哈工大生物医学信号实验报告

实验报告

课程名称：生物医学信号

姓名：

专业：信息与通信工程

学号：

日期：2017年10月20日

Lab 1 心电及脉搏信号采集处理实验信号波形图：（一张）

Analyzing and Report：

1、简述脉搏信号的采集原理。

答：脉搏波是以心脏搏动为动力源，通过血管系的传导而产生的容积变化和振动现象。发光二极管发出的光照射到手指上，被手指组织的血液吸收和衰减后由光敏二极管接收，由于手指动脉血在血液循环过程中呈周期性的脉动变化，它对光的吸收和衰减也是周期性脉动的，于是光敏二极管输出信号的变化也就是周期性变化，反映了动脉血的变化。

2、请回答试验中的仪器采集的是何种导联，写出完整名称即可。

答：试验中的仪器采集的是肢体导联。

LAB2连续动态血压测量

完成下列表格：

选取一个时间点，查询并填写表格。

表2-1

SYMBOL Systolic pressure Diastolic pressure Mean arterial

pressure

名称数值单位收缩压

138

mmHg

舒张压

65

mmHg

平均动脉压

89

mmHg

SYMBOL Cardiac output HR Stroke volume

名称数值单位心输出量

6.12

1/min

心率

75

bpm

每搏输出量

81.6

ml

回答问题

1、血压的正常范围是什么？

答：一个成年人血压的正常范围是：舒张压在60~90mmHg之间，收缩压在90~140mmHg之间；其中WHO于1999年给出的理想收缩压/舒张压为120/80以下，正常血压为139/89以下。就算是健康人，一般血压的高低和年龄性别也是有关的，一般情况下，年纪比较大的老年人会比青年人血压高，男性血压会比女性血压高一些。

2、在CO、HR、SV中任选一种查阅其变化对健康状况的指示作用。

答：心率（HR）的加快是增加心输出量（CO）的一个有效因素。但心输出量的增加不仅与心率有关，还与每博输出量（SV）有关。随着心率的增加，每博输出量会减少。当心率增加到一定程度后，由于每博输出量的减少，会使心输出量反而开始下降。正常人的左、右心室的搏出量是基本相等的。在心率恒定的情况下，心肌收缩能力越大，即收缩强度越强，收缩速度越快，则搏出量愈多，反之亦然。心肌收缩能力的大小与其结构特点和机能状态有关，锻炼者心肌比较发达，收缩能力较强。经常参加体育锻炼的人，心肌发达，搏动有力，每博输出量比一般人的要大，在安静状态下的心率也比一般人的慢；参加剧烈运动时，心率虽然加快，但是往往以提高每博输出量为主，使心输出量成倍地增加，这样的心脏能够承担繁重的工作，故每搏输出量大的人心脏机能更好，身体更健康。

Report：

1、简述实验中设备的工作原理，并分析可能的干扰来源。

答：①工作原理：Finapres医疗系统出品的系列无创血压连续监测产品是通过手指动脉压传感器记录每次心跳产生的血压数据，专利转换技术将指动脉压转换为肱动脉压，时时追踪记录血压值变化，通过流模型技术计算出15个血流动力学参数及其变化趋势，并利用RTF专利技术校准标定血压值，保证血压测定的精确性。②可能的干扰来源：实验指套比较松，可能影响其探测灵敏度（实验当中更小的指套没有用了，故用了更大的指套，有点松动）；实验设备如果有一定的使用年份的话，也会影响其测量精度；被试者的频繁快速移动也会对仪器的测量准确度有所挑战。

LAB3人体姿态捕捉及虚拟现实系统融合实验：使用AxisNeuron软件截取两张运动图片：

图一：

图二：

LAB4脑电信号采集处理实验：

使用NICOffline软件加载数据，截取脑电波信号图以及脑电地形图各一张:

脑电波信号图如下：

脑电地形图如下：

Report:

1、简述脑电信号采集的原理。

答：按照10-20系统将电极帽上的针状电极（Needle Electrod）放置在人脑指定位置，由于自发脑电信号十分微弱，获取后必须通过放大器、滤波器和模/数转换后才能转换成计算机可识别的脑电信号。

2、观察脑电信号，分析除报告中所述的噪声来源外，其他干扰源。

答：(1)极化电压：当有电流流经电极和皮肤上的电解质溶液之间时，电极会产生极化现象并产生极化电压。普通电极的极化电压在200mV左右，比所要测定

的生物电信号强；(2)电子元件噪声：包括电阻热噪声，有源电子器件中的散粒噪声等。脑电信号微弱，这些噪声对信号的干扰会严重影响信号的提取和放；

(3)50Hz工频干扰：50Hz是普遍存在的工频干扰，幅值可达到脑电信号幅度的1-3个数量级，这是脑电信号提取面临的重大障碍。

LAB5眼动仪的应用与数据分析：

热区图、视点路径图各一张：

热区图如下：

视点路径图如下：

简述视线跟踪原理，列举几种常用算法。

答：视线跟踪是通过提取人眼特征、注视点标定、建立视线映射模型等步骤实现的。采集设备对人眼图像（或人脸图像）和视线前方的视野场景进行采集，软件端同时对图像进行处理，提取人眼特征信息，如瞳孔区域位置、形状、大小等；测试开始时在手动操作下软件端还要完成视点映射建模过程，之后将每次提取出的眼部特征信息输入映射模型，即可获得视点位置；最后将视点位置和视野场景进行匹配，到此实现了视线跟踪。常用算法有：AdaBoost人脸检测算法、卡尔曼滤波器算法、角膜亮斑检测算法、瞳孔检测算法等。