生物医学信号预处理算法的研究

毕业设计说明书(论文)作者：学院专业通信工程题目：医学生物信号预处理算法的研究指导者：(姓名)(专业技术职务)评阅者：(姓名)(专业技术职务)2015年6月吉林毕业论文中文摘要首先对现阶段医学生物信号预处理算法研究领域的背景意义和国内外的发展现状和趋势进行介绍。对全文的内容和主要工作进行说明。之后介绍通过用智能化的可穿戴式无线传感器采集脑血栓后遗症患者做简单运动时7个关节部位产生的三维加速度和三维角速度数据。然后，进行数据预处理方法相关理论基础介绍。再对研究生物医学信号预处理方法并比较，由于时间有限初步研究了四种算法：FIR（FiniteImpulseResponse）滤波法，主成分分析方法（PrincipalComponentAnalysis，PCA），多维度标度法（MultidimensionalScaling，MDS），核主成分分析方法（KernelPrincipalComponentAnalysis，KPCA）。其中FIR滤波法能有效的消除数据的冗余，PCA，KPCA，MDS算法通过降维进行预处理来提高效率。其次，介绍人工神经网络的特点、网络模型和发展现状，最后介绍采用BP（BackPropagation）神经网络对预处理后的数据进行数据处理分类。通过对比降维算法时间长短，降维后数据输入神经网络训练分类时间长短，分类效果等方面来检验算法性能优劣，总结并选择出适合本课题的数据预处理方法。关键词:FIR滤波；PCA；KPCA；MDS；BP神经网络毕业论文外文摘要TitleStudyofMedicalandBiologicalsignalpreprocessingalgorithmAbstractFirststageofmedicalresearchinthefieldofbiologicalsignalpreprocessingalgorithmbackgroundmeaninganddevelopmentstatusandtrendsathomeandabroadareintroduced.Thefulltextofthecontentandthemainworkwillbedescribed.Then,thetheoreticalbasisoftherelevantdatapreprocessingmethodsdescribedAgainbiomedicalsignalpreprocessingmethodsandcompare,becauseofthelimitedtimeapreliminarystudyfouralgorithms:FIRfilter,amaincomponentanalysis(PCA),multidimensionalscalingmethod(MDS),kernelprincipalcomponentanalysisinto(KPCA).FIRfilteringmethodwhichcaneffectivelyeliminateredundancy,PCA,KPCA,MDS-dimensionaldatapreprocessingalgorithmbyreducingtoimproveefficiencySecondly,thecharacteristicsofartificialneuralnetworks,thenetworkmodelandthedevelopmentofthestatusquo,andfinallyintroducetheuseofBP(BackPropagation)neuralnetworkdatapreprocesseddataprocessingclassification.Dimensionalityreductionalgorithmbycomparingthelengthoftimeafterinputtingdatadimensionalityreductionclassificationneuralnetworktrainingduration,andotheraspectsofclassificationtotestthealgorithmperformanceadvantagesanddisadvantages,andsummarizedatapreprocessingmethodselectedforthisproject.Keywords:FIRfilter；PCA,KPCA；MDS；BPneuralnetwork目录目录摘要..........................................................................IAbstract......................................................................II第1章绪论.................................................................III1.1医学生物信号预处理算法的研究背景意义...............................-1-1.2国内外的发展现状和趋势.............................................-1-1.3本文研究内容和安排.................................................-3-1.3.1研究内容......................................................-3-1.3.2论文内容安排..................................................-3-第2章预处理方法..........................................................-4-2.1预处理方法.........................................................-4-2.1.1数据采集处理..................................................-4-2.1.2预处理方法分类................................................-5-2.1.3预处理方法原理................................................-6-2.2预处理方法的应用对比...............................................-13-第3章神经网络...........................................................-16-3.1神经网络的特点....................................................-16-3.2神经网络模型......................................................-17-3.2.1前向网络.....................................................-18-3.2.2有反馈的前向网络.............................................-18-3.2.3层内有相互结合的前向网络.....................................-18-3.2.4相互结合型网络...............................................-19-3.3神经网络应用现状..................................................-19-3.4BP神经网络........................................................-20-3.4.1BP神经网络原理..............................................-20-3.4.2BP算法的数学描述............................................-23-第4章MATLAB仿真及结果分析..............................................-26-4.1MATLAB介绍........................................................-26-4.2MATLAB的应用与功能................................................-26-4.3结果分析..........................................................-27-结论......................................................................-30-参考文献..................................................................-31-致谢......................................................................-33-第1章绪论-1-第1章绪论1.1医学生物信号预处理算法的研究背景意义医学生物信号是一种由复杂的生命体发出的不稳定的自然信号，是强噪声影响下的低频弱信号，信号本身特点、检测方法和处理方式,都不同于正常的信号[1]。生物医学信号可是来自一个生物系统的一类信号，这些信号通常含有与生物系统生理和结构形态相干的消息[2]。生物医学信号种类很多，其主要特征是:信号微弱、随机性很大、噪声较强、频率范围一般相对较低，还有信号的统计特性会随时间而改变，并且都是非先验性的。根据性质，生物信号可分类为生物电信号(BiochemicalSignals)，例如脑电、心电、肌电、胃电、视网膜电等；生物磁信号(BiochemicalSignals)，像心磁场、脑磁场、神经磁场等;生物化学信号(BiochemicalSignals)，像血液的pH值、血气、呼吸气体等；生物力学信号(Bio-mechanicalSignals)，如血压、气血和消化道内压和心肌张力等；生物声学信号(Bio-acousticSignal)，例如心音、脉搏、心冲击等。根据来源生物医学信号可大概分为两类：(1)由生理进程自发产生的主动信号，例如心电(ECG)、脑电(EEG)、肌电(EMG)、眼电(EOG)、胃电(EGG)等电生理信号和体温、血压、脉搏、呼吸等非电生信号；(2)外界施加于人体，把人体当做通道用以进行探查的被动信号，如超声波、X射线、同位素等[2]。按照生物医学信号特点，发展且应用信息科学的基本理论，从被干预和噪声覆没的观测信号中提取各类生物医学信号中所带的信息，并对它们进行分析、解释和分类[3]。其目的主要是：①协助生物和生理系统方面的研究；②协助对患者进行诊断和医治。从一定意义上说，它是综合性很高的新技术领域，反应着通信、生理、模式识别、人工智能和数字信号处理各种学科与技术的交叉[4]。是随机过程、统计检验与估计、时间序列分析等数学方法的实际应用。从另一个意义上说，它又是一个不很成熟的领域，由于目前为止还没有明确创建这门学科的基础理论和基本体系，其中最主要原因是人类对生命机理的了解还需要深化。近年来，伴随着生命科学与计算机技术的共生发展，一些在意人机系统及其接口的科研工作正在发育，神经网络、混沌理论、生物反馈、心理医学工程正越来越引起人们的关注。1