基于小波变换的离子单通道信号的分析方法

在单通道信号处理中引入尺度能量分布的概念 ,利用小波变换 ,通过提取具有特征频率的高频信号 ,可以在不失真的条件下将单通道信号清晰地检测出来 ,消除噪声干扰。本文提供的方法在离子通道信号处理中具有较普遍的意义     

低信噪比离子通道信号的噪声统计消除技术

细胞膜离子单通道信号是一种状态有限、一阶齐次的Markov过程，并且膜片钳记录中以较低频率采样时，由于混叠效应可以认为背景噪声是高斯白噪声^[1]。基于这两个前提我们应用隐式马尔科夫模型（Hidden Markov Model,HMM)信号处理技术来消除膜片钳记录时微弱单通道信号的背景噪声。通过仿真证实该技术可高精度地去除膜片钳记录中白色高斯噪声对微弱单通道信号的干扰。     

基于随机松弛的离散HMM参数估计和信号恢复

细胞膜离子单通道信号是皮安级的跨膜随机离子电流,由于信号的微弱性,膜片钳技术记录中单通道电流往往淹没在强背景噪声中.传统上采用阈值检测器来恢复通道电流信号,这需要人为设定阈值,尤其是信噪比低时,阈值检测器失效.本研究采用隐马尔可夫模型（HMM）的通道信号恢复及参数估计技术,首先利用基于随机松弛（SR）的离散HMM参数全局优化算法,估计通道的动力学参数,确保模型训练中参数收敛到全局最优.在此基础上,从噪声污染的膜片钳记录中恢复通道电流信号.理论和实验结果表明,在低信噪比情况下（SNR＜5.0）,该方法用于白噪声背景下细胞膜离子单通道参数估计和信号恢复时,参数收敛速度快,信号恢复精度高,算法抗噪能力强,可以较好地描述实际对象特性.     

基于单通道FVEP提取的虚拟式颅内压无创检测仪器的实现

研究单通道FVEP信号提取的综合分析方法及其应用。考虑单通道FVEP信号提取的特殊性,引入了参考源通道以满足独立分量分析的应用条件,从而实现单通道FVEP信号与背景EEG噪声的分离;考虑参考源通道与实际检测中的背景噪声不完全匹配而可能带来的消噪效果不理想的问题,利用叠加平均技术与叠加次数的平方根成正比的特性,通过少次的叠加来进一步提高单通道FVEP信号的信噪比;最后利用多分辨率小波变换的多分辨率特性,实现FVEP信号的有效提取。此方法用于虚拟式颅内压无创检测分析仪的临床实验证明了本方法在实现颅内压无创检测方面的有效性。     

基于自相关约束的信号波形估计及其在诱发电位提取中的应用

从观测数据中估计源信号的波形一直是信号处理领域中的一个重要问题.利用源信号的时间自相关函数构造一个非线性方程组,借助大规模数值计算方法,把原来直接估计源信号这样一个较困难的问题,转化为估计迭代初始值与源信号时间自相关函数的问题.使用小波模极大值法,估计迭代初始值与源信号时间自相关函数,再对方程组迭代求解,收敛后的结果即为对源信号的估计.将该方法应用于诱发电位的单通道、单次提取实验,在信噪比为0 dB时,提取结果与源信号的相关系数约为0.93,对幅度与潜伏期的估计都比较准确.实验结果表明,算法性能受迭代初始值估计精度与源信号时间自相关函数估计精度的影响,受前者影响较小,而受后者的影响相对较大.     

整体生理信号表现型到基因型--跨入生物医学信号处理的新时代

过去，生理学家忙于记录和分析各种生理信号；从工程领域过来的生物医学信号处理专家，则忙于把工程上研究的各种信号处理方法移植到生物医学信号处理领域中来；分子生物学家则多忙于研究基因及其表达与调控。如何将整体生理信号表现型与基因型结合起来研究，特别是用能无创获得的、重复性好的整体电生理信号所含的信息（表现型）去预测基因型方面的工作，虽然报导很少，但可以预断，可能是今后非常重要的研究领域。     

细胞膜离子单通道信号的统计重构算法研究

离子单通道信号是皮安级的随机离子流，用膜片钳技术可以记录下来，但由于信号的微弱性，记录中通道信号往往被背景噪声所淹没，传统上用阈值检测器消除噪声并重构信号，但信噪比低时，阈值检测器失效，本文提出了基于最大后验概率的状态估计和最大似然函数的序列估计两种信号的统计重构技术，在白色背景噪声和有色背景噪声情况下，分别进行仿真实验，证实其重构精度较高，鲁棒性较强，性能远比阈值检测器优越。     

基于扩展卡尔曼滤波和奇异值分解算法的单通道胎儿心电提取方法

提出一种将扩展卡尔曼滤波(EKF)算法和奇异值分解(SVD)算法相结合的单通道胎儿心电提取方法。首先,建立母体心电的动态模型,利用该模型通过扩展卡尔曼滤波或扩展卡尔曼平滑(EKS),从孕妇的单通道腹部信号中估计出母体心电成分,然后与单通道腹部信号相减得到胎儿心电信号的初步估计,随后再利用奇异值分解算法,对初步估计出的胎儿心电信号进行去噪处理,以期得到高信噪比的胎儿心电信号。另外,针对胎儿心律不齐的情况,在奇异值分解算法中提出一种改进的心电信号重构矩阵构造方法。对合成腹部信号和实际腹部信号(源于DaISy数据库和PhysioNet中的非侵入式胎儿心电数据库,共计49个腹部通道的数据),进行胎儿心电提取实验。结果表明,使用EKF+SVD或EKS+SVD的算法比单独使用EKF或EKS的算法,提取出的胎儿心电信号的信噪比提高约5 dB,胎儿心电提取的准确性分别达95.60%和95.94%。结合EKF和SVD算法的单通道胎儿心电提取方法,可以有效地提高胎儿心电信号的信噪比和提取的准确性,并且适用于母体或胎儿心律不齐的情况。     

一种基于汉语音调信息的电子耳蜗语音信号处理新方案

本文在连续交替取样（Continuous Inteleaved Sampling,CIS)电子耳蜗语音处理方案的基础上，针对汉语语音信号的特点，提出一种基于汉语音调信息的语音信号处理新方案。文中首先讨论了汉语语音的特点，并初步讨论了音调的变化对语音信号处理效果的影响。结果表明，将汉语的音调变化信息加入到CIS语音信号处理方案中，可明显地提高汉语的识别能力，基于本文的结果，可以设计出适合中国聋人的电子耳蜗。     

利用运动单位发放信息建立多通道信息的表面肌电信号分解

目的基于多通道信息的表面肌电(surfaceelectromyographic,sEMG)信号分解有助于弥补单通道分解时空间和发放信息不足的缺点.本文提出利用运动单位(motorunit,MU)的发放信息建立多通道 sEMG信号中属于同一 MU的模板映射关系,实现多导信号的信息互补,从而提高分解的准确率.方法对四导仿真信号先分别进行单通道分解,然后利用各通道之间的发放信息建立模板映射关系进行多通道分解.结果仿真实验结果显示单通道分解准确率平均为75%,多通道分解准确率为88%,表明利用MU发放信息建立模板映射关系进行sEMG信号分解能够提高分解有效性.结论将该方法应用于真实信号分解,也能有效得到 MU的波形和发放信息.     

耳声发射及其信号处理问题

本文从信号处理角度对近年来国外耳科研研究的热点－耳声发射进行了综述，内容涉及耳声发射研究的历史发展，它的产生机理，临床意义及检测方法等，重点在于介绍它的信号特点及其信号处理中存在的主要问题。     

时／频域分析方法的原理及在生物医学信号分析中的应用

维格纳分布作为非平稳随机信号分析的有效手段广泛地应于信号处理领域。本文概括地介绍了维格纳分布的定义，性质，快速算法，交叉项抑制及其在生物医学信号处理中的应用，并介绍了作者利用维格纳分布表示高频心电图的初步临床应用。     

体表心电图处理中应用的滤波技术

体表心电图信号是毫伏级的微弱信号，在记录过程中可能受到多种干扰的影响。如何抑制噪声，提取纯净的心电信号是心电信号处理需要解决的一个重要问题。本文综述了心电图处理中应用的高频滤波技术。并从实用性角度概括了评价算法优劣的若干原则     

心音信号分析的新方法——联合时频分析

联合时频分析将分离的时域或频域分析方法统一成二维的时间－－频率分析，也妈承时频平面内研究信号的时变谱，该方法在非平稳信号的处理中发挥着愈来愈重要的作用。本文在介绍联合时频分析的基本理论后，综述了该方法在心音信号处理方面的应用及研究进展。     

心音信号分析的新方法—联合时频分析

联合时频分析将分离的时域或频域分析方法统一成二维的时间—频率分析，也即在时频平面内研究信号的时变谱，该方法在非平稳信号的处理中发挥着愈来愈重要的作用。本文在介绍联合时频分析的基本理论后，综述了该方法在心音信号处理方面的应用及研究进展。     

基于HMM的低信噪比离子通道信号的恢复及参数估计

细胞膜离子单通道信号是皮安级的随机电流 ,膜片钳技术可以记录这些信号。一般认为它是一阶的、状态有限的 Markov过程。某些种类的离子通道 ,电流信号特别微弱 ,完全淹没在背景噪声中 ,传统的膜片钳技术很难检测到 ,只能运用数学方法恢复和估计。在低采样频率情况下 ,由于混叠效应 ,可认为背景噪声是白色的 ;在高采样频率条件下 (高于奈奎斯特频率 ) ,背景噪声是有色的。本文分别综述了白色背景噪声条件下基于隐式 Markov模型和有色背景噪声条件下基于隐式矢量 Markov模型的低信噪比离子单通道信号的恢复和参数估计 ,主要包括前后向算法、EM算法等     

小波分析在医学中的应用

小波分析方法是一种新的信号分析方法，由于其具有多分辨分析的特点，能较好地突出信号局部特征，在微弱，背景噪声较强的随机信号分析中具有重要的意义。本综述了这一新方法在诸如EEG，EP，ECG，医学图像等生物医学信号中的广泛应用，并对各自效果进行了分析，最后，对小波变换在生物医学信号处理中的发展作了展望。     

耳声发射及其信号处理问题

本文从信号处理角度对近年来国外耳科研究的热点--耳声发射进行了综述。内容涉及耳声发射研究的历史发展，它的产生机理、临床意义及检测方法等，重点在于介绍它的信号特点及其信号处理中存在的主要问题。     

细胞膜离子单通道信号的频域分析方法

利用离散小波变换构造尺度能量分布函数 (Power distribution function,PDF) ,分析单通道信号的频域特征 ;同时采用功率密度谱 (Power spectral density,PSD)方法进行分析。结果表明 ,基于离散小波变换 (Discretewavelet transform,DWT)的尺度能量分布是一种非常有效的单通道信号的频域分析方法。     

听觉诱发电位信号分析技术进展

听觉诱发电位(AEP)信号的提取技术是生物医学工程领域和信号处理领域长期以来一直关注的问题。本文综述了听觉诱发电位信号处理技术的一些新进展，主要介绍了功率谱估计、自适应处理方法、小波变换法、混沌理论、人工神经网络、正则化方法、独立分量分析7种处理方法，这些方法都致力于少次刺激、高质量提取听觉诱发电位信号，充分地展示了听觉诱发信号处理技术高效提取的前景。