自适应处理随机梯度.pptVIP

由于sT和nT无关,所以E(sTnT)=0;由于sT和nT’无关,所以过程收敛后它和yT也无关,即:E(sTyT)=0.再证明：当：有：可见：后者是与处理无关的常数.可见E(eT2)最小时,E(sT-eT)2也最小.3.2自适应噪声抵消法增强心电图（ECG）监护ESU（Anelectrosurgicalunit）（以下简称电刀）是一种医疗设备。它被广泛地应用于切割组织和凝结血管，会产生调制在120Hz的射频信号。记录心电信号的心电图（ECG）电极能够采集到出现在病人皮肤表面的大ESU电压。电刀工作时能够产生信噪比大约为-90DB的非平稳干扰，这种干扰能够淹没有用的心电信号。dT取自心脏附近，既有心电信号，又有电刀噪声干扰，xT取自胳膊只有电刀噪声干扰010302Yelderman等提出了一种自适应噪声抵消的方法:

增强在手术室里的心电监护

从心电信号中消除50Hz的电源线干扰x(t)d(t)e(t)方法的两个步骤：01第一步，利用被动式射频滤波器消除高压射频噪声，这些被动式滤波器为心电图电极提供了高阻抗负载。在被动式滤波器处理后，主动式滤波器被用来消除剩余的高于600Hz的噪声信号。尽管ECG的信噪比从-90DB改进为-10DB（大约80dB的动态范围），但是在低频频率点50Hz、100Hz和150Hz上仍然剩余有较强的干扰噪声。02第二步，用自适应噪声抵消方法从ECG信号中消除较强的低频干扰。Yeldman等人的研究表明，仅仅运用自适应噪声抵消方法而又没有任何预处理滤波器，要消除所有ECG信号干扰是不可能的。一种基于LMS算法的数字式自适应滤波器因为同时存在两个不同的干扰，所以采用双参考信道A低频干扰（25Hz）来源于射频电流流动的波动。50Hz、150Hz的导线频率失真。B特点：双参考自适应噪声抵消器的方框图抽样率为400Hz；对于两个不同的参考信道，收敛参数在0.02和0.2之间取值，通过选择适当的值来控制收敛率。结果:结论:Yelderman等人的工作表明，在自适应滤波处理之前，生物医学信号的预处理是十分必要的，以便消除高频干扰噪声。研究结果表明，模拟/数字滤波器和ANC（自适应噪声消除）的结合可有效地从背景噪声中获取ECG心电信号。3.3自适应噪声抵消方法增强胎儿ECG心电监护通过记录怀孕和分娩时的母亲腹部心电图来探测胎儿心率和三个月以上胎儿数量。然而，这种腹部心电图常常被肌肉活动和胎儿运动引起的背景噪声所污染。胎儿心跳的探测更被强于其两倍的母体心跳所模糊。020301STEP2STEP1采用基于LMS算法的自适应噪声抵消器，主输入由母亲和胎儿的心跳组成，从母亲腹部记录数据。在母亲胸部的四个电极用来记录母亲的ECG，作为其参考输入。方法:母亲和胎儿的心电场向量和导联的位置多参考噪声抵消器的方框图抽样率:256Hz,参考输入之一（胸导联）自适应处理－随机梯度法主要内容11.1概述11.2横向结构的随机梯度法11.3应用实例11.1概述由于生物体是一个复杂的有机体,生理过程受许多难以人为控制的因素影响－－环境诱发的、生理过程自发的(如疲乏、精神状态的变化等)－－它的非平稳性比较突出．因此需要估计来研究生物信号的统计知识。01在没有关于待提取信息的先验统计知识的条件下，直接利用观测数据根据某种判据在观测过程中不断地递归更新处理参数，以逐步逼近某一最优处理结果．02非平稳信号的统计特性是时变的，因此理论的最忧解答也是时变的．采用自适应算法通过递归来自动跟踪统计性质的变化。自适应信号处理的特点：随着计算机和数字处理技术的发展，自适应处理技术也发展很快．就所采用处理器的结构形式看，仍可分为横向结构（也就是抽头延迟线结构）和格形结构两大类，它们都是FIR结构。IIR结构很难.就每输入多少数据重复一次自适应计算看，可分为每进一段数据重新计算一次的成批处理法和每输入一个新数据就把新信息和旧处理结果结合起来推出新结果的递归处理法．就逐次调节所用的算法看，可以分成随机梯度法和最小二乘法两大类．随机梯度算法优点是：算法简单，易于实时实现，至今仍广泛应用，并且不断有新的发展．最小二乘法文献中称为RLS（RecursiveLeastSquare）RLS法的计算量虽然略高于梯度法，但收敛速度快．更重要的是它的理论基础比较系统，因而是一类有发展前景的自适应算法．0102自适应处理的应用范围很广．诸如噪声抵消、回声抵消、谱线增强、通道均衡、系统辨识、时间延迟估计等都可做