（生物医学工程专业论文）基于fpga的复合自适应滤波器.pdf

a b s t r a c t s o m a t o s e n s o r ye v o k e dp o t e n t i a i s ( s e p ) i sa ne l e c t r o p h y s i o l o g i c a lr e s p o n s e t o e x t e m a ls t i m u l a t i o n ，r e n e c t i n gt h ei n t c g r i 够 o ft h en e u r o l o g i c a lp a t h w a y s e p m e a s u r e m e n ti sa ne s s e n t i a l t e s ti ns p i n a l i n t r a o p e r a t i v em o n i t o r i n g i nc i i n i c a lp r a c t i c e s ，s e ps i g n a li su s u a l l ya c c o m p a n i e db yd i 任- e i e n tk i n d so fn o i s e s ， w h i c hm a k ee x t r e m e l yp o o rs i g n a l t o n o i s er a t i o n ( s n r ) d u r i n gr c c o r d i n g t h e r e f o r e ， i ti sai yi s s u ei ns i g n a lp r o c e s s i n gt oe x t r a c tt h es e ：ps i g n a lf i o mt h es t r d n gn o i s e b a c k g r o u n d c o n v e n t i o n a le n s e m b i ea v e r a g i n g ( e a ) i sac o m m o n l yu s e dt e c h n i q u ei ns e p p r o c e s s i n gt oi m p r o v e t h es n r h o w e v e r ，i tr e q u i r e sah u g en u m b e ro fi n p u t si no r d e r t oe x t r a c tar e l i a b l es e p a n dl a c ko ft h et i m ev a 叮i n gi n f o m l a t i o n t h et i m ed e l a yo f s e pd e t e c t i n gm a yr e s u l ti np e m a n e n ti l 锄a g et ot h es p i n a lc o r d t os o l v et h i s p r o b l e m ，t h i ss t u d yd e v e l o p sar e a lt i m es e pe x t r a c t i o nt e c h n i q u e ，w h i c hc o m b i n e s a d v 粕c e ds i g n a lp r o c e s s i n ga l g o r i t h mw i t hv l s id i g i t a lp r o c e s s i n gt e c h n i q u e t h i sp a p e rp r e s e n t sa na l g o r i t h mc o m b i n i n gm u l t i a d a p t i v ef i l t e r ( m a f ) w i t hr a d i a l b a s i sm n c t i o nn e u r a ln e 俩o r k ( r b n n ) t h er a ws e p i sf i r s td e n o s i e db ya d a p t i v e n o i s ec a n c e l l e r ( a n c ) a f t e r w a r d ，i t so u t p u ta n dt h er e f e r e n c es i g n a lc a l c u l a t e db y r b f n na r ei m p o r t e di n t ot h ea d a p t i v es i g n a le n h a n c e r ( a s e ) t h er a d i a l b a s i s f h n c t i o nh e r er e p l a c e st h ec o n v e n t i o n a le as i g n a ls oa st os a v et i m e ，r e t a i nv a r i a t i o n a n dm a t c ht h et i m e v a 巧i n gc h a r a c t e r i s t i c so fs e p t h er e a lt i m es e pe x t r a c t i o na l g o r i t h mi si m p l e m e n t e di nt h ef i e l dp r o g r a m m a b l e g a t e 棚y ( f p g a ) f o r b e 骶rp e m 咖a n c eo f t h eh a r d w a r e ，t h en x e dp o i ma l g o r i t h n l i sd e v e l o p e d t h i sp 印e r a n a l y z e st h ef i x e dp o i n tq u a n t i z a t i o ne 仃e c to fa n c ，r b f n n 锄da s e ，a n do p t i m i z e st h ep a r a m e t e r so ff i l t e r si nf i x e d - p o i n ta l g o r i t h m ，s u c ha s s t e p s i z e ， h i d d e nn o d e s ，a n db i tl e n g t h t h eo p t i m a lf i x e d p o i n ta l g o r i t h m i s i m p l e m e m e di nf p g a ，a n dg e t sag o o dp e r f o n n a n c ei ne x n a c t i n g 廿l er e a lt i m es e p s i g n a l k e y w o r d s ：a d a p t i v en o i s ec a n c e l l e r ；a d a p t i v es i g n a l e n h a n c e r ；f i e l d p r o g r a m m a b l eg a t ea r r a y ；r a d i a lb a s i sf u n c t i o nn e u r a l n e 觚o r i ( 。 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的 研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表 或撰写过的研究成果，也不包含为获得主国匡鲎盘鲎睦兰垦室垫垒匡堂瞳 或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所 做的任何贡献均已在论文中作了明确的说明并表示了谢意。 学位论文作者签名： 签字日期： 年月 日 学位论文版权使用授权书 本学位论文作者完全了解主国匡堂壁堂堕皇垦室垫垒匡堂睦有关保 留、使用学位论文的规定。特授权主国匡堂盘堂睦曼垦室垫垒匡堂瞳可以将 学位论文的全部或部分内容编入有关数据库进行检索，并采用影印、缩印或扫描 等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送交论 文的复印件和磁盘。 ( 保密的学位论文在解密后适用本授权说明) 学位论文作者签名： 导师签名： 签字日期：年月 日签字日期： 年月 日 第一章绪论 1 1 引言 第一章绪论 在脊柱外科手术如脊柱畸形手术u 4 1 ，常会由于脊髓缺血或机械牵拉、压迫 造成脊髓损伤，这种损伤轻者造成四肢麻痹，重者可能造成偏瘫、截瘫甚至有生 命危险。因此，术中脊髓监护已成为一种必要的常规监护手段。体感诱发电位是 神经受到外界刺激时所记录到的电生理反应，可以反映脊髓和中枢神经系统功能 的完整性，被应用于术中脊髓监护。临床使用中，体感诱发电位的检测受很多噪 声源的影响，使体感诱发电位的信噪比非常低。如何有效地从强噪声背景中提取 体感诱发电位成为信号处理技术的重要问题之一。 目前市场上现有的监护设备均是基于平均叠加技术来拾取诱发电位h 3 ，主要 不足在于耗时长、缺乏动态变异信息。诱发电位检测时间的延误可能耽搁对脊髓 损伤的诊断，会错过对患者进行补救的最佳时机，从而出现不可逆的神经功能损 害心一 9 1 。因此，快速体感诱发电位拾取是术中诱发电位脊髓监护的关键n 0 1 引，也 是目前极具挑战性的研究课题。 随着信号处理技术的不断发展，各种新的方法和思路被用到s e p 的快速提取 中来 扣9 1 4 3 刳，快速检测方法主要包括小波变换、自适应滤波和神经网络技术。 这些技术的出现为体感诱发电位快速拾取提供了广阔的思路，并已经取得了巨大 的进步，出现了很多可喜的成果。目前的多种信号处理方法，都各自具有独特的 能力，它们的有效结合，在体感诱发电位信号快速提取中发挥着越来越大的作用。 随着现代电子技术的不断发展，电子器件日新月异，新的电子芯片技术与现 代信号处理技术的结合将进一步推动诱发电位快速提取的研究，使其从过去单一 的软件算法研究，转向软件与硬件的结合，进一步加快信号处理的速度，达到实 时处理，真正实现术中体感诱发电位的实时监护。 第一章绪论 1 2 体感诱发电位概述 体感诱发电位( s o m a t o s e n s o 巧e v o k e dp o t e n t i a l ；s e p ) 是大脑对外界体感刺激 的生物电反应，当电刺激施加于外周感觉神经通路，刺激所引起的兴奋从周围神 经上行到脊髓、脑干，经丘脑交叉传到大脑皮层感觉区，在神经干及中枢神经系 统就可以记录到相应的电位，主要反映脊髓侧后索和后索的上行传导束功能，根 据s e p 的变化可以对脊髓神经的感觉传导功能进行有效的监测。 体感诱发电位也被分为皮层体感诱发电位( c o n i c a ls o m a t o s e n s o r ye v o k e d p o t e n t i a i ；c s e p ) 和皮层下体感诱发电位( s u b c o n i c a ls o m a t o s e n s o 巧e v o k e d p o t e n t i a l ：s c s e p ) ，刺激位置根据不同手术要求和所要监护的节段而确定，颈椎 手术采用上肢s e p ，经皮刺激电极刺激手腕处正中神经或尺神经，记录电极参考 国际脑电图学会制定的1 0 2 0 系统，放置于头皮脑电c 3 和c 4 位置( 分别位于标准 电极点c 3 和c 4 后2 c m ) ，参考电极放于f z 点。胸腰段脊柱手术则采用下肢s e p ， 刺激电极置于胫后神经，记录电极放在头皮c z 点和c v 点，参考电极放于f z 点。 无论上肢s e p 或下肢s e p ，刺激源一般采用恒流方波脉冲电刺激，刺激强度在 1 0 4 0 m a 之间，频率在5 比左右，脉宽0 3 m s 为最佳n 引，滤波范围为2 0 3 0 0 0 h z ， 叠加1 0 0 次。 体感诱发电位可以反映脊髓和中枢神经系统功能的完整性，是最早应用于临 床的电生理脊髓监护技术，迄今已经有3 0 余年的历史。实验研究表明，作为一 种无损伤神经系统功能检测方法，其波峰潜伏期和波幅可有效反应中枢神经体感 传导通路的损伤：当出现神经损伤的时候，s e p 信号的波幅会降低，潜伏期会延 长3 3 3 5 1 。 然而，在临床实时监测及诊断中，s e p 的检测还受很多噪声源的影响，包括 医用仪器、记录电极产生的噪声和人体产生的生物电信号，噪声的存在使s e p 的信噪比( s i g n a l t o n o i s er a t i o ；s n r ) 非常低，大约为2 0 d b 3 0 d b 心一1 ，如何有效 地从强噪声背景中提取s e p 成为s e p 信号处理技术的重要问题之一。目前，临 床通常采用叠加平均( e n s e m b i ea v e r a g e ；e a ) 的方法拾取诱发电位，主要不足 在于耗时长、缺乏动态变异信息。 第一章绪论 1 3 体感诱发电位检测方法 1 3 1 叠加平均技术 叠加平均技术6 1 是最经典的也是目前应用最广泛的s e p 检测技术。它主要基 于如下假设：( 1 ) 诱发电位的出现与刺激存在固定的锁时关系。即在反复多次的 同样刺激后，所出现的诱发电位都保持有同样的潜伏期和极性，其波形、波幅也 基本一致；( 2 ) 背景噪声出现与否与刺激无任何时问关系，是零均值的广义平稳 过程，而且是加性噪声。这样，与刺激有固定时间关系的电位活动经过多次叠加 相对地逐渐增大，而与刺激无固定的时间关系的背景电活动却在多次叠加过程中 相互抵消，逐渐变小。经过n 次叠加平均后，平均响应的信噪比单次响应信噪比 提高了倍h ”。 叠加平均方法存在严重缺陷：一方面由于信噪比很低，为获得较好的信号波 形，需要累加很多次刺激响应。如脑干听觉诱发电位需要多达2 0 0 0 次刺激记录 的信号叠加平均，视觉诱发电位一般也需要1 0 0 次以上。在这样长时间的重复刺 激下，神经系统感受器会产生适应或疲劳，使得每次诱发信号的潜伏期和幅度发 生变化，导致累加平均信号发生变化，引起误差，影响诱发电位提取的准确性； 另一方面，噪声在几秒或更短的时间间隔内可以认为是具有正态分布的平稳随机 过程，但对长时间而言并不完全满足正态分布b 6 1 。针对上述问题，w o o d y 、 m c g i l l e m 和a u n o n 如引、m c g i l l e m 口鲫等提出了一系列改进算法，但都没能从根本上 解决叠加平均方法的动态跟踪能力差的问题。 、 1 3 2 自适应滤波 自适应滤波是近3 0 年以来，在维纳滤波、k a l m 粕滤波等线性滤波基础上发 展起来的一种最佳滤波方法。 自适应滤波的研究对象是具有不确定的系统或信息过程。这里的“不确定性” 是指所研究的信息处理过程及其环境的数学模型不是完全确定的，其中包含一些 未知因素和随机因素。任何一个实际的信息过程都具有不同程度的不确定性，这 些不确定性有时表现在过程内部，有时表现在过程外部。从过程内部来讲，描述 研究对象即信息动态过程的数学模型的结构和参数是设计者事先并不一定能确 切知道的。作为外部环境对信息过程的影响，可以等效地用扰动来表示。这些扰 动通常是不可测的，它们可能是确定性的，也可能是随机的。此外，还有一些测 量噪声也以不同的途径影响信息过程。这些扰动和噪声的统计特性常常是未知 第一章绪论 的。面对这些客观存在的各式各样的不确定性，如何综合处理该信息过程，并使 得某一些指定的性能指标达到最优或近似最优，这就是自适应滤波所要解决的问 题。 w i d r o wb 等人在l9 6 7 年提出的通过自适应滤波理论构造的自适应滤波器与 普通滤波器不同，它的冲激响应或者滤波参数是随外部环境的变化而改变的，通 过自适应滤波器本身具有的自适应算法，按照一定准则修改滤波参量，可以自动 地调整从而达到最佳滤波效果。并且在设计自适应滤波器时，只需要很少或者根 本不需要任何关于信号和噪声的先验统计知识。当输入过程的统计特性未知时， 自适应滤波器调整自己参数的过程称为“学习过程”，而当输入过程的统计特性 变化时，自适应滤波器调整自己参数的过程称为“跟踪过程”。 自适应滤波器通常由两部分组成，一是可编程滤波器( 亦称滤波子系统) ， 根据所要处理的功能不同而有不同的结构形式；一是自适应算法部分，用来调整 可编程滤波器的结构参数，或滤波系数。常见的自适应滤波器的结构如下图1 3 - 1 所示： d ( ”) 材( 刀) 图1 3 1 自适应滤波器结构框图 图1 3 1 中，甜( 刀) 为输入信号，y ( 刀) 为自适应滤波器的输出，d ( 刀) 为期望信 号( 也可以称为参考输入) ，误差信号p ( ，2 ) 是d ( ) 与) ，( n ) 之差。在自适应滤波器 的自适应过程中，主要是自适应算法通过不断的调节滤波( 权) 系数w ，使目标 函数( 或代价函数) ，( ) 最小化，最终使输出y ( 以) 逼近于期望信号d ( 刀) ，滤波 ( 权) 系数w 收敛于，这里是自适应滤波系数的最优解。此处的目标函数 ，( ) 是输入信号、参考信号以及输出信号的函数，所以必须具备以下两个性质： ( 1 ) 非负性：，( ) 0 。( 2 ) 最佳性：当y ( 胛) = d ( 疗) 时，( ) = o 。在自适应滤波 器的滤波过程中，由输出信号y ( 疗) 与期望信号d ) 的差值p ( 胛) 驱动某种算法对 滤波系数进行调节以使滤波器处于最佳工作状态来实现滤波。可见，自适应滤波 器是一个闭合的反馈环，算法决定了自适应过程所需要的时间，调节自适应滤波 系数，以达到在所描述准则下的误差最小化。自适应滤波也是最佳估计的过程， 既要实现滤波器输出) ，( 刀) 对期望信号d ( 胛) 的估计，又要实现滤波器权系数的估 第一章绪论 计，以利于向主要目标函数方向的调整。并且这个估计过程是以连续的时变形式 进行的，这就是自适应滤波器的自适应收敛过程，收敛过程的快慢取决于算法和 可编程滤波器的结构h 。 根据输出和输入的关系，滤波器可分为线性滤波器和非线性滤波器。组成自 适应滤波器的可编程滤波器，可能是线性的或非线性的，通常都采用线性结构， 包括有限冲激响应( f i n j t ej m p u l s er e s p o n s e ，f i r ) 横向滤波器、无限冲激响应 ( i n f i n i t ei m p u i s er e s p o n s e ，i i r ) 横向滤波器以及格形滤波器等。自适应有限冲激响 应f i r 滤波器，是一种全零点滤波器，所以它始终是稳定的，现在已有相当完善 的自适应算法，在信号处理领域，获得了广泛应用。但是由于它是非递归结构， 冲激响应为有限长，当用于较高精度匹配的实际物理系统的设计时，所需的阶数 可能相当大，导致结构复杂，运算量大。自适应无限冲激响应i i r 滤波器，既有 零点又有极点，或者只有极点，不能保证系统的稳定性。由于它是一个具有无限 冲激响应的递归滤波器，与自适应f i r 滤波器相比，它的一个最重要的优点是： 要达到相同的性能，i i r 滤波器所需的系数个数一般比f i r 滤波器少得多，这样 就可以减少计算量。然而，在减少计算量的同时，由于反馈的存在，算法的收敛 时间加大，其收敛性和稳定性分析都十分复杂1 。 线性自适应滤波问题不存在唯一的解决方案，各种递归算法拥有各自的期望 特征。一般，推导线性自适应滤波器递归算法主要分为二种h 副：随机梯度法和最 小二乘估计。 随机梯度法使用抽头延迟线或者横向滤波器作为实现线性自适应滤波器的 构造基础。对于平稳输入的情况，采用期望响应与横向滤波器输出之差的均方值 即均方误差作为性能指标，来衡量自适应滤波器的性能。性能指标恰好是横向滤 波器中抽头权值的二次函数。未知抽头权值均方误差的函数关系看作是具有唯一 确定的极小点的多维抛物面。对应于该曲面极小点的抽头权值定义了最优维纳 解，使滤波器成为最优滤波器。 最小二乘估计使用加权误差平方和作为性能指标，收敛速度快，但是算法的 计算复杂度很高，所需的存储量极大，不利于实时实现。 由于自适应滤波不需要有关信号和噪声的先验知识，却能在某一最佳准则下 跟踪信号，8 0 年代中期自适应滤波开始在诱发电位的提取中得到应用u 。早期， 提取诱发电位信号主要单独采用自适应噪声消除器( a d a p t i v en o i s ec a n c e l l e r ； a n c ) 和自适应信号增强器( a d a p t i v es i g n a le n l l a n c e r ；a s e ) ，但仍需要平均叠加 的补充才能实现对诱发电位的单次或少次提取。近十多年来，自适应滤波提取诱 发电位方面的研究不断深入，从线性滤波一4 4 4 司到非线性滤波乜”2 3 “6 4 刚，从单个 的自适应滤波器口川 4 舶到多种自适应滤波器的复合使用阳1 ，从单一的自适应滤波 第一章绪论 伊7 4 4 娟3 到多种滤波方法与自适应滤波的结合使用乜旷2 4 1 ，这些新的自适应滤波方 法逐步实现了对诱发电位的单次或少次提取。 随着大规模集成电路技术、计算机技术的飞速发展，自适应滤波理论和方法 向纵深方向得到迅速发展。自适应信号处理技术将在雷达、通信、声纳、图像处 理、计算机视觉、生物医学工程等领域进一步发挥其独特的作用。 1 3 3 人工神经网络 人工神经网络( a n i f i c i a ln e u r a ln e t 、o r k ；a n n ) ，是由一系列简单的彼此高 度连接的处理单元( 神经元) 组成的复杂网络，它是在生物神经网络功能的启示下 发展起来的用以模拟人类大脑神经网络结构和行为的一种以分布式存贮和并行 协同处理为特色的非线性动力学系统。人工神经网络的发展为那些用其他处理方 法较难甚至无法解决的问题提供了新的思路和方向。从数学的角度来说，人工神 经网络是一种新的数据处理算法。与一般的传统数据处理算法相比，它有其独特 的优越性：( 1 ) 模糊的数据；( 2 ) 需要决定的模式特征不需明确；( 3 ) 数据本身的 非线性：( 4 ) 随机数据或数据中允许含有噪声。砧州具有大规模模拟并行性、 分布式存贮自适应学习的自组织等功能，因此在生物医学信号处理中可以辅助 甚至替代传统算法难以解决或无法解决的问题。目前在生物医学信号检测与处理 中，人工神经网络已被广泛地应用于脑电、心电、胃电等信号的滤波、压缩及模 式识别，超声多普勒血流信号、声谱包络周期识别，听觉诱发电位信号的提取，医 学信号、图像的数据压缩，时间序列的预测等方面h 引。 人工神经网络至今还没有一个公认权威的定义。有一种定义是：人工神经网 络是生理学上的真实人脑神经网络的结构和功能，以及若干基本特性的某种理论 抽象。从系统观点看，人工神经网络是由大量神经元通过极其丰富和完善的联结 而成的自适应非线性动态系统。神经元之间的连接方式不同，神经网络的结构形 态也就不同。 生理学上的神经元就是指神经细胞。它由细胞体、树突、轴突和突触四部分 组成。树突负责信息输入，轴突用来输出。一个神经元的树突和另一个神经元的 轴突连接的地方叫突触。神经元是神经网络操作的基本信息处理单位，其模型如 图1 3 2 ，可用如下方程描述： = _ ， 肌= 妒( + 6 ) ( 1 1 ) j = l 第一章绪论 ，三 蕃1 ； 号 i 、- 图1 3 2 神经元的非线性模型 其中五，恐，是输入信号，彬，睨：，是神经元的突触权值，是输入 信号线性组合器的输出，偏置为阮，激活函数为矽( ) ，虬是神经元输出信号。大 量神经元连接就组成了人工神经网络。它具有人脑的部分特征，比如： ( 1 ) 分布储存和容错性；( 2 ) 大规模并行处理；( 3 ) 自学习、自组织和自适应 性；( 4 ) 表现出复杂的非线性动态系统的特征；( 5 ) 可以处理一些环境信息复杂、 知识背景不清楚和推理规则不明确的问题。 神经网络技术的最大优点是具有训练和自学功能，而且不需要任何信号和噪 声的先验统计假设。随着神经网络技术的发展，不同的神经网络模型：反向传播 ( b a c k p r o p a g a t i o n ；b p ) 网络、h o p f i e l d 网络、径向基函数网络( r a d i a lb a s i sf u n c t i o n n e u r a ln e t 、o r k ；r b f n n ) 和模拟退火神经网络等已被应用于诱发电位信号的提 取晗0 2 朝。由早期单一的神经网络技术研究到与小波变换、自适应滤波等多种滤波 方法的结合使用，从而实现对诱发电位的单次或少次提取。 1 3 4 小波变换 小波变换的基本思想是用一族函数去表示或逼近某一信号或函数，这一族函 数称为小波函数系。小波分析是一种时间一尺度分析，同时具有时域和频域的良 好局部化性质，其基本子波经不同的位移和比例变换可分解出原始信号时域和频 域的独立贡献。这一特点使得小波变换很适于微弱信号的提取，利用小波变换的 时频定位功能，剔除噪声项，保留与信号有关的项，然后对其进行重构，这相当于 对原始信号进行时频滤波。经小波变换后的去噪波形与传统的叠加平均方法相 比，小波分析方法的运用可大大减少试验次数、缩短检测时间、避免因次数增多 而引起的疲劳性反应及背景干扰噪声的影响，从而使波形之间的分离更为清晰， 波形辨认更为精确聃一眦引。 第一章绪论 1 9 9 8 年l i uw q b 妇等人利用小波分析进行诱发电位变化跟踪研究，他们首先 利用平均诱发电位响应设计小波基，然后在多分辨率分析的基础上设计相关尺 度函数，最后得到一具有跟踪能力的低通滤波器。该滤波器具有同时提取诱发电 位波形和动态跟踪诱发电位潜伏期变化的能力。r a z 乜8 3 等人进一步建立了诱发电 位的小波包模型，确立适合各种诱发电位的最佳小波基函数，为使用小波变换处 理诱发电位信号提供了便利条件。最近，利用小波变换实现诱发电位信号单次提 取的新的研究成果不断涌现，利用小波分析单次提取诱发电位的研究仍在积极发 展中。 1 3 5 总结 在s e p 信号快速提取的各种算法中，小波变换的特长在于微弱信号提取哺1 4 1 ， 从理论上说比传统的叠加平均方法更能改善信噪比，但实际上这种改善也是有限 度的，仍然需要进行一定次数的叠加平均。刘文庆等州的研究发现，在进行诱发 电位拾取时，小波变换只能满足对诱发电位潜伏期的快速提取，而不能准确地检 测幅值。神经网络由于它的非线性和自学习能力，在用于信号处理时不需要特别 的工作去获取信号的非线性特性，同时还降低了对先验知识的要求。因此，在跟 踪信号瞬态变化和非平稳特性时有其优越性；另一方面，由于非线性训练，导致 了较高的计算复杂度。与神经网络技术相比，自适应滤波同样不需要有关信号和 噪声的先验知识，而自适应滤波的优点在于不需要学习过程，参数是提前确定的， 因此其收敛速度比神经网络快。l a m 等 1 利用自适应方法进行术中诱发电位监 护，并进行了临床实用性研究，发现自适应方法诱发电位检测仍然需要使用叠加 平均的补充，才能满足诱发电位临床监护的可靠性。因此，l a m 等哺1 进一步提出 以自适应噪声消除器和自适应信号增强器组合来尽量提高信噪比水平，以节省诱 发电位提取的时间。该方法依然需要叠加平均的补充，并且自适应滤波器是线性 的，无法迎合s e p 的非线性特征。f u n gk s m 晗2 1 等提出了一种自适应信号处理与 神经网络相结合的方法，这种方法采用径向基函数神经网络，用有限数量的中心 沿时间均匀分布的径向基函数对诱发电位建模。最近，q i u 等比。2 3 1 把r b 卧与 自适应信号增强器结合起来，用r b 卧m 对原始数据进行预滤波，然后将预滤波 的结果作为自适应信号增强器的参考输入。r b 卧烈是个非线性处理过程哺川，能 够迎合诱发电位的非线性特性，而它同时又有参数线性的优势，用传统的自适应 方法就能有效地估计它的各个参数，因此在计算复杂性和非线性处理能力两个方 面取得了平衡。r b f n n 自适应信号增强器对视觉诱发电位的处理取得很好的效 果，但对体感诱发电位信号的处理尚未有满意的结果。 第一章绪论 1 4 实时信号处理 目前，数字信号处理已经成为信号处理的主要手段。从应用角度来看，一般 将数字信号处理分为两大类，一类是非实时信号处理，另一类是实时信号处理。 非实时信号处理是指对已采集好的信号或者计算机产生的仿真信号进行处 理，不要求现场完成并得到结果。 实时信号处理则要求在限定的时间内将采集的数据在现场处理完成并得到 一定的结果，即信号处理的时间要小于或者等于下一批数据的输入时间，有时甚 至要求在特定的时间、地点来完成信号处理。实时又分为软实时和硬实时。软实 时要求响应时间越短越好，而硬实时要求响应时间必须小于设定值。 目前的实时信号处理系统大多数是脱离了个人电脑( p e r s o n a lc o m p u t e r ；p c ) 的嵌入式系统，常见的是由专用集成电路芯片、信号处理器( d i g i t a ls i g n a l p r o c e s s o r ；d s p ) 、单片机或现场可编程门阵列( f i e l dp r o g r a m m a b l eg a t ea r 眵； f p g a ) 组成的系统等。p c 机虽然功能全面、便于使用，但受限于实时信号处理 的特点要求而不便采用。实时信号处理系统具有号用性，一般有延迟小、体积 功耗小、成本低等特点。所以大部分的实时信号处理都用专用设备，也有少数用 p c 机来构成处理系统哺。 第一章绪论 1 5 本文研究的内容 基于以上讨论，本课题基于a n c 和a s e 相结合的思想，利用径向基函数神经 网络非线性处理的优势，提出自适应噪声消除和径向基函数神经网络自适应信号 增强器算法，在算法上实现快速计算，达到提高信号信噪比的同时，保证其性能 的稳定可靠，实现s e p 的快速检测；另一方面，脊柱侧凸矫形手术中存在着脊髓 和神经损伤的危险性，及时发现脊髓和神经的可逆性损伤是预防医源性脊髓和神 经损伤的关键。因此，术中s e p 的实时监护显得格外重要。传统的p c 机并不能真 正实现信号的实时处理，本研究利用新的电子芯片技术与现代信号处理技术相结 合的方法，将新的s e p 快速提取算法在f p g a 芯片中实现，进一步加快信号处理 的速度，使其达到实时处理的能力，真正实现术中s e p 的实时监护。 本文的主要研究内容有如下几个方面： 一、快速复合自适应滤波器算法研究 1 、基于浮点数算法的复合自适应滤波器算法研究 ( 1 ) 浮点数算法自适应噪声消除器算法研究及参数的选择 ( 2 ) 浮点数算法径向基函数神经网络算法研究及参数的选择 ( 3 ) 浮点数算法自适应信号增强器算法研究及参数的选择 2 、基于定点数算法的复合自适应滤波器算法研究 ( 1 ) 定点数算法自适应噪声消除器算法研究及参数的选择 ( 2 ) 定点数算法径向基函数神经网络算法研究及参数的选择 ( 3 ) 定点数算法自适应信号增强器算法研究及参数的选择 二、基于f p g a 的复合自适应滤波器的设计 1 、基于f p g a 的自适应噪声消除器的设计 2 、基于f p g a 的径向基函数神经网络的设计 3 、基于f p g a 的自适应信号增强器的设计 第二章实时信号处理 第二章实时信号处理 2 1 实时信号处理器件 随着现代电子技术的不断发展，电子器件曰新月异。新的电子芯片技术的应 用，新的软件与硬件技术的结合，不断提高着现代信号处理的能力，加快了信号 处理的速度，增强了信号处理的实时性。从制造技术上看，数字信号处理系统集 成电路设计与实现的方法有三种：专用集成电路设计，半定制设计和微处理器设 计。 2 1 1 专用集成电路 通过系统级、电路级和版图级的设计，形成用来实现某一种算法的专用集成 电路。这种设计方法在集成电路设计技术中叫用户全定制设计方法。一般认为这 种方法设计的数字信号处理器件设计周期长、电路成本高。 2 1 2f p g a 器件 半定制设计是指通过利用f p g a 实现算法结构，从而形成专用数字信号处理 器件。与集成电路设计方法相比较，半定制设计方法也是一种硬件实现算法的技 术。所不同的是，这种方法允许设计者在系统级设计算法的实现电路，而不必关 心具体的电路结构和制造工艺。同时，由厂家提供的用户现场可编程门阵列集成 电路，使得设计周期变得更短。采用半定制方法设计数字信号处理专用器件时， 设计者不需要更多的集成电路设计背景知识，只需要掌握算法和数字逻辑电路应 用技术就可以完成设计。这种方法的设计成本要低于专用集成电路设计方法，设 计周期也缩短了许多，但它受到速度、规模等方面的限制。 f p g a 器件是2 0 世纪8 0 年代中期出现的一种新概念，是备受现代数字系统 设计工程师欢迎的最新一代系统设计模块。f p g a 器件的产生将半定制的门阵列 电路的优点和可编程逻辑器件的用户可编程特性结合在一起，使其不仅包含大量 的门电路，具有高速度处理信号的特征，能使设计的电子产品达到小型化、集成 化并具有很高的可靠性，而且器件具有用户可编程特性，大大缩短了设计周期， 减少了设计费用，降低了设计风险。 f p g a 作为最新一代的可编程逻辑器件，为系统设计人员提供了一条研制开 第二章实时信号处理 发大型系统的有效捷径。f p g a 正在被看作是电路器件和电路设计上的一场革 命。f p g a 单片中的等效逻辑门可达到百万，i 0 引脚最多可达1 0 0 0 以上，密度 极大。f p g a 的结构灵活，它的逻辑单元、互连资源和i o 单元都可以由用户编 程，实现任意逻辑功能，满足各种设计要求。 f p g a 的开发工具十分先进。在用f p g a 进行系统设计时，用户所做的工作 可以仅用计算机绘制出系统的电路原理图，其余的工作都可以由开发系统来自动 完成。多数f p g a 都既能重复编程，又可以重复使用，还可在开发系统中直接进 行仿真。所以，使用f p g a 没有前期投资风险，也没有工艺实现中的损耗。f p g a 的特点是速度快、功耗低、通用性好、适应性强，它不仅可以代替传统的数字集 成电路，而且还可以代替一般的可编程逻辑器件( p r o g r a ml o g i c a ld e v i c e ；p l d ) 和半定制的专用集成电路( a p p l i c a t i o n s p e c i f i e di n t e g r a t e dc i r c u i t ； a s i c ) ，特别 适用于复杂系统的设计。使用f p g a 可以非常大的减小硬件规模，降低设计成本， 缩短设计周期，提高系统的可靠性、灵活性和保密性。 可编程器件利用可编程技术实现数字逻辑系统。数字逻辑电路的基本单元是 基本逻辑门和触发器。可编程逻辑器件利用下面介绍的三种电路结构通过编程灵 活的配置基本的逻辑门和触发器实现数字逻辑电路。 ( 1 ) 组合逻辑的电路结构 组合逻辑的功能是最基本的数字逻辑功能，所有数字逻辑电路都可以用基本 组合电路实现。 根据编程技术的不同，主要采用两种组合结构：一种组合结构是基于可编程 只读存储器( p r o g r a m m a b l er e a do n l ym e m o 巧；p r o m ) 的与或阵列结构，p r o m 的与或阵列是根据与或逻辑表达式实现的与或逻辑功能的电路。与或阵列结构中 输入到输出的传输延迟时间不是固定的，所实现的逻辑功能不同，传输延迟时间 就不同。另一种组合结构是基于静态随机存取存储器( s 协t i cr a n d o ma c c e s s m e m o r y ；s 洲) 的查找表结构，查找表结构是根据真值表实现逻辑运算的逻辑 功能电路，其基本原理是利用查找真值表的方法事先输入逻辑值与输出逻辑值的 对应关系。由于查找表结构是采用s r a m 的数据读取方式实现逻辑函数的，所 以对所实现的函数无论有多少最小项，查找表结构的传输延迟总是固定的，即等 于s r a m 数据读取时间，而与所实现的逻辑功能的复杂程度无关。 ( 2 ) 时序逻辑的电路结构 为了支持时序电路结构，f p g a 中采用了专门的宏单元结构。宏单元是一个 由可复位置位触发器和多路选择开关组成的模块，这个模块的特点就是为逻辑 运算单元提供了一个比较灵活的触发器电路，因此可以用米实现时序电路。 由于不同的f p g a 所使用的宏单元有所不同，因此，不同的器件所使用的编 第二章实时信号处理 程方法会略有不同。但总的目的都是相同的，就是提供在系统时钟控制下工作的 基本逻辑运算、触发器以及相应的控制信号和反馈信号。 ( 3 ) 输入输出结构 输入和输出引脚的功能是提供相应的功率驱动能力以及相应的保护电路。 输入输出电路模块是可编程逻辑器件外部封装引脚与内部逻辑电路之间的 接口，每个输入输出电路模块对应一个外部引脚，通过对输入输出电路模块的 编程可以将外部引脚定义为不同的类型，如输入引脚、输出引脚、输入输出引 脚。 2 1 3d s p 器件 微处理器设计指通过含有中央处理器( c e n t r a lp r o c e s s i n gu n i t ；c p u ) 的微处 理器实现数字信号处理系统，包括以c p u 为基础的d s p 。这种数字信号处理系 统更接近于一种算法的软件实现方法，其特点是系统具有较高的通用性和可重复 利用性。随着d s p 处理器速度的提高和内部总线结构的发展，特别是在实现复 杂算法时，专用d s p 具有一定的优势。 8 0 年代，随着微电子技术的发展而出现了d s p 器件。这些器件的出现使得 数字信号处理算法得以实时实现。通用d s p 器件是专为数字信号处理而设计的。 它的乘法累加( m u l t i p l ya c c u m u l a t e ；m a c ) 单元能够在一个机器周期内完成一次 乘累加运算，并具备独特的循环寻址和倒序寻址能力。这些特点都非常适合数字 信号处理中的滤波器设计、卷积以及正交变换等的有效实现。 为了快速地实现数字信号处理运算，d s p 芯片除了具备普通微处理器所强调 的高速运算和控制功能外，针对实时信号处理，在处理器结构、指令系统、指令 流程上有了很大的进步，其特点如下： ( 1 ) d s p 普遍采用了数据总线和程序总线分离的哈佛结构及改进的哈佛结 构，比传统处理器的冯诺依曼结构有更高的指令执行速度。 传统的微处理器采用的冯诺依曼结构将指令和数据存放在同一存储空间 中，统一编址，指令和数据通过同一总线访问同一地址空间上的存储器。而d s p 芯片采用的哈佛结构则是不同于冯诺依曼结构的一种并行体系结构，其主要特 点是程序和数据存储在不同的存储空间中，即程序存储器和数据存储器是两个相 互独立的存储器，每个存储器独立编制、独立访问。与之相对应的是系统中设置 的两条总线：程序总线和数据总线，从而使数据的吞吐率提高了一倍。在哈佛结 构中，由于程序和数据存储器在两个分开的空间里，因此取指和执行能完全重叠 运行。为了进一步提高运行速度和灵活性，德州仪器( t e x a si n s 咖m e n t s 第二章实时信号处理 i n c o r p o r a t e d ；t i ) 公司的d s p 芯片在基本哈佛结构的基础上作了改进，一是允许 数据存放在程序存储器中，并能被算术运算指令直接使用，增强芯片的灵活性； 二是增加了高速缓冲器( c a c h e ) ，c a c h e 中的指令在执行时不用再从存储器中读 取，节约了一个指令周期。 ( 2 ) d s p 大多采用流水线操作，从而在不提高时钟频率的条件下减少了每条 指令的执行时间。 ( 3 ) 针对滤波、相关、矩阵运算等需要大量乘法累加运算的特点，d s p 大都 配有独立的乘法器和加法器，使得同一时钟内可以完成一次乘加运算。 ( 4 ) 特殊的d s p 指令。由于拥有专门的硬件乘法器、多个独立的地址产生器 和相互独立的程序、数据总线，使得d s p 芯片具有多条不同方面的并行指令。 这些并行操作指令组有高度并行操作能力，使得数据处理速度大幅提升。 ( 5 ) 许多d s p 带有直接存储器存取通道控制器，以及串行通信口等，配合片 内多总线结构，数据块传输速度大大提高。 ( 6 ) 配有中断处理器和定时控制器，可以方便地构成一个小规模系统。 ( 7 ) 具有软件、硬件等待功能，能与各种存储器接口。 第二章实时信号处理 2 2 实时信号处理硬件实现的发展 在过去将近2 0 多年的时间里，软件可编程的d s p 器件几乎统治了商用可重 构信号处理硬件的市场。然而在这些d s p 器件的发展和应用过程中，它的某些 弊端和不足之处也逐渐体现出来。d s p 器件的哈佛结构本质上还是串行的，这使 得它必须顺序执行某个功能模块。只有在数据缺乏关联特性时，才具备一定的并 行执行能力，因此性能受到一定限制。传统d s p 器件中的m a c 单元通常是被共 享使用的，因此d s p 器件的并行处理能力和数据吞吐能力是比较弱的。高速信 号处理给d s p 器件带来很大的挑战。需要处理的模拟和数字数据量呈指数型增 长，进一步加大了对更快的d s p 器件的需求。虽然摩尔定律仍适用于目前最快 的d s p ，但在所需要的性能水平与实际d s p 器件所提供性能水平间的差距仍在 不断增大。冈此，d s p 器件要满足高速信号处理所提出的挑战，必须寻求新的数 据处理方法哺1 。 为满足更高性能的特殊用途需要，a s i c 技术可以发挥较大的优势。近年来， a s i c 技术的发展取得了长足进步。可是a s i c 的开发周期比较长，而且成型以 后无法再行更改，这无形中也增加了系统开发成本。因此一般用于大批量生产设 计中。 f p g a 像a s i c 一样拥有高并行处理能力的优势，而且其产品化后的设计可 根据实际情况进行修改( a s i c 则不具备这种特性) 。另外，f p g a