改医学信号处理实验指导书.docx

1、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)(mod M) i=0 1 2 .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=2b，k(0)为一奇数 c=8t(+/-)3 t取整数。

2、 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210次不会重复，此时c=29+3 即 t=26。 k的取值范围，0M-1之间。k在0M-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-0.50.5 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

3、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，c

4、ov，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

5、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

6、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=10 dB，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

7、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（Brain Computer Interface II）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、

8、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LD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

9、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0.530Hz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

10、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1214Hz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