生物医学信号处理频域分析(知识补充).ppt

t=[1:0.1:10]; signalD=2*t+5*sin(2*pi*0.5*t); noiseD=randn(size(signalD)); measureD=signalD+noiseD; testsig=measureD; s=spectrum.periodogram; Hpsd=psd(s,testsig); figure; subplot(1,2,1),plot(t, testsig); title(time series); subplot(1,2,2); plot(Hpsd); 平稳随机过程的功率谱估计 signalD的周期图 * 白噪声序列及其功率谱 功率谱求解程序 * 非平稳随机过程分析 单道脑电信号时序图 * 非平稳随机过程分析 脑电信号直方图分析 * 非平稳随机过程分析 脑电信号的自相关函数 * 非平稳随机过程分析 对脑电信号进行AR参数建模，利用FPE准则，对AR建模阶次p取5~20之间进行判断。 选择p=11 * 非平稳随机过程分析 脑电实测序列与AR模型的预测输出 * 脑电序列及AR模型输出信号的功率谱 * 非平稳随机过程——脑电信号分析 clear; close all; clc; load eeg8s; testsig = eeg8s; Figure,subplot(1,2,1),plot(testsig); xlim([1,1100]) subplot(1,2,2), histfit(testsig); Figure, parcorr(testsig,50); %parcorr( )求解自相关函数 %%%确定AR模型阶数 k=1; for p=5:20 m=armax(testsig, [p 0]); %armax函数确定模型参数并进行预测 FPEvalue(k) = m. EstimationInfo.FPE; pvalue(k)=p; k=k+1; end * 非平稳随机过程——脑电信号分析 j= find(FPEvalue==min(FPEvalue)); Porder=pvalue(j); figure, plot(pvalue, FPEvalue, ‘-.o’, pvalue(j), FPEvalue(j), ‘*’); xlabel(‘p-value’); ylabel(‘FPE value’); title (‘find the minimum FPE’); m = armax(testsig, [Porder, 0]); d1=m.a; p1= m.NoiseVariance; [H1,w1]= freqz(sqrt(p1),d1); s= spectrum.periodogram; Hpsd = psd (s, testsig); %%用周期图估计信号的功率谱 Figure , plot(Hpsd); hold on * 非平稳随机过程—脑电信号分析 hp = plot(w1/pi, 20*log10(2*abs(H1)/(2*pi)),’r’); Set(hp, ‘LineWidth’,2); xlabel(‘Normalized frequency (\times\pi rad/sample)’) ylabel(‘One-sided PSD (dB/rad/sample)’) legend(‘PSD estimate of x’, ‘PSD of model output’); m=armax(testsig, [Porder,0]); ye= predict( m, testsig,1 ); %%模型预测输出 figure, stem ([testsig ,ye]); xlabel(‘Sample time’); ylabel(‘Signal time’); legend(‘Original autoregressive signal’, ‘signal estimate from linear predictor’); P2 = norm ((testsig-ye),2)^2/(length(testsig)-1); 应用实例 心电信号的计算机分析 心电信号的计算机分析 分析步骤： 心电数据采集：500Hz采样频率 心电信号预处理：滤除干扰（基线漂移、50Hz、肌电……） 特征点检测：P、QRS、ST、T波 自动诊断：心律失常分析与波形分类 QRS波形检测算法： 经典的QRS波检测算法包括三部分 ： ⑴ 线性滤波； ⑵ 非线性变换； ⑶ 决策规则。 线性滤波一般采用中心频率在10～25Hz之间带宽为5～10Hz的带通滤波器，用于减除ECG信号中的非QRS波频率成分，提高信噪比。