《生物医学信号处理》课程学习指南

1、PAGE PAGE 6生物医学信号处理课程学习指南一、本课程学习方法指南生物医学信号处理课程由理论教学内容和实验教学内容组成。其中，理论授课40学时，实验8学时。理论课教学内容主要通过课堂教学完成，教师分八个章节按照信号处理理论与技术发展的先后顺序来安排教学，先讲解信号处理理论或技术，再结合某个生物医学问题介绍该信号处理理论或技术的具体应用。建议学生抓住课堂教学环节，提高学习效率。为了理解应用部分的教学内容，建议学生在课后积极主动补充教学内容涉及的生物和医学知识，如阅读教材以外的学术资料。生物医学信号处理课程中涉及的信号处理理论比较抽象，实验可以帮助学生加深对理论方法的理解，提高学习效果的方法

2、建议如下：课前复习相关理论知识，预习实验目的、实验内容和实验过程等；认真听实验前教师对实验项目的详细讲解，严格要求自己独立完成实验；遇到独自不能解决的难题时，积极主动与教师和同学讨论与交流；完成实验后，总结实验中出现的难点和易犯错误的知识点，巩固理论知识的学习；（5）认真撰写实验报告。二、各章重难点学习指南第1章 生物医学信号处理概述1生理过程自发产生的信号，如心电、脑电、肌电、眼电、胃电等电生理信号和血压、体温、脉搏、呼吸等非电生理信号；还有外界施加于人体的被动信号，如超声波、同位素、X射线等。2生物医学信号的主要特点：微弱、随机性强、噪声背景强。第2章 数字信号处理基础傅立叶变换的意义傅立

3、叶变换在LTI系统分析中的思想，就是把一个无论多复杂的输入信号分解成复指数信号的线性组合，那么系统的输出也能表达成相同复指数信号的线性组合，并且在输出中的每一个频率的复指数函数上乘以系统在那个频率的频率响应值。离散傅立叶变换数字滤波器的设计：包括IIR和FIR法。第3章 随机信号基础平稳各态遍历的随机过程如果随机信号的统计特性与开始进行统计分析的时刻无关，则为平稳随机过程，否则为非平稳随机过程。对于平稳过程，如果所有样本在固定时刻的统计特征和单一样本在全时间上的统计特征一致，则为各态遍历的随机过程。平稳且各态遍历是本课程分析医学信号的一个前提假设。随机信号通过线性系统的四个关系式：第4章 数字

4、相关和卷积运算估计相关函数时如果采用，估计的质量。估计的方差当N无穷时，趋于零。因此该估计法是一致估计。卷积和相关运算的程序编写实现。第5章 维纳滤波相关函数法推导维纳滤波器的维纳霍夫方程的离散形式，以及从该方程中解出了最佳滤波器后的最小均方误差的最简式。维纳-霍夫方程：最小均方误差为：预白化法解维纳霍夫方程有了上述的模型后，白化法求解维纳霍夫方程步骤如下： 对观测信号的自相关函数求z变换得到；利用等式，找到最小相位系统；利用均方误差最小原则求解因果的G（z）；，即得到维纳霍夫方程的系统函数解。第6章 卡尔曼滤波比较维纳滤波和卡尔曼滤波方法的区别和联系。维纳滤波和卡尔曼滤波都是解决线性滤波和预

5、测问题的方法，并且都是以均方误差最小为准则的，在平稳条件下两者的稳态结果是一致的。维纳滤波是根据全部过去观测值和当前观测值来估计信号的当前值，因此它的解形式是系统的传递函数或单位脉冲响应；卡尔曼滤波是用当前一个估计值和最近一个观测值来估计信号的当前值，它的解形式是状态变量值。维纳滤波只适用于平稳随机过程，卡尔曼滤波就没有这个限制。设计维纳滤波器要求已知信号与噪声的相关函数，设计卡尔曼滤波要求已知状态方程和量测方程。卡尔曼滤波的信号模型。根据卡尔曼滤波的状态方程和量测方程，假设和是已知的，是观测到的数据，也是已知的，假设信号的上一个估计值已知，如何来求当前时刻的估计值？第7章 随机信号的参数建模法AR模型参数的估计法：L-D算法。第8章 自适应滤波自适应噪声抵消原理框图如下，滤波后的输出将在最小均方意义下抵消噪声，同时，抵消后的结果将在最小均方意义下逼进信号。