次刺激過程中相互抵消，逐漸變小，使腦誘發(fā)電位從背景活動中顯現(xiàn)出來。一般來說，疊加似乎比平均確切些，但是，在大多數(shù)情況下，“疊加”和“平均”兩詞沒有重要的差異?！　∥覀兛梢詫⒄T發(fā)反應(yīng)作為要提取的信號，自發(fā)腦電活動作為隨機噪聲，利用平均技術(shù)，其信噪比的改變程度與疊加次數(shù)的平方根成正比。疊加次數(shù)越多，信號就越清晰。但在實際研究條件下，疊加次數(shù)過多，時間過長，會引起被試者的疲勞而影響臨床檢測或試驗的結(jié)果。這里還要指出的是，任何借增加疊加次數(shù)來彌補儀器或技術(shù)上的不足的做法，都是錯誤的。因此，選擇適當(dāng)?shù)寞B加次數(shù)，使腦誘發(fā)電位信號能從自發(fā)腦電噪音背景中清楚地分離出來，而又不致引起被試者或病患的過度疲勞，是使用疊加平均技術(shù)實現(xiàn)微弱誘發(fā)電位提取必須考慮的一個因素。　　在疊加技術(shù)處理過程中，信噪比的改善程度和刺激次數(shù)呈平方根的比率關(guān)系，這本身就限制了疊加技術(shù)在更大程度上降低噪聲和提取腦誘發(fā)電位信號的能力。在進(jìn)行疊加處理開始時，噪聲衰減最大，愈往后其衰減愈不明顯，并且也愈需要更多的刺激數(shù)（或掃描數(shù)）。而事實上，臨床受試者多為病患，不能耐受過多的刺激，如果持續(xù)平均處理次數(shù)過多，易引起各種爆發(fā)性偽跡。這種爆發(fā)性偽跡難以用疊加平均技術(shù)消減，從而降低了最終所得誘發(fā)電位的信噪比。

圖書封面

圖書標(biāo)簽Tags

無

評論、評分、閱讀與下載

---

    微弱生物醫(yī)學(xué)信號特征提取的原理與實現(xiàn) PDF格式下載

---