数字信号处理的特点
• • • • • 算法灵活 运算精确 抗干扰性强 速度快 此外，数字系统还具有设备尺寸小，造价 低，便于大规模集成，便于实现多维信号 处理等突出优点。
生物医学信号处理应用实例
用数字滤波器同时消除心电信号中工频干扰 和基线漂移 心电信号中的干扰噪声： （1）工频干扰 （2）电极接触噪声 （3）运动伪迹 （4）呼吸引起的基线漂移
生物医学信号处理的主要任务
• 研究不同生物医学信号检测和提取的方法； • 研究突出信号本身、抑制或除去噪声的各 种算法； • 研究对不同信号的特征的提取算法； • 研究信号特征在临床上的应用。
生物医学信号的检测处理方法概述
• 生物医学信号检测方法 • 生物医学信号处理方法 • 数字信号处理的特点
生物医学信号处理
生物医学信号简介
• 生物医学信号处理是生物医学工程学的一 个重要研究领域，也是近年来迅速发展的 数字信号处理技术的一个重要的应用方面 • 数字信号处理技术和生物医学工程的紧密 结合，使我们在生物医学信号特征的检测、 提取及临床应用上有了新的手段，因而也 帮助我们加深了对人体自身的认识。
数字信号处理的特点
• 自 1960 年以来，随着计算机技术和现代信 息技术的飞速发展，产生了一门新的独立 学科体系：数字信号处理（Digital Signal Processing, DSP）。 • 数字信号处理是利用计算机或专用处理芯 片，以数值计算的方法对信号进行采集、 分析、变换、识别等加工处理，从而达到 提取信息和便于应用的目的。
生物医学信号的特点
• 随机性强：生物医学信号是随机信号，一 般不能用确定的数学函数来描述 • 它的规律主要从大量统计结果中呈现出来， 必须借助统计处理技术来检测、辨识随机 信号和估计它的特征。 • 而且它往往是非平稳的，即信号的统计特 征（如均值、方差等）随时间变化而改变。 • 这给生物医学信号的处理带来了困难。
• 因此，在处理各种生理信号之前要配置各 种高性能的放大器。
生物医学信号的特点
• 噪声强 : 噪声指其它信号对所研究对象信号 的干扰。 • 如电生理信号总是伴随着由于肢体动作、 精神紧张等带来的干扰，而且常混有较强 的工频干扰； • 诱发脑电信号中总伴随较强的自发脑电； • 从母腹取到的胎儿心电信号常被较强的母 亲心电所淹没。这给信号的检测与处理带 来了困难。 • 因此要求采用一系列有效去除噪声的算法。
• 所谓诱发反应就是肌体对某个外加刺激所产生的 反应,AEV方法常用来检测那些微弱的生物医学信 号,如希氏束电图、脑电图、耳蜗电图等。希氏束 电图的信号幅度仅1~10μ V,它们在用AEV方法检 测之前,几乎或完全淹没在很强的噪声中,这些噪声 包括自发反应、外界干扰、仪器噪声。AEV方法 要求噪声是随机的,并且其协方差为零,信号是周期 或重复产生的,这样经过N平方次叠加,信噪比可提 高N倍,使用AEV方法的关键是寻找叠加的时间基 准点。
生物医学信号简介
• 人体电信号：
– 体表心电（ECG）信号、脑电（EEG）、肌电 （EMG）、眼电（EOG）、胃电（EGG）等在 临床上取得了不同程度的应用。 – 人体磁场信号检测近年来也引起了国内外研究 者和临床的高度重视，我们把磁场信号也可归 为人体电信号。
生物医学信号简介
• 人体非电信号：
人工神经网络分析方法
• 人工神经网络是一种模仿生物神经元结构和神经 信息传递机理的信号处理方法,是由大量简单的基 本单元(神经元)相互广泛联接构成的自适应非线 性动态系统,其特点是：（1）并行计算,因此处理 速度快;（2）分布式存贮,因此容错能力较好;（3） 自适应学习。生物医学工程工作者采用神经网络 的方法来解释许多复杂的生理现象,例如心电和脑 电的识别,心电信号的压缩和医学图像的识别和处 理。神经网络在微弱生理电信号的检测和处理应 用主要集中在对自发脑电EEG的分析和脑干听觉 诱发电位的提取。
心电信号
生物医学信号处理应用实例
工频干扰的抑制 （一）平滑滤波 要求心电信号满足满足以下两个条件： 1、采样频率fs应是工频干扰的整数倍 2、一个工频干扰周期T内,工频干扰采样点的 幅值的代数和为零
（2）Levkov（列夫科夫）滤波法及其改进
Levkov滤波方法的原理是从原始心电信号中直接减去在该线 性段中确定的干扰信号的幅值。它要求原始电信号满足三个 条件： 前两个和平滑滤波的条件相同，还要再加上：在一个线性段 中，要求滤波后相邻的心电信号采样点的差值相等，而在非 线性段不满足该条件。
频域滤波方法
• 频域滤波是数字滤波中常用的一种方法,是消除生 物医学信号中噪声的另一种有效方法。当信号频 谱与噪声频谱很小时,可用频域滤波的方法来消除 干扰,频域滤波器可分为两类:FIR滤波器, FIR滤波 器的设计方法主要有:窗函数法,频率采样法; IIR滤 波器, IIR滤波器的主要设计方法有:冲激响应不变 法,双线性变换法。
生物医学信号简介
• 人体中每时每刻都存在着大量的生命信息。 由于我们的身体整个生命过程中都在不断 地实现着物理的、化学的及生物的变化， 因此所产生的信息是极其复杂的。 • 我们可以把生命信号概括分为二大类：
化学信息 物理信息
生物医学信号的简介
• 化学信息：指组成人体的有机物在发生变 化时所给出的信息，它属于生物化学所研 究的范畴。 • 物理信息：指人体各器官运动时所产生的 信息。物理信息所表现出来的信号又可分 为电信号和非电信号两大类。
– 如体温、血压、心音、心输出量及肺潮气量等， 通过相应的传感器，即可转变成电信号。
• 电信号是最便于检测、提取和处理的信号。 • 上述信号是由人体自发生产的，称为 “主 动性”信号。
生物医学信号简介
• “被动性”信号：人体在外界施加某种刺 激或某种物质时所产生的信号。 • 如诱发响应信号，即是在刺激下所产生的 电信号，在超声波及X 射线作用下所产生的 人体各部位的超声图象、X 射线图象等也是 一种被动信号。这些信号是我们进行临床 诊断的重要工具。
（二）基线漂移的纠正 发生基线漂移的原因有电极电阻的变化、电 极的极化电位变化、心电放大器的直流偏置 漂移、人体呼吸或其他肌肉缓慢运动等。
分段三次函数纠正法：
谢谢观赏
心电电极、心音传感器、导联线
心电、心音信号放大器
数据采集卡（A/D转换卡）
生物医学信号检测系统
生物医学传感器
• 获取生物医学信息并将其转换成易于测量 和处理的信号的关键器件 • 应用电极可检测心电、脑电、肌电、眼电 和神经电等各种生物电信号； • 物理传感器已用于血压、血流、体温，心 音、脉搏、简介
• 我们所研究的生物医学信号即是上述的包 括：
– 主动的 – 被动的 – 电的和非电的人体物理信息。
生物医学信号的特点
• 1．信号弱 • 2．噪声强 • 3．频率范围一般较低 • 4．随机性强
生物医学信号的特点
• 信号弱：直接从人体中检测到的生理电信 号其幅值一般比较小。
–如从母体腹部取到的胎儿心电信号仅为 10 ～ 50μ V， –脑干听觉诱发响应信号小于1μ V， –自发脑电信号约5～150μ V， –体表心电信号相对较大，最大可达5mV。
混沌(Chaos)和分形(Fractal)方法
• 混沌和分形理论是一种非线性动力学课题,混沌系 统的最大特点是初值敏感性和参数敏感性,即所谓 的蝴蝶效应。混沌学研究的是无序中的有序,许多 现象即使遵循严格的确定性规则,但大体上仍是无 法预测的,比如大气中的湍流、人心脏的跳动等。 混沌事件在不同的时间标度下表现出相似的变化 模式,与分形在空间标度下表现十分相象,但混沌主 要讨论非线性动力系统的不稳、发散的过程。混 沌与分形在脑电信号处理的应用中尤为引人注目。
生物医学信号检测
• 对生物体中包含的生命现象、状态、性质 和成分等信息进行检测和量化的技术。 • 涉及到人机接口技术、低噪声和抗干扰技 术、信号拾取、分析与处理技术等工程领 域，也依赖于生命科学（如细胞生理、神 经生理等）研究的进展。
信号检测一般需要通过以下步骤： 生物医学信号通过电极拾取或通过传感器 转换成电信号，经放大器及预处理器进行 信号放大和预处理，然后经A/D转换器进行 采样，将模拟信号转变为数字信号，输入 计算机，然后通过各种数字信号处理算法 进行信号分析处理，得到有意义的结果。
生物医学传感器
• 应用化学传感器可检测血、尿等体液中多 种离子浓度； • 用于检测酶、抗原、抗体、神经递质、激 素、受体、DNA和 RNA等生物活性物质的 生物传感器亦在研究及迅速发展之中； • 心磁、脑磁等生物磁信号的检测方法的研 究正在受到重视。
生物医学信号处理方法
时域方法——AEV方法
• AEV方法原是通信研究中用于提高信噪比的 一种叠加平均法,在医学研究中也叫平均诱 发反应法,简称AEV(averaged evoked response)方法。
生物医学信号的特点
• 频率范围一般较低：经频谱分析可知，除 声音信号（如心音）频谱成分较高外，其 它电生理信号的频谱一般较低。如心电的 频谱为0.01～35Hz，脑电的频谱分布在l～ 30Hz之间。 • 因此在信号的获取、放大、处理时要充分 考虑对信号的频率响应特性。
部分生物医学信号参数
生物医学信号 心电 脑电 胃电 肌电 心磁 脑磁 动脉血压 幅值 10μ V～4mV 10～300μ V 0.01～1mV 0.1～5mV 10-10T 10-12T 3.33～53.33kPa 频率/Hz 0.05～250 0.5～100 0～1 5～2000 0.4～40 交变 0～50
小波分析方法
• 小波分析是传统傅里叶变换的继承和发展。由于 小波的多分辨分析(Multi-resolution Analysis)具 有良好的空间域和频率域局部化特性,对高频采用 逐渐精细的时域或空域取样步长,可以聚焦到分析 对象的任意细节,从这个意义上讲,它已被人们誉为 数学显微镜。目前,在心电数据的压缩、生物医学 信号的信噪分离、QRS波的综合检测、脑电图 EEG的时频分析、信号的提取与奇异性检测等方 面有了广泛的应用。