目錄
《信息科學(xué)技術(shù)學(xué)術(shù)著作叢書》序
前言
第1章 緒論 1
1.1 醫(yī)學(xué)信號(hào)的分類與特點(diǎn) 1
1.1.1 醫(yī)學(xué)信號(hào)概述 1
1.1.2 醫(yī)學(xué)信號(hào)的分類 2
1.1.3 醫(yī)學(xué)信號(hào)的特點(diǎn) 3
1.2 醫(yī)學(xué)電信號(hào)及其產(chǎn)生機(jī)制 4
1.2.1 細(xì)胞的生物電現(xiàn)象 4
1.2.2 細(xì)胞生物電信號(hào)的產(chǎn)生機(jī)制 7
1.3 醫(yī)學(xué)信號(hào)的采集 10
1.3.1 醫(yī)學(xué)信號(hào)采集系統(tǒng)組成 10
1.3.2 醫(yī)學(xué)信號(hào)采集中的噪聲與干擾 11
1.3.3 安全問(wèn)題 14
1.4 醫(yī)學(xué)信號(hào)分析與處理的作用 14
思考題 15
第2章 常見(jiàn)的醫(yī)學(xué)信號(hào)及其檢測(cè) 16
2.1 心電信號(hào) 16
2.1.1 心電信號(hào)的產(chǎn)生 16
2.1.2 心電信號(hào)的特點(diǎn) 18
2.1.3 心電信號(hào)的采集 20
2.2 腦電信號(hào) 23
2.2.1 腦電信號(hào)的產(chǎn)生 23
2.2.2 腦電信號(hào)的分類及其特點(diǎn) 24
2.2.3 腦電信號(hào)采集 25
2.2.4 腦電信號(hào)的應(yīng)用 27
2.3 誘發(fā)電位信號(hào) 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(diǎn) 28
2.3.3 誘發(fā)電位的采集 29
2.4 肌電信號(hào) 29
2.4.1 肌電信號(hào)的產(chǎn)生 29
2.4.2 肌電信號(hào)的特點(diǎn) 31
2.4.3 肌電信號(hào)的采集與應(yīng)用 32
2.5 胃電信號(hào) 32
2.5.1 胃電信號(hào)的產(chǎn)生 32
2.5.2 胃電信號(hào)的特點(diǎn)及其應(yīng)用 33
2.5.3 胃電信號(hào)的檢測(cè) 34
2.6 心音信號(hào) 34
2.6.1 心音信號(hào)的產(chǎn)生 34
2.6.2 心音信號(hào)的特點(diǎn) 34
2.6.3 心音信號(hào)的檢測(cè) 35
2.7 腦磁圖 36
2.7.1 腦磁信號(hào)的產(chǎn)生 36
2.7.2 腦磁信號(hào)的應(yīng)用特點(diǎn) 36
2.7.3 腦磁信號(hào)的采集 37
2.8 常見(jiàn)的醫(yī)學(xué)圖像 37
2.8.1 常見(jiàn)醫(yī)學(xué)圖像及其產(chǎn)生原理 38
2.8.2 醫(yī)學(xué)圖像的發(fā)展趨勢(shì) 39
思考題 40
第3章 隨機(jī)信號(hào)與非線性信號(hào)分析基礎(chǔ) 41
3.1 醫(yī)學(xué)信號(hào)的隨機(jī)性與非線性 41
3.2 隨機(jī)變量的概念與特性 42
3.2.1 隨機(jī)變量的概念 42
3.2.2 隨機(jī)變量的分布 43
3.2.3 隨機(jī)變量的數(shù)字特征 45
3.2.4 隨機(jī)變量的特征函數(shù) 48
3.3 隨機(jī)信號(hào)與隨機(jī)過(guò)程 48
3.3.1 隨機(jī)過(guò)程與隨機(jī)信號(hào)及其統(tǒng)計(jì)分布 48
3.3.2 平穩(wěn)隨機(jī)信號(hào) 51
3.3.3 各態(tài)歷經(jīng)性 52
3.3.4 非平穩(wěn)隨機(jī)信號(hào) 53
3.4 常見(jiàn)的隨機(jī)信號(hào)與隨機(jī)噪聲 54
3.4.1 高斯（正態(tài)）分布隨機(jī)信號(hào) 54
3.4.2 白噪聲與帶限白噪聲過(guò)程 55
3.4.3 高斯-馬爾可夫過(guò)程 56
3.4.4 其他常見(jiàn)隨機(jī)噪聲 56
3.5 隨機(jī)信號(hào)的統(tǒng)計(jì)分析方法 57
3.5.1 隨機(jī)信號(hào)的古典分析方法 57
3.5.2 隨機(jī)信號(hào)的現(xiàn)代參數(shù)模型方法 60
3.6 醫(yī)學(xué)信號(hào)非線性分析簡(jiǎn)介 66
3.6.1 分形的概念 66
3.6.2 混沌信號(hào)處理 67
思考題 69
習(xí)題 70
第4章 信號(hào)檢測(cè)與參數(shù)估計(jì) 73
4.1 概述 73
4.1.1 信號(hào)檢測(cè)的基本任務(wù) 73
4.1.2 信號(hào)檢測(cè)問(wèn)題中的各種概率描述 74
4.1.3 信號(hào)參數(shù)估計(jì)的基本任務(wù) 74
4.1.4 參數(shù)估計(jì)的評(píng)價(jià)準(zhǔn)則 75
4.2 信號(hào)檢測(cè)的極大后驗(yàn)概率準(zhǔn)則 76
4.2.1 極大后驗(yàn)概率準(zhǔn)則的基本思路 76
4.2.2 二元問(wèn)題的MAP準(zhǔn)則推導(dǎo) 77
4.2.3 極大后驗(yàn)概率準(zhǔn)則的檢測(cè)性能 79
4.2.4 進(jìn)一步的討論 80
4.3 信號(hào)檢測(cè)的最小錯(cuò)誤率準(zhǔn)則 81
4.3.1 最小錯(cuò)誤率準(zhǔn)則的基本思路 81
4.3.2 二元問(wèn)題的MPE準(zhǔn)則推導(dǎo) 81
4.4 信號(hào)檢測(cè)的貝葉斯準(zhǔn)則 82
1.4.1 貝葉斯準(zhǔn)則的基本思路 82
4.4.2 二元問(wèn)題的貝葉斯準(zhǔn)則推導(dǎo) 83
4.5 信號(hào)檢測(cè)的紐曼-皮爾遜準(zhǔn)則 84
4.5.1 紐曼-皮爾遜準(zhǔn)則的基本思路 84
4.5.2 二元問(wèn)題的紐曼-皮爾遜準(zhǔn)則推導(dǎo) 84
4.5.3 紐曼-皮爾遜準(zhǔn)則的進(jìn)一步討論 86
4.6 多次觀測(cè)與多元檢測(cè)簡(jiǎn)介 88
4.6.1 多次觀測(cè) 88
4.6.2 多元檢測(cè) 88
4.7 參數(shù)的非線性估計(jì) 89
4.7.1 貝葉斯估計(jì) 89
4.7.2 極大似然估計(jì) 93
4.7.3 觀測(cè)為矢量的情況 94
4.8 估計(jì)量的性質(zhì) 95
4.8.1 非隨機(jī)參數(shù)估計(jì)的克拉美-羅下界 95
4.8.2 隨機(jī)參數(shù)估計(jì)的克拉美-羅下界 96
4.8.3 MS估計(jì)的無(wú)偏性 97
4.9 參數(shù)的線性估計(jì) 97
4.9.1 參數(shù)非線性估計(jì)的局限性 97
4.9.2 線性均方估計(jì) 98
4.9.3 遞推估計(jì) 100
4.9.4 最小二乘估計(jì) 102
思考題 104
習(xí)題 105
第5章 隨機(jī)信號(hào)的相關(guān)函數(shù)估計(jì)與功率譜估計(jì) 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(jì) 111
5.2.1 自相關(guān)序列的無(wú)偏估計(jì) 111
5.2.2 自相關(guān)序列的有偏估計(jì) 113
5.2.3 自相關(guān)序列的快速估計(jì)方法 114
5.3 功率譜估計(jì)的經(jīng)典方法 115
5.3.1 功率譜估計(jì)的發(fā)展概況 115
5.3.2 周期圖譜估計(jì)方法 118
5.3.3 周期圖譜估計(jì)的性能 118
5.3.4 改善周期圖譜估計(jì)性能的方法 121
5.4 功率譜估計(jì)的現(xiàn)代方法 125
5.4.1 經(jīng)典譜估計(jì)存在的問(wèn)題 125
5.4.2 AR模型譜估計(jì)方法 125
5.4.3 最大熵譜估計(jì)方法 129
5.4.4 MA模型與ARMA模型譜估計(jì)方法 131
5.4.5 最小方差譜估計(jì)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(jì)方法 135
5.4.8 各類現(xiàn)代譜估計(jì)方法的比較 137
5.5 譜估計(jì)方法在醫(yī)學(xué)信號(hào)分析中的應(yīng)用 139
5.5.1 脈搏信號(hào)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(shí)別 139
5.5.3 結(jié)腸壓力信號(hào)的功率譜分析 140
思考題 141
習(xí)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(jī)信號(hào)預(yù)測(cè)、濾波與平滑的基本方法 147
6.2.1 隨機(jī)信號(hào)的預(yù)測(cè) 147
6.2.2 隨機(jī)噪聲的濾除 148
6.2.3 隨機(jī)信號(hào)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(yù)測(cè)器 158
6.4.1 因果維納預(yù)測(cè)器 158
6.4.2 N步純預(yù)測(cè)器 160
6.4.3 一步線性維納預(yù)測(cè)器 161
6.5 維納濾波器在醫(yī)學(xué)信號(hào)處理中的應(yīng)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(hào)的另一個(gè)例子 162
6.6 卡爾曼濾波器簡(jiǎn)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(jì)算 167
6.7 卡爾曼濾波器的應(yīng)用舉例 169
思考題 172
習(xí)題 175
第7章 自適應(yīng)濾波及其應(yīng)用 175
7.1 自適應(yīng)濾波的基本概念 175
7.2 橫向自適應(yīng)濾波器結(jié)構(gòu)與隨機(jī)梯度法 176
7.2.1 橫向自適應(yīng)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(yīng)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(yīng)濾波器的改進(jìn)形式 191
7.3.4 應(yīng)用中需要注意的問(wèn)題 195
7.4 自適應(yīng)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(yīng)濾波器 201
7.4.3 應(yīng)用中需要注意的問(wèn)題 204
7.5 自適應(yīng)濾波器在醫(yī)學(xué)信號(hào)分析處理中的應(yīng)用 204
7.5.1 自適應(yīng)噪聲抵消及其在醫(yī)學(xué)信號(hào)噪聲抑制中的應(yīng)用 204
7.5.2 自適應(yīng)譜線增強(qiáng)及其在醫(yī)學(xué)信號(hào)分析處理中的應(yīng)用 210
7.5.3 自適應(yīng)系統(tǒng)辨識(shí)及其在醫(yī)學(xué)信號(hào)分析處理中的應(yīng)用 212
思考題 213
習(xí)題 214
第8章 非平穩(wěn)生物醫(yī)學(xué)信號(hào)分析與處理 217
8.1 概述 217
8.2 短時(shí)Fourier變換 218
8.2.1 短時(shí)Fourier變換的定義 218
8.2.2 短時(shí)Fourier分析的時(shí)間分辨率與頻率分辨率 222
8.2.3 不同類型的街函數(shù)對(duì)短時(shí)Fourier變換的影響 222
8.2.4 離散短時(shí)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(guò)采樣Gabor分解 227
8.3.3 離散Gabor變換 227
8.4 小波分析基礎(chǔ) 233
8.4.1 加窗Fourier變換與小波變換的時(shí)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(yàn)?zāi)Ｊ椒纸馀c希爾伯特-黃變換 246
8.5.1 經(jīng)驗(yàn)?zāi)Ｊ椒纸?246
8.5.2 希爾伯特-黃變換 248
8.6 時(shí)頻分析方法在心音信號(hào)分析中的應(yīng)用 252
8.6.1 心音信號(hào) 252
8.6.2 第一心音的時(shí)頻分析 253
思考題 254
第9章 非高斯生物醫(yī)學(xué)信號(hào)分析與處理 256
9.1 概述 256
9.1.1 非高斯信號(hào)處理的發(fā)展 256
9.1.2 矩與統(tǒng)計(jì)量的概念 258
9.1.3 二階統(tǒng)計(jì)量及基于二階統(tǒng)計(jì)量的信號(hào)處理 259
9.1.4 高階統(tǒng)計(jì)量及基于高階統(tǒng)計(jì)量的信號(hào)處理 259
9.1.5 分?jǐn)?shù)低階統(tǒng)計(jì)量及基于分?jǐn)?shù)低階統(tǒng)計(jì)量的信號(hào)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(hào)的高階矩和高階累積量 262
9.3 非高斯信號(hào)及相關(guān)統(tǒng)計(jì)量 263
9.3.1 非高斯信號(hào)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(jì)量在腦電信號(hào)處理中的應(yīng)用 271
9.5 高階統(tǒng)計(jì)量在獨(dú)立分量分析技術(shù)中的應(yīng)用 275
9.5.1 主分量分析 275
9.5.2 獨(dú)立分量分析原理 276
9.5.3 不確定性 277
9.5.4 數(shù)據(jù)預(yù)處理 278
9.5.5 快速ICA算法 279
9.6 α穩(wěn)定分布與分?jǐn)?shù)低階統(tǒng)計(jì)量信號(hào)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(jì)及樣本產(chǎn)生 284
9.7 分?jǐn)?shù)低階信號(hào)處理的基本理論 285
9.7.1 分?jǐn)?shù)低階統(tǒng)計(jì)量 285
9.7.2 α穩(wěn)定分布隨機(jī)變量的線性宰間 288
9.7.3 α穩(wěn)定分布過(guò)程的線性理論 288
9.7.4 分?jǐn)?shù)階過(guò)程的時(shí)域自適應(yīng)濾波 288
9.7.5 線性濾波 289
9.8 分?jǐn)?shù)低階統(tǒng)計(jì)量理論在誘發(fā)電位潛伏期變化檢測(cè)中的應(yīng)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(cè)方法 293
9.8.3 基于分?jǐn)?shù)低階統(tǒng)計(jì)量的EP潛伏期變化檢測(cè)方法 295
思考題 299
第10章 生物醫(yī)學(xué)信號(hào)分析與處理的應(yīng)用實(shí)例 300
10.1 心電信號(hào)的分析與處理 300
10.1.1 心電信號(hào)的預(yù)處理方法 300
10.1.2 心電信號(hào)QRS復(fù)合波的檢測(cè)方法 304
10.1.3 基于心電信號(hào)的心率變異檢測(cè) 307
10.1.4 一種無(wú)需檢測(cè)R波的HRV計(jì)算方法 308
10.2 心音信號(hào)的分析與處理 311
10.2.1 心動(dòng)周期與心音圖 311
10.2.2 聽(tīng)診器及體表聽(tīng)診區(qū) 313
10.2.3 心音信號(hào)的頻域及時(shí)頻域分析 315
10.2.4 心音包絡(luò)的提取方法及分析 317
10.2.5 心音信號(hào)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(hào)的噪聲和干擾 324
10.3 血壓信號(hào)的測(cè)量與分析 330
10.3.1 柯氏音法測(cè)血壓 331
10.3.2 振動(dòng)法測(cè)血壓 332
10.4 表面肌電信號(hào)及應(yīng)用 334
10.4.1 肌電圖在神經(jīng)傳導(dǎo)速度測(cè)定中的應(yīng)用 335
10.4.2 肌電信號(hào)分析與特征提取 339
10.4.3 肌電特征在運(yùn)動(dòng)模式識(shí)別中的應(yīng)用 340
10.4.4 肌電在假肢控制中的應(yīng)用 342
思考題 343
參考文獻(xiàn) 345