生物医学信号处理的方法
生物医学仪器包括了诊断仪器和治疗仪器两大类。

在诊断仪器中要寻找对诊断有意义的具有某种特征的信号或信号的某种特征量。

在治疗仪器中同样需要确定特征信号的存在或信号特征量的大小去控制治疗部分的工作。

一般说来，信号并不能直接提供这些信息，它们需要应用信号处理方法去提取。

例如，临床的常规脑电图检查可为脑损伤、脑血栓、内分泌疾病等的诊断、预防和治疗提供信息。

另外脑电图也常用来作睡眠、麻醉深度的监护。

但是白发脑电图的时域波形很不规则。

不但它的节律随精神状态变化而改变，而且在基本节律的背景下还会不时地发生一些瞬态变化。

传统的分析方法是用领域分析方法，用它的基本节律作为脑电图的基本特征量。

从信号中提取特征量的常用方法有谱分析、波形分析、建立模型等多种。

有了特征量，就要根据它们进行诊断。

诊断就是分类。

现用的模式分类方法有统计模式识别、句法分析、模糊模式识别等。

上述这些内容正是信号处理学科的主要研究对象，实际上这些方法现在也并不成熟。

对于生物医学信号中大量存在的非线性、非平稳、多变量等问题的分析还很初步，还需深入地研究和探讨。

由于干扰的影响，生物医学信号往往埋藏在噪声中，因此造成信息丢失或产生虚假信息，所以通常在进行生物医学信号处理以前，要对信号施加某种处理来降低噪声、增强信息。

例如，在研究大脑感觉机制，提取诱发响应时，常常采用重复刺激方法和相干平均技术来克服自发脑电活动，增强有用信息。

污染信号的噪声可以是加性的(即观测等于信号的噪声之和)、相乘性的(即观测等于信号与噪声的积)；也可能有用的信息仅与信号的一部分有关，而与有用信息非相关部分也被看成噪声。

总之，噪声的性质是多种多样的。

数字滤波器是增强信息、抑制噪声的常用方法，然而它对于频带重叠的信号与噪声无能为力。

因此消噪问题是生物医学信号处理研究的又一个重要内容。

目前生物医学信号处理中应用的抑制噪声和信号增强技术，常需要信号与噪声统计特性的先验知识，先验知识越完整，增强信号的效果越显著。

然而得到这些先验知识常常又是困难的，这种要求限制了诸如维纳滤波、卡尔曼滤波等技术的应用。

自适应方法可以自动调节参数来适应信号统计特性而不依赖先验知识，因而引起了广泛的注意。

在某种情况下，需要将信号从一个地点传送到另一个地点。

有不少突发性疾病对患者威胁极大，例如，猝死和呼吸障碍，为了及时抢救，在患者家里安装监护系统，监护系统采集的信息经电话电路传到监护中心，使患者处于医护人员的监护之下。

为了保证传输效率，或为了方便地保存、记录患者病历，需要尽量减
小传送信号的信息容量，节省存储空间。

另一方面关心的常常仅是信号携带的部分信息，把那些与这部分信息不相关的信息排除，使信号简化，也可达到“压缩信号”的目的。

．
简单的信号处理是建立在线性时不变系统理论基础上的，这种理论只适用于平稳信号的处理，非平稳信号是多种多样的。

其中有一种是均值缓慢变化而方差不变的信号。

由于生物体对处界刺激的适应能力，生物体在接受外界刺激的适应过程中产生的生物信号就具有这样的特点。

均值变化的规律称为趋势函数，一旦从这类信号中除去趋势函数，信号就变成了平稳的。

因而在分析这种信号时，首先应进行消除趋势函数处理；另一类非平稳的信号可近似地看成是分段平稳的。

脑电信号常具有这个特点，因为脑电信号随着精神状态的改变而改变，造成逐段平稳的状态。

在处理这类信号的第一步是把它正确地分段，使它的每一段都可以认为是平稳的，再用平稳信号处理方法处理它们。

由于计算机技术的普及与发展，以及数字处理方法的通用性和灵活性，数字信号处理技术己成了信号处理技术的主流。

为了进行数字信号处理，必须在正式处理前先把模拟信号时间离散化、量化。

在数字信号处理中已经指出，采样导致信号频谱的周期延托，周期延拓结果造成频谱混叠。

对一个频带宽度有限的信号，只要采样频率大于信号最高频率的两倍，就可以避免这种频谱混叠。

然而，实际信号的频谱并不像理想的那样，在高于某个最高频率的区域上幅度就截然变为零，而只是比较小而已。

因此，采样定理只能近似地满足，实际频谱混叠仍然存在。

为了克服这个问题，必须在采样以前，将信号通过一个高频抑制能力较理想的低温滤波器(称为抗混迭滤波器)进行限带滤波处理。

根据信号处理系统任务要求，有时在取得信号后，不需立即得到处理结果，这时就可以来用离线处理。

大多数情况下，要求处理结果在采集同时或采集结束后立即得到，就要用实时的或在线的处理方法。

在实时和在线的处理中，处理(运算)速度要足够快，占用内存空间也有一定限制，均比离线处理要求高，有时为了实现足够快的处理速度，不得不采用专用的硬件处理器。