生物醫(yī)學信號分析
前言：想要寫出一篇引人入勝的文章？我們特意為您整理了生物醫(yī)學信號分析范文，希望能給你帶來靈感和參考，敬請閱讀。
1概述
生物醫(yī)學信號是一種由復雜的生命體發(fā)出的不穩(wěn)定的自然信號,屬于強噪聲背景下的低頻微弱信號,信號本身特征、檢測方式和處理技術,都不同于一般的信號。生物醫(yī)學信號可以為源于一個生物系統(tǒng)的一類信號,這些信號通常含有與生物系統(tǒng)生理和結構狀態(tài)相關的信息。生物醫(yī)學信號種類繁多,其主要特點是:信號弱、隨機性大、噪聲背景比較強、頻率范圍一般較低,還有信號的統(tǒng)計特性隨時間而變,而且還是非先驗性的。
1.2生物醫(yī)學信號分類
按性質生物信號可分為生物電信號(BioelectricSignals),如腦電、心電、肌電、胃電、視網(wǎng)膜電等;生物磁信號(BiomagneticSignals),如心磁場、腦磁場、神經(jīng)磁場;生物化學信號(BiochemicalSignals),如血液的pH值、血氣、呼吸氣體等;生物力學信號(BiomechanicalSignals),如血壓、氣血和消化道內壓和心肌張力等;生物聲學信號(BioacousticSignal),如心音、脈搏、心沖擊等。按來源生物醫(yī)學信號可大致分為兩類:(1)由生理過程自發(fā)產(chǎn)生的主動信號,例如心電(ECG)、腦電(EEG)、肌電(EMG)、眼電(EOG)、胃電(EGG)等電生理信號和體溫、血壓、脈博、呼吸等非電生信號;(2)外界施加于人體、把人體作為通道、用以進行探查的被動信號,如超聲波、同位素、X射線等。
2生物醫(yī)學信號的檢測及方法
生物醫(yī)學信號檢測是對生物體中包含的生命現(xiàn)象、狀態(tài)、性質和成分等信息進行檢測和量化的技術,涉及到人機接口技術、低噪聲和抗干擾技術、信號拾取、分析與處理技術等工程領域,也依賴于生命科學研究的進展。信號檢測一般需要通過以下步驟(見圖1)。①生物醫(yī)學信號通過電極拾取或通過傳感器轉換成電信號;②放大器及預處理器進行信號放大和預處理;③經(jīng)A/D轉換器進行采樣,將模擬信號轉變?yōu)閿?shù)字信號;④輸入計算機;⑤通過各種數(shù)字信號處理算法進行信號分析處理,得到有意義的結果。生物醫(yī)學信號檢測技術包括:(1)無創(chuàng)檢測、微創(chuàng)檢測、有創(chuàng)檢測;(2)在體檢測、離體檢測;(3)直接檢測、間接檢測;(4)非接觸檢測、體表檢測、體內檢測;(5)生物電檢測、生物非電量檢測;(6)形態(tài)檢測、功能檢測;(7)處于拘束狀態(tài)下的生物體檢測、處于自然狀態(tài)下的生物體檢測;(8)透射法檢測、反射法檢測;(9)一維信號檢測、多維信號檢測;(10)遙感法檢測、多維信號檢測;(11)一次量檢測、二次量分析檢測;(12)分子級檢測、細胞級檢測、系統(tǒng)級檢測。
3生物醫(yī)學信號的處理方法
生物醫(yī)學信號處理是研究從被干擾和噪聲淹沒的信號中提取有用的生物醫(yī)學信息的特征并作模式分類的方法。生物醫(yī)學信號處理的目的是要區(qū)分正常信號與異常信號,在此基礎上診斷疾病的存在。近年來隨著計算機信息技術的飛速發(fā)展,對生物醫(yī)學信號的處理廣泛地采用了數(shù)字信號分析處理方法:如對信號時域分析的相干平均算法;對信號頻域分析的快速傅立葉變換算法和各種數(shù)字濾波算法;對平穩(wěn)隨機信號分析的功率譜估計算法和參數(shù)模型方法;對非平穩(wěn)隨機信號分析的短時傅立葉變換、時頻分布(維格納分布)、小波變換、時變參數(shù)模型和自適應處理等算法;對信號的非線性處理方法如混沌與分形、人工神經(jīng)網(wǎng)絡算法等。下面介紹幾種主要的處理方法。
3.1頻域分析法
信號的頻域分析是采用傅立葉變換將時域信號x(t)變換為頻域信號X(f),從而將時間變量轉變成頻率變量,幫助人們了解信號隨頻率的變化所表現(xiàn)出的特性。信號頻譜X(f)描述了信號的頻率結構以及在不同頻率處分量成分的大小,直觀地提供了從時域信號波形不易觀察得到頻率域信息。頻域分析的一個典型應用即是對信號進行傅立葉變換,研究信號所包含的各種頻率成分,從而揭示信號的頻譜、帶寬,并用以指導最優(yōu)濾波器的設計。
3.2相干平均分析法
生物醫(yī)學信號常被淹沒在較強的噪聲中,且具有很大的隨機性,因此對這類信號的高效穩(wěn)健提取比較困難。最常用的常規(guī)提取方法是相干平均法。相干平均(CoherentAverage)主要應用于能多次重復出現(xiàn)的信號的提取。如果待檢測的醫(yī)學信號與噪聲重疊在一起,信號如果可以重復出現(xiàn),而噪聲是隨機信號,可用疊加法提高信噪比,從而提取有用的信號。這種方法不但用在誘發(fā)腦電的提取,也用在近年來發(fā)展的心電微電勢(希氏束電、心室晚電位等)的提取中。
3.3小波變換分析法
小波分析是傳統(tǒng)傅里葉變換的繼承和發(fā)展,是20世紀80年代末發(fā)展起來的一種新型的信號分析工具。目前,小波的研究受到廣泛的關注,特別是在信號處理、圖像處理、語音分析、模式識別、量子物理及眾多非線性科學等應用領域,被認為是近年來在工具及方法上的重大突破。小波分析有許多特性:多分辨率特性,保證非常好的刻畫信號的非平穩(wěn)特征,如間斷、尖峰、階躍等;消失矩特性,保證了小波系數(shù)的稀疏性;緊支撐特性,保證了其良好的時頻局部定位特性;對稱性,保證了其相位的無損;去相關特性,保證了小波系數(shù)的弱相關性和噪聲小波系數(shù)的白化性;正交性,保證了變換域的能量守恒性;所有上述特性使小波分析成為解決實際問題的一個有效的工具。小波變換在心電、腦電、脈搏波等信號的噪聲去除、特征提取和自動分析識別中也已經(jīng)取得了許多重要的研究成果。
3.4人工神經(jīng)網(wǎng)絡
人工神經(jīng)網(wǎng)絡是一種模仿生物神經(jīng)元結構和神經(jīng)信息傳遞機理的信號處理方法。目前學者們提出的神經(jīng)網(wǎng)絡模型種類繁多。概括起來,其共性是由大量的簡單基本單元(神經(jīng)元)相互廣泛聯(lián)接構成的自適應非線性動態(tài)系統(tǒng)。其特點是:(1)并行計算,因此處理速度快;(2)分布式存貯,因此容錯能力較好;(3)自適應學習(有監(jiān)督的或無監(jiān)督的自組織學習)。
