目錄
《信息科學技術(shù)學術(shù)著作叢書》序
前言
第1章 緒論 1
1.1 醫(yī)學信號的分類與特點 1
1.1.1 醫(yī)學信號概述 1
1.1.2 醫(yī)學信號的分類 2
1.1.3 醫(yī)學信號的特點 3
1.2 醫(yī)學電信號及其產(chǎn)生機制 4
1.2.1 細胞的生物電現(xiàn)象 4
1.2.2 細胞生物電信號的產(chǎn)生機制 7
1.3 醫(yī)學信號的采集 10
1.3.1 醫(yī)學信號采集系統(tǒng)組成 10
1.3.2 醫(yī)學信號采集中的噪聲與干擾 11
1.3.3 安全問題 14
1.4 醫(yī)學信號分析與處理的作用 14
思考題 15
第2章 常見的醫(yī)學信號及其檢測 16
2.1 心電信號 16
2.1.1 心電信號的產(chǎn)生 16
2.1.2 心電信號的特點 18
2.1.3 心電信號的采集 20
2.2 腦電信號 23
2.2.1 腦電信號的產(chǎn)生 23
2.2.2 腦電信號的分類及其特點 24
2.2.3 腦電信號采集 25
2.2.4 腦電信號的應用 27
2.3 誘發(fā)電位信號 27
2.3.1 誘發(fā)電位的產(chǎn)生 27
2.3.2 皮層誘發(fā)電位的特點 28
2.3.3 誘發(fā)電位的采集 29
2.4 肌電信號 29
2.4.1 肌電信號的產(chǎn)生 29
2.4.2 肌電信號的特點 31
2.4.3 肌電信號的采集與應用 32
2.5 胃電信號 32
2.5.1 胃電信號的產(chǎn)生 32
2.5.2 胃電信號的特點及其應用 33
2.5.3 胃電信號的檢測 34
2.6 心音信號 34
2.6.1 心音信號的產(chǎn)生 34
2.6.2 心音信號的特點 34
2.6.3 心音信號的檢測 35
2.7 腦磁圖 36
2.7.1 腦磁信號的產(chǎn)生 36
2.7.2 腦磁信號的應用特點 36
2.7.3 腦磁信號的采集 37
2.8 常見的醫(yī)學圖像 37
2.8.1 常見醫(yī)學圖像及其產(chǎn)生原理 38
2.8.2 醫(yī)學圖像的發(fā)展趨勢 39
思考題 40
第3章 隨機信號與非線性信號分析基礎 41
3.1 醫(yī)學信號的隨機性與非線性 41
3.2 隨機變量的概念與特性 42
3.2.1 隨機變量的概念 42
3.2.2 隨機變量的分布 43
3.2.3 隨機變量的數(shù)字特征 45
3.2.4 隨機變量的特征函數(shù) 48
3.3 隨機信號與隨機過程 48
3.3.1 隨機過程與隨機信號及其統(tǒng)計分布 48
3.3.2 平穩(wěn)隨機信號 51
3.3.3 各態(tài)歷經(jīng)性 52
3.3.4 非平穩(wěn)隨機信號 53
3.4 常見的隨機信號與隨機噪聲 54
3.4.1 高斯（正態(tài)）分布隨機信號 54
3.4.2 白噪聲與帶限白噪聲過程 55
3.4.3 高斯-馬爾可夫過程 56
3.4.4 其他常見隨機噪聲 56
3.5 隨機信號的統(tǒng)計分析方法 57
3.5.1 隨機信號的古典分析方法 57
3.5.2 隨機信號的現(xiàn)代參數(shù)模型方法 60
3.6 醫(yī)學信號非線性分析簡介 66
3.6.1 分形的概念 66
3.6.2 混沌信號處理 67
思考題 69
習題 70
第4章 信號檢測與參數(shù)估計 73
4.1 概述 73
4.1.1 信號檢測的基本任務 73
4.1.2 信號檢測問題中的各種概率描述 74
4.1.3 信號參數(shù)估計的基本任務 74
4.1.4 參數(shù)估計的評價準則 75
4.2 信號檢測的極大后驗概率準則 76
4.2.1 極大后驗概率準則的基本思路 76
4.2.2 二元問題的MAP準則推導 77
4.2.3 極大后驗概率準則的檢測性能 79
4.2.4 進一步的討論 80
4.3 信號檢測的最小錯誤率準則 81
4.3.1 最小錯誤率準則的基本思路 81
4.3.2 二元問題的MPE準則推導 81
4.4 信號檢測的貝葉斯準則 82
1.4.1 貝葉斯準則的基本思路 82
4.4.2 二元問題的貝葉斯準則推導 83
4.5 信號檢測的紐曼-皮爾遜準則 84
4.5.1 紐曼-皮爾遜準則的基本思路 84
4.5.2 二元問題的紐曼-皮爾遜準則推導 84
4.5.3 紐曼-皮爾遜準則的進一步討論 86
4.6 多次觀測與多元檢測簡介 88
4.6.1 多次觀測 88
4.6.2 多元檢測 88
4.7 參數(shù)的非線性估計 89
4.7.1 貝葉斯估計 89
4.7.2 極大似然估計 93
4.7.3 觀測為矢量的情況 94
4.8 估計量的性質(zhì) 95
4.8.1 非隨機參數(shù)估計的克拉美-羅下界 95
4.8.2 隨機參數(shù)估計的克拉美-羅下界 96
4.8.3 MS估計的無偏性 97
4.9 參數(shù)的線性估計 97
4.9.1 參數(shù)非線性估計的局限性 97
4.9.2 線性均方估計 98
4.9.3 遞推估計 100
4.9.4 最小二乘估計 102
思考題 104
習題 105
第5章 隨機信號的相關(guān)函數(shù)估計與功率譜估計 108
5.1 相關(guān)函數(shù)與功率譜密度函數(shù) 108
5.1.1 相關(guān)函數(shù) 108
5.1.2 功率譜密度函數(shù) 110
5.2 自相關(guān)序列的估計 111
5.2.1 自相關(guān)序列的無偏估計 111
5.2.2 自相關(guān)序列的有偏估計 113
5.2.3 自相關(guān)序列的快速估計方法 114
5.3 功率譜估計的經(jīng)典方法 115
5.3.1 功率譜估計的發(fā)展概況 115
5.3.2 周期圖譜估計方法 118
5.3.3 周期圖譜估計的性能 118
5.3.4 改善周期圖譜估計性能的方法 121
5.4 功率譜估計的現(xiàn)代方法 125
5.4.1 經(jīng)典譜估計存在的問題 125
5.4.2 AR模型譜估計方法 125
5.4.3 最大熵譜估計方法 129
5.4.4 MA模型與ARMA模型譜估計方法 131
5.4.5 最小方差譜估計方法 132
5.4.6 皮薩倫科譜分解方法 1341
5.4.7 基于矩陣特征分解的譜估計方法 135
5.4.8 各類現(xiàn)代譜估計方法的比較 137
5.5 譜估計方法在醫(yī)學信號分析中的應用 139
5.5.1 脈搏信號的功率譜分析 139
5.5.2 基于腦電圖功率譜分析的讀字困難癥識別 139
5.5.3 結(jié)腸壓力信號的功率譜分析 140
思考題 141
習題 142
第6章 維納濾波與卡爾曼濾波 145
6.1 概述 145
6.1.1 維納濾波器的概念 145
6.1.2 卡爾曼濾波器的概念 146
6.2 隨機信號預測、濾波與平滑的基本方法 147
6.2.1 隨機信號的預測 147
6.2.2 隨機噪聲的濾除 148
6.2.3 隨機信號的插值 149
6.3 維納濾波器的基本原理與方法 150
6.3.1 因果維納濾波器 150
6.3.2 維納-霍夫方程的求解 151
6.4 維納預測器 158
6.4.1 因果維納預測器 158
6.4.2 N步純預測器 160
6.4.3 一步線性維納預測器 161
6.5 維納濾波器在醫(yī)學信號處理中的應用 161
6.5.1 維納濾波器提取誘發(fā)電位 161
6.5.2 維納濾波器提取誘發(fā)電位信號的另一個例子 162
6.6 卡爾曼濾波器簡介 163
6.6.1 卡爾曼濾波器的基本原理 163
6.6.2 卡爾曼濾波器的分析 166
6.6.3 卡爾曼濾波器的計算 167
6.7 卡爾曼濾波器的應用舉例 169
思考題 172
習題 175
第7章 自適應濾波及其應用 175
7.1 自適應濾波的基本概念 175
7.2 橫向自適應濾波器結(jié)構(gòu)與隨機梯度法 176
7.2.1 橫向自適應濾波器的結(jié)構(gòu)及其性能函數(shù) 176
7.2.2 二次型性能表面的搜索 178
7.3 自適應濾波器的最小均方算法 182
7.3.1 最小均方算法 182
7.3.2 LMS算法的性能分析 184
7.3.3 LMS自適應濾波器的改進形式 191
7.3.4 應用中需要注意的問題 195
7.4 自適應濾波器的遞歸最小二乘算法 200
7.4.1 線性最小二乘原理 200
7.4.2 遞歸最小二乘自適應濾波器 201
7.4.3 應用中需要注意的問題 204
7.5 自適應濾波器在醫(yī)學信號分析處理中的應用 204
7.5.1 自適應噪聲抵消及其在醫(yī)學信號噪聲抑制中的應用 204
7.5.2 自適應譜線增強及其在醫(yī)學信號分析處理中的應用 210
7.5.3 自適應系統(tǒng)辨識及其在醫(yī)學信號分析處理中的應用 212
思考題 213
習題 214
第8章 非平穩(wěn)生物醫(yī)學信號分析與處理 217
8.1 概述 217
8.2 短時Fourier變換 218
8.2.1 短時Fourier變換的定義 218
8.2.2 短時Fourier分析的時間分辨率與頻率分辨率 222
8.2.3 不同類型的街函數(shù)對短時Fourier變換的影響 222
8.2.4 離散短時Fourier變換 224
8.3 Gabor變換 225
8.3.1 臨界采樣Gabor分解 226
8.3.2 過采樣Gabor分解 227
8.3.3 離散Gabor變換 227
8.4 小波分析基礎 233
8.4.1 加窗Fourier變換與小波變換的時頻網(wǎng)格 234
8.4.2 連續(xù)小波的離散化 238
8.4.3 多分辨分析 240
8.5 經(jīng)驗模式分解與希爾伯特-黃變換 246
8.5.1 經(jīng)驗模式分解 246
8.5.2 希爾伯特-黃變換 248
8.6 時頻分析方法在心音信號分析中的應用 252
8.6.1 心音信號 252
8.6.2 第一心音的時頻分析 253
思考題 254
第9章 非高斯生物醫(yī)學信號分析與處理 256
9.1 概述 256
9.1.1 非高斯信號處理的發(fā)展 256
9.1.2 矩與統(tǒng)計量的概念 258
9.1.3 二階統(tǒng)計量及基于二階統(tǒng)計量的信號處理 259
9.1.4 高階統(tǒng)計量及基于高階統(tǒng)計量的信號處理 259
9.1.5 分數(shù)低階統(tǒng)計量及基于分數(shù)低階統(tǒng)計量的信號處理 260
9.2 高階矩與高階累積量 261
9.2.1 高階矩與高階累積量的定義 261
9.2.2 高斯信號的高階矩和高階累積量 262
9.3 非高斯信號及相關(guān)統(tǒng)計量 263
9.3.1 非高斯信號的定義 263
9.3.2 矩和累積量的轉(zhuǎn)換關(guān)系 264
9.3.3 矩和累積量的性質(zhì) 266
9.3.4 高階譜 267
9.4 高階統(tǒng)計量在腦電信號處理中的應用 271
9.5 高階統(tǒng)計量在獨立分量分析技術(shù)中的應用 275
9.5.1 主分量分析 275
9.5.2 獨立分量分析原理 276
9.5.3 不確定性 277
9.5.4 數(shù)據(jù)預處理 278
9.5.5 快速ICA算法 279
9.6 α穩(wěn)定分布與分數(shù)低階統(tǒng)計量信號處理 281
9.6.1 α穩(wěn)定分布的概念 281
9.6.2 α穩(wěn)定分布的性質(zhì) 283
9.6.3 α穩(wěn)定分布的參數(shù)估計及樣本產(chǎn)生 284
9.7 分數(shù)低階信號處理的基本理論 285
9.7.1 分數(shù)低階統(tǒng)計量 285
9.7.2 α穩(wěn)定分布隨機變量的線性宰間 288
9.7.3 α穩(wěn)定分布過程的線性理論 288
9.7.4 分數(shù)階過程的時域自適應濾波 288
9.7.5 線性濾波 289
9.8 分數(shù)低階統(tǒng)計量理論在誘發(fā)電位潛伏期變化檢測中的應用 291
9.8.1 誘發(fā)電位概念及其臨床意義 291
9.8.2 傳統(tǒng)的檢測方法 293
9.8.3 基于分數(shù)低階統(tǒng)計量的EP潛伏期變化檢測方法 295
思考題 299
第10章 生物醫(yī)學信號分析與處理的應用實例 300
10.1 心電信號的分析與處理 300
10.1.1 心電信號的預處理方法 300
10.1.2 心電信號QRS復合波的檢測方法 304
10.1.3 基于心電信號的心率變異檢測 307
10.1.4 一種無需檢測R波的HRV計算方法 308
10.2 心音信號的分析與處理 311
10.2.1 心動周期與心音圖 311
10.2.2 聽診器及體表聽診區(qū) 313
10.2.3 心音信號的頻域及時頻域分析 315
10.2.4 心音包絡的提取方法及分析 317
10.2.5 心音信號循環(huán)平穩(wěn)特性 323
10.2.6 在有關(guān)循環(huán)頻率域內(nèi)消除心音信號的噪聲和干擾 324
10.3 血壓信號的測量與分析 330
10.3.1 柯氏音法測血壓 331
10.3.2 振動法測血壓 332
10.4 表面肌電信號及應用 334
10.4.1 肌電圖在神經(jīng)傳導速度測定中的應用 335
10.4.2 肌電信號分析與特征提取 339
10.4.3 肌電特征在運動模式識別中的應用 340
10.4.4 肌電在假肢控制中的應用 342
思考題 343
參考文獻 345