生物醫(yī)學(xué)信號(hào)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(xué)信號(hào)分析范文，希望能給你帶來靈感和參考，敬請(qǐng)閱讀。

1概述

1.1生物醫(yī)學(xué)信號(hào)及其特點(diǎn)

生物醫(yī)學(xué)信號(hào)是一種由復(fù)雜的生命體發(fā)出的不穩(wěn)定的自然信號(hào),屬于強(qiáng)噪聲背景下的低頻微弱信號(hào),信號(hào)本身特征、檢測(cè)方式和處理技術(shù),都不同于一般的信號(hào)。生物醫(yī)學(xué)信號(hào)可以為源于一個(gè)生物系統(tǒng)的一類信號(hào),這些信號(hào)通常含有與生物系統(tǒng)生理和結(jié)構(gòu)狀態(tài)相關(guān)的信息。生物醫(yī)學(xué)信號(hào)種類繁多,其主要特點(diǎn)是:信號(hào)弱、隨機(jī)性大、噪聲背景比較強(qiáng)、頻率范圍一般較低,還有信號(hào)的統(tǒng)計(jì)特性隨時(shí)間而變,而且還是非先驗(yàn)性的。

1.2生物醫(yī)學(xué)信號(hào)分類

按性質(zhì)生物信號(hào)可分為生物電信號(hào)(BioelectricSignals),如腦電、心電、肌電、胃電、視網(wǎng)膜電等;生物磁信號(hào)(BiomagneticSignals),如心磁場、腦磁場、神經(jīng)磁場;生物化學(xué)信號(hào)(BiochemicalSignals),如血液的pH值、血?dú)狻⒑粑鼩怏w等;生物力學(xué)信號(hào)(BiomechanicalSignals),如血壓、氣血和消化道內(nèi)壓和心肌張力等;生物聲學(xué)信號(hào)(BioacousticSignal),如心音、脈搏、心沖擊等。按來源生物醫(yī)學(xué)信號(hào)可大致分為兩類:(1)由生理過程自發(fā)產(chǎn)生的主動(dòng)信號(hào),例如心電(ECG)、腦電(EEG)、肌電(EMG)、眼電(EOG)、胃電(EGG)等電生理信號(hào)和體溫、血壓、脈博、呼吸等非電生信號(hào);(2)外界施加于人體、把人體作為通道、用以進(jìn)行探查的被動(dòng)信號(hào),如超聲波、同位素、X射線等。

2生物醫(yī)學(xué)信號(hào)的檢測(cè)及方法

生物醫(yī)學(xué)信號(hào)檢測(cè)是對(duì)生物體中包含的生命現(xiàn)象、狀態(tài)、性質(zhì)和成分等信息進(jìn)行檢測(cè)和量化的技術(shù),涉及到人機(jī)接口技術(shù)、低噪聲和抗干擾技術(shù)、信號(hào)拾取、分析與處理技術(shù)等工程領(lǐng)域,也依賴于生命科學(xué)研究的進(jìn)展。信號(hào)檢測(cè)一般需要通過以下步驟(見圖1)。①生物醫(yī)學(xué)信號(hào)通過電極拾取或通過傳感器轉(zhuǎn)換成電信號(hào);②放大器及預(yù)處理器進(jìn)行信號(hào)放大和預(yù)處理;③經(jīng)A/D轉(zhuǎn)換器進(jìn)行采樣,將模擬信號(hào)轉(zhuǎn)變?yōu)閿?shù)字信號(hào);④輸入計(jì)算機(jī);⑤通過各種數(shù)字信號(hào)處理算法進(jìn)行信號(hào)分析處理,得到有意義的結(jié)果。生物醫(yī)學(xué)信號(hào)檢測(cè)技術(shù)包括:(1)無創(chuàng)檢測(cè)、微創(chuàng)檢測(cè)、有創(chuàng)檢測(cè);(2)在體檢測(cè)、離體檢測(cè);(3)直接檢測(cè)、間接檢測(cè);(4)非接觸檢測(cè)、體表檢測(cè)、體內(nèi)檢測(cè);(5)生物電檢測(cè)、生物非電量檢測(cè);(6)形態(tài)檢測(cè)、功能檢測(cè);(7)處于拘束狀態(tài)下的生物體檢測(cè)、處于自然狀態(tài)下的生物體檢測(cè);(8)透射法檢測(cè)、反射法檢測(cè);(9)一維信號(hào)檢測(cè)、多維信號(hào)檢測(cè);(10)遙感法檢測(cè)、多維信號(hào)檢測(cè);(11)一次量檢測(cè)、二次量分析檢測(cè);(12)分子級(jí)檢測(cè)、細(xì)胞級(jí)檢測(cè)、系統(tǒng)級(jí)檢測(cè)。

3生物醫(yī)學(xué)信號(hào)的處理方法

生物醫(yī)學(xué)信號(hào)處理是研究從被干擾和噪聲淹沒的信號(hào)中提取有用的生物醫(yī)學(xué)信息的特征并作模式分類的方法。生物醫(yī)學(xué)信號(hào)處理的目的是要區(qū)分正常信號(hào)與異常信號(hào),在此基礎(chǔ)上診斷疾病的存在。近年來隨著計(jì)算機(jī)信息技術(shù)的飛速發(fā)展,對(duì)生物醫(yī)學(xué)信號(hào)的處理廣泛地采用了數(shù)字信號(hào)分析處理方法:如對(duì)信號(hào)時(shí)域分析的相干平均算法;對(duì)信號(hào)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(duì)平穩(wěn)隨機(jī)信號(hào)分析的功率譜估計(jì)算法和參數(shù)模型方法;對(duì)非平穩(wěn)隨機(jī)信號(hào)分析的短時(shí)傅立葉變換、時(shí)頻分布(維格納分布)、小波變換、時(shí)變參數(shù)模型和自適應(yīng)處理等算法;對(duì)信號(hào)的非線性處理方法如混沌與分形、人工神經(jīng)網(wǎng)絡(luò)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(hào)的頻域分析是采用傅立葉變換將時(shí)域信號(hào)x(t)變換為頻域信號(hào)X(f),從而將時(shí)間變量轉(zhuǎn)變成頻率變量,幫助人們了解信號(hào)隨頻率的變化所表現(xiàn)出的特性。信號(hào)頻譜X(f)描述了信號(hào)的頻率結(jié)構(gòu)以及在不同頻率處分量成分的大小,直觀地提供了從時(shí)域信號(hào)波形不易觀察得到頻率域信息。頻域分析的一個(gè)典型應(yīng)用即是對(duì)信號(hào)進(jìn)行傅立葉變換,研究信號(hào)所包含的各種頻率成分,從而揭示信號(hào)的頻譜、帶寬,并用以指導(dǎo)最優(yōu)濾波器的設(shè)計(jì)。

3.2相干平均分析法

生物醫(yī)學(xué)信號(hào)常被淹沒在較強(qiáng)的噪聲中,且具有很大的隨機(jī)性,因此對(duì)這類信號(hào)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(yīng)用于能多次重復(fù)出現(xiàn)的信號(hào)的提取。如果待檢測(cè)的醫(yī)學(xué)信號(hào)與噪聲重疊在一起,信號(hào)如果可以重復(fù)出現(xiàn),而噪聲是隨機(jī)信號(hào),可用疊加法提高信噪比,從而提取有用的信號(hào)。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(shì)(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(jì)80年代末發(fā)展起來的一種新型的信號(hào)分析工具。目前,小波的研究受到廣泛的關(guān)注,特別是在信號(hào)處理、圖像處理、語音分析、模式識(shí)別、量子物理及眾多非線性科學(xué)等應(yīng)用領(lǐng)域,被認(rèn)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(hào)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(shí)頻局部定位特性;對(duì)稱性,保證了其相位的無損;去相關(guān)特性,保證了小波系數(shù)的弱相關(guān)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(shí)際問題的一個(gè)有效的工具。小波變換在心電、腦電、脈搏波等信號(hào)的噪聲去除、特征提取和自動(dòng)分析識(shí)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(luò)

人工神經(jīng)網(wǎng)絡(luò)是一種模仿生物神經(jīng)元結(jié)構(gòu)和神經(jīng)信息傳遞機(jī)理的信號(hào)處理方法。目前學(xué)者們提出的神經(jīng)網(wǎng)絡(luò)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(gòu)成的自適應(yīng)非線性動(dòng)態(tài)系統(tǒng)。其特點(diǎn)是:(1)并行計(jì)算,因此處理速度快;(2)分布式存貯,因此容錯(cuò)能力較好;(3)自適應(yīng)學(xué)習(xí)(有監(jiān)督的或無監(jiān)督的自組織學(xué)習(xí))。