[改]醫(yī)學(xué)信號處理實(shí)驗(yàn)指導(dǎo)書

1、醫(yī)學(xué)信號處理實(shí)驗(yàn)指導(dǎo)河北工業(yè)大學(xué)電氣工程學(xué)院生物醫(yī)學(xué)工程專業(yè)專用實(shí)驗(yàn)一、隨機(jī)信號的產(chǎn)生及其數(shù)字特征分析實(shí)驗(yàn)項(xiàng)目的目的和任務(wù)：了解隨機(jī)信號的產(chǎn)生以及隨機(jī)信號的特征。實(shí)驗(yàn)內(nèi)容：1 .隨機(jī)信號序列的產(chǎn)生2 .隨機(jī)信號的數(shù)字特征分析實(shí)驗(yàn)步驟：一、隨機(jī)信號序列的產(chǎn)生1、 利用matlab函數(shù)rand和randn產(chǎn)生隨機(jī)信號序歹U2、 利用同余算法生成隨機(jī)信號序列同余算法：k(i+l)=c*k(i)(mod M) i=0 1 2 .mk(0)給定，后面的數(shù)由k與c的乘積與M取余求得，c與M都可以任意指定，一般情況下M=2八b, k(0)為一奇數(shù) c=8t(+/-)3 t 取整數(shù)。具體b和t取值，可由試驗(yàn)得

2、出。隨機(jī)信號不重復(fù)的長度：2八(b-2)次，b取值越大，隨機(jī)信號 序列長度越長建議b=12即2人10次不會重復(fù),此時(shí)c=2八9+3即t=2A6ok的取值范圍，OM-1之間。1在0乂-1上是均勻分布的。生成隨機(jī)信號序列要求：1用同余算法產(chǎn)生-0.50.5范圍內(nèi)均勻分命的序歹h長度N=100,均值為零，方差為01.2用mailub函數(shù)構(gòu)造正態(tài)分布序列，要求長度N=100,均值 為零,方差為01 ° (randn )3用matlab函數(shù)構(gòu)造均勻分布序歹”,要求長度N=100,均值 為零,方差為01。(rand)clear;N=100;p=0.1;u=rand( 1,N);u=u-mean(

3、u);a=cov(u);b=sqrt(p/a);u=umecm_L4=mecm( u ) cov_u=cov(u) plot( n：D3、 用matlab編程驗(yàn)證正態(tài)分布隨機(jī)信號序列在inx( +/-)q 的取值概率為68%,mx(+/-)2q的取值概率為954%,在Hix(+/-)3q的取值概率為99.7%。clear;N=1000;u=randn(l,N);mx-mean(ii) q=sqrt(cov(u)Ml =find (u> mx-3 q&u< nix+3 );M=size(ML2)/N二、隨機(jī)信號的數(shù)字特征分析一維 利用函數(shù)mean求隨機(jī)信號序列均值，利用函數(shù)c

4、ov求隨 機(jī)信號序列方差多維 每一列作為一次觀察，共進(jìn)行N次觀察,每次M個(gè)數(shù), 求得M*N的矩陣,構(gòu)造函數(shù)x(t)=Asin(wt)+w(t)為確定信號“為白噪聲,用隨機(jī)數(shù)實(shí)現(xiàn)要求：構(gòu)造多維隨機(jī)信號，N=10, M=500, f=2Ohz求均值向量，協(xié)方差矩陣實(shí)驗(yàn)要求：完成每一步實(shí)驗(yàn)要求，并將結(jié)果畫圖輸出本實(shí)驗(yàn)中主要用的到matlab函數(shù)：rand, randn, mean, cov, plot實(shí)驗(yàn)二、醫(yī)學(xué)信號潛伏期的消除實(shí)驗(yàn)項(xiàng)目的目的和任務(wù)：采用相干平均方法來消除信號潛伏期的影響 實(shí)驗(yàn)內(nèi)容：1 .生成仿真試驗(yàn)信號2 .消除潛伏期的影響3 .誘發(fā)響應(yīng)信號的提取實(shí)驗(yàn)步驟：一、生成仿真試驗(yàn)信號令響

5、應(yīng)信號為 x(t) =10*© (-at)*sin(2*pi*f*t),其中 a=0. 2, f=l/20, t=l-20 ,表達(dá)式中a的值越小，信號衰減的越 慢,t取1-20則響應(yīng)信號的長度為20。令噪聲信號長度為100,噪聲為正態(tài)分布。響應(yīng)信號和噪 聲信號疊加得到仿真信號，仿真信號總長度為100。響應(yīng)信號的潛伏期，自行設(shè)定。要求做50組仿真信號， 各組仿真信號中響應(yīng)信號的潛伏期不同二、消除潛伏期影響根據(jù)課上所學(xué)相干平均方法的知識，采用求互相關(guān)的方 法，消除潛伏期影響。Matlab中求互相關(guān)的函數(shù)為xcorr.ni。三、誘發(fā)響應(yīng)信號的提取對消除響應(yīng)信號潛伏期后的仿真信號，進(jìn)行對齊，

6、疊加平均處理，提取誘發(fā)響應(yīng)信號。實(shí)驗(yàn)要求：先寫出提取誘發(fā)響應(yīng)的原理，然后完成每一步實(shí)驗(yàn)要求,并將結(jié)果畫圖輸出本實(shí)驗(yàn)中主要用的到matlab函數(shù)：xcorr, subplot, sum實(shí)驗(yàn)三、經(jīng)典功率譜估計(jì)實(shí)驗(yàn)項(xiàng)目的目的和任務(wù)：對應(yīng)課堂上講述的幾種功率譜估計(jì)方法的原 理，研究求解功率譜估計(jì)編程實(shí)現(xiàn)方法實(shí)驗(yàn)內(nèi)容：1生成試驗(yàn)用仿真信號2分別用周期圖法，間接法，平均周期圖法，welch法求解 序列的功率譜3結(jié)果輸出一、生成試驗(yàn)用仿真信號序歹lj x(n) =exp (j*wO*n-j*pi) +exp (j*wl*n-j*O. 7*pi) +e(n) 為復(fù)正弦加白噪聲的平穩(wěn)信號，其中w0=100*pi

7、, wl=50*pi, e(n)為零均值得白噪聲，信噪比為S/N=10 dB,信號長度為 lOOOo二、分別用周期圖法，間接法，平均周期圖法，welch法求解序 列的功率譜1 .周期圖法matlab中周期圖法的函數(shù)為periodoram2 .間接法通過求解序列自相關(guān)再進(jìn)行傅氏變換求得3 .平均周期圖法 matlab中平均周期圖法的函數(shù)為psd4 . Welch 法 matlab 中 Welch 法的函數(shù) psd 和 pwelch三、結(jié)果輸出要求對仿真信號用上面四種方法進(jìn)行功率譜估計(jì)，結(jié)果輸出在同一幅圖上。實(shí)驗(yàn)要求：寫出進(jìn)行功率譜估計(jì)的四種方法的原理和優(yōu)缺點(diǎn)，然后完成每一步實(shí)驗(yàn)要求，并將結(jié)果畫在

8、同一幅圖上輸出本實(shí)驗(yàn)中主要用的到matlab函數(shù)：periodoram, psd, pwelch實(shí)驗(yàn)四、對想象運(yùn)動腦電信號進(jìn)行特征提取實(shí)驗(yàn)項(xiàng)目的目的和任務(wù)：參考專業(yè)英語閱讀第四課(Brain Computer Interface II)關(guān)于ERD和ERS部分內(nèi)容，以及課本關(guān)于AR模型進(jìn) 行特征提取部分內(nèi)容，對提供的想象運(yùn)動腦電信號進(jìn)行特征提取，并 用訓(xùn)練神經(jīng)網(wǎng)絡(luò)進(jìn)行分類。實(shí)驗(yàn)內(nèi)容：1 .頻率特征提取(1)根據(jù)ERD、ERS相關(guān)內(nèi)容，結(jié)合功率譜估計(jì)方法, 提取mu節(jié)律能量作為特征。(2)根據(jù)所提取的能量特征，利用神經(jīng)網(wǎng)絡(luò)進(jìn)行分類。2 .采用AR模型進(jìn)行特征提取(1)對應(yīng)各導(dǎo)腦電信號，先對信號進(jìn)行

9、階數(shù)估計(jì)。(2)利用LD算法或者Burg算法，求解各階AR模 型參數(shù)，并以此為特征。(3)根據(jù)所提取的特征，利用神經(jīng)網(wǎng)絡(luò)進(jìn)行分類。實(shí)驗(yàn)步驟：一、腦電信號數(shù)據(jù)導(dǎo)入1、實(shí)驗(yàn)介紹該數(shù)據(jù)是由Graz大學(xué)的生物醫(yī)學(xué)工程系的醫(yī)學(xué)信息部提供的，這些數(shù)據(jù)是 從一個(gè)25歲的女性被試身上采集到的。實(shí)驗(yàn)時(shí)，被試坐在有靠背的舒適的椅子 上進(jìn)行實(shí)驗(yàn)。實(shí)驗(yàn)的任務(wù)是：通過想象左手運(yùn)動動或右手運(yùn)動來產(chǎn)生相應(yīng)的腦電 信號。想象左右手運(yùn)動的順序是隨機(jī)的。整個(gè)實(shí)驗(yàn)由7組組成，每組40個(gè)，所有實(shí)驗(yàn)都是在同一天內(nèi)完成，每次實(shí) 驗(yàn)周期為9秒，總共相當(dāng)于280個(gè)小實(shí)驗(yàn)，在實(shí)驗(yàn)的前2秒內(nèi)，沒有對被試施加 任何刺激，也就是說她是安靜的；從第2

10、秒開始，屏幕上出現(xiàn)一個(gè)“ + ”，它持續(xù) 一秒的時(shí)間；從第3秒開始，屏幕上出現(xiàn)一個(gè)向左或向右的箭頭，被試看到此信 息后，要按照箭頭方向想象對應(yīng)左手或者右手運(yùn)動。腦電信號采集為C3, Cz, C4三個(gè)通道的電極處的數(shù)據(jù)，采樣頻率為128Hz,對采集得到的腦電信號進(jìn)行 0. 530Hz濾波。實(shí)驗(yàn)過程如圖1所示。Feedback period with Cue圖1電極位置（左圖）測試過程（右圖）2、數(shù)據(jù)格式數(shù)據(jù)被保存在Grazdata. mat中，其中x_train是由三個(gè)腦電通道C3, CZ, C4組成的，保存了其中140組實(shí)驗(yàn)的腦電數(shù)據(jù)，每個(gè)的周期為9秒。yrain的 數(shù)據(jù)由1和2組成，分別代表想象左手運(yùn)動或想象右手運(yùn)動。建議采用前100 組數(shù)據(jù)作為訓(xùn)練集，后40組數(shù)據(jù)作為測試集。二、腦電信號的特征提取1、頻率特征提取采用任意一種功率譜估計(jì)方法，提取各導(dǎo)1274Hz區(qū)間能量作為特征向 量。2、AR模型參數(shù)特征提?。?）利用函數(shù)，求解腦電信號的AR模型階數(shù)。（arorder.m）（2）求解Yula-Walker方程，得到AR模型參數(shù)，作為特征向量。 （levinson.m, aryule.m, arburg.m）三、腦電信號的分類1、對已知140次實(shí)驗(yàn)數(shù)據(jù)，取其中一部分作為訓(xùn)練集，建立神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，另外一部分作為測試集，檢驗(yàn)分類正確率。2、神經(jīng)網(wǎng)絡(luò)的建立及分類正確率的顯示，參照