微弱信号检测

图 对含扰信号的噪声消除和基线漂移消除结果
返回
结束
脉象信号扰动消除效果（二）
（1）自相关检测

自相关检测原理
x t s t n t
乘法器
积分器
Rss
延时器
（2）互相关检测

互相关检测原理框图
x t s t n t
y t
乘法器 积分器
Rxy
延时器
相干检测原理
Vi t
窄带放大器 乘法器 积分器

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。 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的一种可行有 效的处理方法。
同步积累器的工作原理



设信号是一串周期窄脉冲，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 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 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
脉象微弱信号检测
概述



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 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 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

| ( ) |2 C 2 d R | |

小波变换是可逆的，且有如下逆变换关 系式：
f (t ) 1 C

R
2
1 W f (u, s) u ,s (t )duds s2
脉象信号预处理
1 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 (μV 级或mV级)，从人体体表采集 的脉象信号是mV级信号，主要的频 率范围小于40Hz，一般在10Hz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 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 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 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。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。
小波包多分辨分解
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。
u2n (t ) 2 hk un (2t k )
kz
u2n1 (t ) 2 g k un (2t k )
kz
akp 1 hn2k snp
返回
结束
多分辨率及小波包分析的分解树示意图
返回
结束
脉象信号去噪方法（二）
小波阀值函数的选取原则 （1）对于高频噪声信号采用硬取阀值
T ( x)
x 0 | x | T j , j j h | x | T j , j j h
（2）对于中间频率含噪声信号采用软取阀值



u ,s
t u ( ) s |s| 1

ψu,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) 关于小波函数ψ(t)的小波变换为：
W f (u, s) f , u , s


R
f (t Leabharlann u , s (t )dt设ψ(t)的Fourier变换为Ψ(ω), 当小波函数满足如下关系式：
Vo t
Vr t

①输入只有信号、没有噪声时
Vi t Vs t Vs sin wt s
Vr t Vr sin wt r
Vo t
KV T

T
0
Vs t Vr t dt
KV VsVr cos s r 2
噪声


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 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
脉象信号预处理
1 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 (μV 级或mV级)，从人体体表采集 的脉象信号是mV级信号，主要的频 率范围小于40Hz，一般在10Hz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 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 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 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。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。



③当输入中同时有信号和噪声时，输出 则为上面两个结果之和；由②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
锁相放大器
信号通道 信号输入 （AC） 前置 放大器 有源 滤波 器 AC 放大器 相关器 乘法 器 积分器 （含DC放 大） 输出 （DC）
参考通道 参考输入 （AC） 触发 电路 倍频 电路 相移 电路 方波 驱动
返回
结束
脉象信号基线漂移去除方法
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a10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。
返回
结束
脉象信号扰动消除效果（一）
同步积累法


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。 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
n
d
p 1 k
g n 2k s np
n
小波阀值信号估计
对于滤波器组分解离散信号时，采用小波阀值估 计信号。
f j J 2 2 J ρ ( X,ψ )ψ ρ ( X, ) T j,m j,m T J,m J,m j L 1m 0 m0


D n


n E n p n dn E n
2
2
2 E n
1 E n n lim T 2T
2 2
n t dt
T
T
1 E n n lim T 2T

T
T
n 2 t dt

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。
噪声的相关函数

噪声的自相关函数
R lim 1 T 2T
n t n t dt
T
T

噪声的互相关函数
Rxy t1 , t2 E x t1 y t2
Rxy t1 , t2 Rxy lim


脉象信号预处理方法
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。


小波多分辨分析
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ψ(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。 对于函数ψ(t)∈L2(R) (能量有限空间), 若满足∫Rψ(t)dt=0 则称之 为小波函数。引入参数u、s对ψ(t)进行伸展和平移，有：
返回
结束
脉象信号扰动消除效果（二）
对信号施加50Hz工频干扰的预处理结果
返回
结束
1.噪声的概率分布

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时刻取值为n的概率
P n1 n n2 p n dn
n1
n2
E n np n dn
1 T 2T 1 T 2T
x t y t dt
T
T
Ryx t1 , t2 Ryx lim

T
T
y t x t dt