改医学信号处理实验指导书.docx

改医学信号处理实验指导书.docx

《改医学信号处理实验指导书.docx》由会员分享，可在线阅读，更多相关《改医学信号处理实验指导书.docx（7页珍藏版）》请在冰豆网上搜索。

改医学信号处理实验指导书

医学信号处理

实验指导

河北工业大学电气工程学院生物医学工程专业专用

实验一、随机信号的产生及其数字特征分析

实验项目的目的和任务：

了解随机信号的产生以及随机信号的特征。

实验内容：

1.随机信号序列的产生

2.随机信号的数字特征分析

实验步骤：

一、随机信号序列的产生

1、利用matlab函数rand和randn产生随机信号序列

2、利用同余算法生成随机信号序列

同余算法：

k（i+1）=c*k（i）（modM）i=012....m

k（0）给定，后面的数由k与c的乘积与M取余求得，c与M都可以任意指定，一般情况下M=2^b，k（0）为一奇数c=8t（+/-）3t取整数。

具体b和t取值，可由试验得出。

随机信号不重复的长度：

2^（b-2）次，b取值越大，随机信号序列长度越长

建议b=12即2^10次不会重复，此时c=2^9+3即t=2^6。

k的取值范围，0~M-1之间。

k在0~M-1上是均匀分布的。

生成随机信号序列要求：

1用同余算法产生-0.5~0.5范围内均匀分布的序列，长度N=100，均值为零，方差为0.1。

2用matlab函数构造正态分布序列，要求长度N=100，均值为零，方差为0.1。

3用matlab函数构造均匀分布序列，要求长度N=100，均值为零，方差为0.1。

3、用matlab编程验证正态分布随机信号序列在mx（+/-）q的取值概率为68%，在mx（+/-）2q的取值概率为95.4%，在mx（+/-）3q的取值概率为99.7%。

二、随机信号的数字特征分析

一维利用函数mean求随机信号序列均值，利用函数cov求随机信号序列方差

多维每一列作为一次观察，共进行N次观察，每次M个数，求得M*N的矩阵，构造函数x（t）=Asin（wt）+w（t）Asin（wt）为确定信号w（t）为白噪声，用随机数实现

要求：

构造多维随机信号，N=10，M=500，f=20hz

求均值向量，协方差矩阵

实验要求：

完成每一步实验要求，并将结果画图输出

本实验中主要用的到matlab函数：

rand，randn，mean，cov，plot

实验二、医学信号潜伏期的消除

实验项目的目的和任务：

采用相干平均方法来消除信号潜伏期的影响

实验内容：

1.生成仿真试验信号

2.消除潜伏期的影响

3.诱发响应信号的提取

实验步骤：

一、生成仿真试验信号

令响应信号为x（t）=10*e^（-at）*sin（2*pi*f*t），其中a=0.2,f=1/20,t=1-20，表达式中a的值越小，信号衰减的越慢，t取1-20则响应信号的长度为20。

令噪声信号长度为100，噪声为正态分布。

响应信号和噪声信号叠加得到仿真信号，仿真信号总长度为100。

响应信号的潜伏期，自行设定。

要求做50组仿真信号，各组仿真信号中响应信号的潜伏期不同

二、消除潜伏期影响

根据课上所学相干平均方法的知识，采用求互相关的方法，消除潜伏期影响。

Matlab中求互相关的函数为xcorr.m。

三、诱发响应信号的提取

对消除响应信号潜伏期后的仿真信号，进行对齐，叠加平均处理，提取诱发响应信号。

实验要求：

先写出提取诱发响应的原理，然后完成每一步实验要求，并将结果画图输出

本实验中主要用的到matlab函数：

xcorr，subplot，sum

实验三、经典功率谱估计

实验项目的目的和任务：

对应课堂上讲述的几种功率谱估计方法的原理，研究求解功率谱估计编程实现方法

实验内容：

1生成试验用仿真信号

2分别用周期图法，间接法，平均周期图法，welch法求解序列的功率谱

3结果输出

实验步骤：

一、生成试验用仿真信号

序列x（n）=exp（j*w0*n-j*pi）+exp（j*w1*n-j*0.7*pi）+e（n）为复正弦加白噪声的平稳信号，其中w0=100*pi，w1=50*pi,e（n）为零均值得白噪声，信噪比为S/N=10dB，信号长度为1000。

二、分别用周期图法，间接法，平均周期图法，welch法求解序列的功率谱

1.周期图法matlab中周期图法的函数为periodoram

2.间接法通过求解序列自相关再进行傅氏变换求得

3.平均周期图法matlab中平均周期图法的函数为psd

4.Welch法matlab中Welch法的函数psd和pwelch

三、结果输出

要求对仿真信号用上面四种方法进行功率谱估计，结果输出在同一幅图上。

实验要求：

写出进行功率谱估计的四种方法的原理和优缺点，然后完成每一步实验要求，并将结果画在同一幅图上输出

本实验中主要用的到matlab函数：

periodoram，psd，pwelch

实验四、对想象运动脑电信号进行特征提取

实验项目的目的和任务：

参考专业英语阅读第四课（BrainComputerInterfaceII）关于ERD和ERS部分内容，以及课本关于AR模型进行特征提取部分内容，对提供的想象运动脑电信号进行特征提取，并用训练神经网络进行分类。

实验内容：

1.频率特征提取

（1）根据ERD、ERS相关内容，结合功率谱估计方法，提取mu节律能量作为特征。

（2）根据所提取的能量特征，利用神经网络进行分类。

2.采用AR模型进行特征提取

（1）对应各导脑电信号，先对信号进行阶数估计。

（2）利用L—D算法或者Burg算法，求解各阶AR模型参数，并以此为特征。

（3）根据所提取的特征，利用神经网络进行分类。

实验步骤：

一、脑电信号数据导入

1、实验介绍

该数据是由Graz大学的生物医学工程系的医学信息部提供的，这些数据是从一个25岁的女性被试身上采集到的。

实验时，被试坐在有靠背的舒适的椅子上进行实验。

实验的任务是：

通过想象左手运动动或右手运动来产生相应的脑电信号。

想象左右手运动的顺序是随机的。

整个实验由7组组成，每组40个，所有实验都是在同一天内完成，每次实验周期为9秒，总共相当于280个小实验，在实验的前2秒内，没有对被试施加任何刺激，也就是说她是安静的；从第2秒开始，屏幕上出现一个“+”，它持续一秒的时间；从第3秒开始，屏幕上出现一个向左或向右的箭头，被试看到此信息后，要按照箭头方向想象对应左手或者右手运动。

脑电信号采集为C3，Cz，C4三个通道的电极处的数据，采样频率为128Hz，对采集得到的脑电信号进行0.5～30Hz滤波。

实验过程如图1所示。

图1电极位置（左图）测试过程（右图）

2、数据格式

数据被保存在Grazdata.mat中，其中x_train是由三个脑电通道C3，CZ，C4组成的，保存了其中140组实验的脑电数据，每个的周期为9秒。

y_train的数据由1和2组成，分别代表想象左手运动或想象右手运动。

建议采用前100组数据作为训练集，后40组数据作为测试集。

二、脑电信号的特征提取

1、频率特征提取

采用任意一种功率谱估计方法，提取各导12~14Hz区间能量作为特征向量。

2、AR模型参数特征提取

（1）利用函数，求解脑电信号的AR模型阶数。

（arorder.m）

（2）求解Yula-Walker方程，得到AR模型参数，作为特征向量。

（levinson.m,aryule.m,arburg.m）

三、脑电信号的分类

1、对已知140次实验数据，取其中一部分作为训练集，建立神经网络进行训练，另外一部分作为测试集，检验分类正确率。

2、神经网络的建立及分类正确率的显示，参照例程example.m

实验要求：

1、编程实现上述各个实验步骤，比较采用两种不同特征提取方法所得到的分类正确率。

2、写出对AR模型阶数估计有几种方法，函数arorder.m中采用的是哪一种？

同时检验AR模型阶数的选取对于分类正确率是否有影响。

本实验中主要用的到matlab函数：

levinson，aryule，arburg，arorder