微弱信号检测

1、 脉象微弱信号检测 概述n微弱信号是相对背景噪声而言，其信号幅度的绝对值很小、信噪比很低（远小于1）的一类信号 n微弱信号检测的任务是采用电子学、信息论、计算机及物理学、数学的方法，分析噪声产生的原因和规律，研究被测信号的特点与相关性，对被噪声淹没的微弱有用信号进行提取和测量n微弱信号检测的目的是从噪声中提取出有用信号，或用一些新技术和新方法来提高检测系统输入输出信号的信噪比 噪声n噪声是对有用信号的某种不期望的扰动，包括非被测信号或非测量系统所引起的噪声和来自于被测对象、传感器、测量系统内部的噪声两种情况 n噪声是一种连续型随机变量，在不同时刻可能出现不同的噪声值 1在生物医学信号检测技术中

2、，大多数生理信号是极其微弱的在生物医学信号检测技术中，大多数生理信号是极其微弱的(V级或级或mV级级)，从人体体表采集，从人体体表采集 的脉象信号是的脉象信号是mV级信号，主要的频级信号，主要的频率范围小于率范围小于40Hz，一般在，一般在10Hz以下。以下。2 由于脉象仪使用环境的复杂和被测量者的活动，脉象仪采集的脉由于脉象仪使用环境的复杂和被测量者的活动，脉象仪采集的脉象信号将会受到多种干扰，具有较强的随机性和背景噪声，而且属象信号将会受到多种干扰，具有较强的随机性和背景噪声，而且属于非线性、非平稳的微弱信号。相对被测信号而言，环境干扰往往于非线性、非平稳的微弱信号。相对被测信号而言，环境

3、干扰往往很大。很大。3 这些干扰主要是交流电引起的工频干扰、肌电干扰、人体的微动这些干扰主要是交流电引起的工频干扰、肌电干扰、人体的微动与电极接触不良引起的电极接触噪声、运动伪迹与电极接触不良引起的电极接触噪声、运动伪迹(基线变化基线变化)和由于和由于呼吸引起的基线漂移。消除脉象信号中多种干扰是进一步进行脉象呼吸引起的基线漂移。消除脉象信号中多种干扰是进一步进行脉象信号的识别和分析处理的前提。信号的识别和分析处理的前提。结束返回结束返回对信号施加50Hz工频干扰的预处理结果 1.噪声的概率分布噪声的概率分布 n噪声电压在t时刻的大小，用概率分布密度函数p(n)来表示，p(n)表示噪声电压在t时

4、刻取值为n的概率 2112nnP nnnp n dn E nnp n dn 222D nnE np n dnE nEn 1lim2TTTE nnn t dtT 2221lim2TTTE nnnt dtT 噪声的相关函数噪声的相关函数 n噪声的自相关函数 n噪声的互相关函数 1lim2TTTRn t n tdtT 1212,xyRt tE x ty t 121,lim2TxyxyTTRt tRx t y tdtT 121,lim2TyxyxTTRt tRy t x tdtT微弱信号检测方法n15.3.1相关检测法相关检测法n所谓相关检测就是利用信号周期性和噪所谓相关检测就是利用信号周期性和噪声随

5、机性的特点，通过自相关或互相关声随机性的特点，通过自相关或互相关函数值的计算，达到从噪声中检测出微函数值的计算，达到从噪声中检测出微弱信号目的的一种技术弱信号目的的一种技术n相关检测分为自相关检测和互相关检测相关检测分为自相关检测和互相关检测两种情形两种情形 （1）自相关检测）自相关检测n自相关检测原理 （2）互相关检测）互相关检测n互相关检测原理框图 相干检测原理相干检测原理 n输入只有信号、没有噪声时 sinisssV tV tVwt sinrrrV tVwt 0cos2TVVosrsrsrKKVtVt Vt dtVVTn输入只有噪声、没有信号时 n当输入中同时有信号和噪声时，输出则为上面

6、两个结果之和；由知，当积分时间足够长时，可实现噪声抑制，检测出被测有用信号 sininnV tVttwtt 00coscos 22TVonrTVrnrnrKVtVt Vt dtTK VttttdtT锁相放大器锁相放大器 同步积累法同步积累法n同步积累法是基于信号的稳定性和噪声的随机性，当信号多次重复时，由于信号周期性的重复，噪声却不具有这个特性，这样，每个周期的信号受到的干扰不同，在接收端就会收到不同畸变的信号，对畸变信号进行多次对照就可识别出信号的原形。n信号重复的次数越多，接收机输出的信号就越接近原始信号，信噪比越高，即系统抑制噪声的能力越强 同步积累器的工作原理n设信号是一串周期窄脉冲，

7、检测时可把信号通路接到一个分配器上，分配器的每一个输出都接到一个积累器，工作时信号通路被分配器轮流地接到不同的积累器上n假设分配器的工作周期和信号的重复周期相同，并设分配器从一个出路到另一个出路的切换时间可以忽略，则分配器的工作周期被分割成若干个时间区间（取决于积累器的个数），在每次信号到来的那个时间区间都能保证通路恰好接到同一个积累器上，所以这种方法称为同步积累n只要重复的次数足够多，基于同步积累法就可以把噪声中的微弱信号提取出来，而且重复的次数越多，提取微弱信号的能力越强 同步积分器 取样积分器取样积分器 数字多点平均器数字多点平均器 n 在生物医学信号检测技术中，大多数生理信号是极其微弱

8、的(V级或mV级)，相对被测信号而言，环境干扰往往很大。从人体体表采集的脉象信号是mV级信号，主要的频率范围 40Hz，一般在10Hz以下。由于脉象仪使用环境的复杂和被测量者活动，脉象仪采集的脉象信号将会受到多种干扰，具有较强的随机性和背景噪声，而且属于非线性、非平稳的微弱信号。这些干扰主要是交流电引起的工频干扰、肌电干扰、人体的微动与电极接触不良引起的电极接触噪声、运动伪迹(基线变化)和由于呼吸引起的基线漂移，因此消除脉象信号中多种干扰是进一步进行脉象信号的识别和分析处理的前提。n 传统的建立在傅立叶变换基础上的滤波方法在提高信噪比和提高空间分辨率两项指标上存在矛盾。低通滤波固然能平滑抑制噪

9、声，但同时也会把信号中的边缘变模糊。高通滤波可以使边缘更加陡峭，但背景噪声同时也被加强。此外相干平均也是滤除噪声常用的手段，但需要时间较长，不能作动态提取，而且当各次记录中的信号没有对齐时处理结果也会产生低通模糊，与之相比，基于小波变换的多分辨率滤波技术有明显优点。n 小波变换是一种信号的分析方法，它具有多分辨率分析的特点，而且在时频两域都具有表征信号局部特征的能力。n 基于小波变换的多分辨率滤波技术有明显优点。小波变换可用来提取和识别那些淹没在噪声中的微弱电生理信号，在获得信噪比增益的同时，能够保持对信号突变信息的良好分辨，因此对临床上的非平稳信号的处理中具有独特的优越性，应该能成为脉象信号

10、的一种可行有效的处理方法。n脉象信号预处理方法n脉象信号的预处理方法主要包括基于小波多分辨分解和综合原理的信号消噪算法和基线漂移消除方法。n小波多分辨分析n小波分析作为一种时频局部化分析方法，其基本思想是寻求一个满足一定条件的基本小波函数(t)，通过对基本小波函数的伸缩和平移构成小波函数族，然后利用这个函数族来逼近或表示所要研究的信号，并作出相应的分析和处理。n对于函数(t)L2(R) (能量有限空间), 若满足R(t)dt=0 则称之为小波函数。引入参数u、s对(t)进行伸展和平移，有：n)(|1,sutssunu,s 称其为伸展小波。其中s为尺度因子，u为平移因子，于是函数f(t)L2(R

11、) 关于小波函数(t)的小波变换为：n设(t)的Fourier变换为(), 当小波函数满足如下关系式：ndtttffsuWRsusuf)()(,),(,RdC| )(|22n小波变换是可逆的，且有如下逆变换关系式：2)(),(11)(,2RsufdudstsuWsCtf1在生物医学信号检测技术中，大多数生理信号是极其微弱的在生物医学信号检测技术中，大多数生理信号是极其微弱的(V级或级或mV级级)，从人体体表采集，从人体体表采集 的脉象信号是的脉象信号是mV级信号，主要的频级信号，主要的频率范围小于率范围小于40Hz，一般在，一般在10Hz以下。以下。2 由于脉象仪使用环境的复杂和被测量者的活动

12、，脉象仪采集的脉由于脉象仪使用环境的复杂和被测量者的活动，脉象仪采集的脉象信号将会受到多种干扰，具有较强的随机性和背景噪声，而且属象信号将会受到多种干扰，具有较强的随机性和背景噪声，而且属于非线性、非平稳的微弱信号。相对被测信号而言，环境干扰往往于非线性、非平稳的微弱信号。相对被测信号而言，环境干扰往往很大。很大。3 这些干扰主要是交流电引起的工频干扰、肌电干扰、人体的微动这些干扰主要是交流电引起的工频干扰、肌电干扰、人体的微动与电极接触不良引起的电极接触噪声、运动伪迹与电极接触不良引起的电极接触噪声、运动伪迹(基线变化基线变化)和由于和由于呼吸引起的基线漂移。消除脉象信号中多种干扰是进一步进

13、行脉象呼吸引起的基线漂移。消除脉象信号中多种干扰是进一步进行脉象信号的识别和分析处理的前提。信号的识别和分析处理的前提。结束返回小波包多分辨分解小波包多分辨分解 小波阀值信号估计小波阀值信号估计小波包分析能够为信号提供一种更加精细的分析方法，它将频带进行多层次划分，对多分辨率分析没有细分的高频部分进一步分解。对于滤波器组分解离散信号时，采用小波阀值估计信号。结束返回 mJ)J,mX,(JmTJLjj,m)j,mX,(jmTf,20120)2(2)(2ktuhtunzkkn)2(2)(12ktugtunzkknnpnknpksha21npnknpksgd21小波变换小波变换小波分析基本思想通过对

14、基本小波函数的伸缩和平移构成小波函数族 ，然后利用这个函数族来逼近或表示所要研究的信号。dtttffsuWRsusuf)()(,),(,)(|1,sutssu结束返回 小波阀值函数的选取原则小波阀值函数的选取原则（3）对于低频信号部分保持不变结束返回 （1）对于高频噪声信号采用硬取阀值（2）对于中间频率含噪声信号采用软取阀值 hjhjTjjTxjjTxxx,|0,|)(lhjlhjjlhjjTjjjTxjjjTxTxjjjTxTxx,|0,)(lTjjxx)(结束返回 在信号噪声消除过程中将脉象信号进行多尺度小波分解，由于基线漂在信号噪声消除过程中将脉象信号进行多尺度小波分解，由于基线漂移的主

15、要成分为缓变趋势分量，在小波分解中会直接显现于某较大的尺度移的主要成分为缓变趋势分量，在小波分解中会直接显现于某较大的尺度下，只要在重构过程中将下，只要在重构过程中将a10这一尺度下的分量直接去除，即可实现基线这一尺度下的分量直接去除，即可实现基线矫正、恢复去除基线漂移后的脉象信号。矫正、恢复去除基线漂移后的脉象信号。 结束返回结束返回图 对含扰信号的噪声消除和基线漂移消除结果结束返回对信号施加50Hz工频干扰的预处理结果 结束返回对信号施加线性下降基线漂移和肌电干扰的预处理结果 结束返回对信号施加余弦基线漂移和白噪声的预处理结果结束返回 在对脉象进行多分辨分解和周期分割的基础上，下面我们进一

16、步将一个周期脉象细节中频率较低部分(d6-d10)进行小波包分解，分解出脉象信号的基本轮廓形状和细节部分，从而在对主峰不规则的脉象进行特征提取时，我们可以根据基本轮廓形状确定脉象上升沿和下降沿 。设小波包分解输入的信号为S(d6-d10),频率归一化后的最低成分为0、最高成分为1，则小波包分解后的8个信号分别代表从低频到高频均分的带通信号，重构后的带通信号分别以符号S30S37表示。总信号S可表示为： S = S30+ S31+ S32+ S33+ S34+ S35+ S36+ S37脉象信号的低频平滑信号和高频特征信号分别表示如下： A = S30+ S31 D = S32+ S33+ S34+ S35+ S36+ S37SO其中SO表示多分辨分解对应的频率较高部分(