范文一：一种便携式心电信号接收传输装置的研究（可编辑）

一种便携 式心电 信号接 收 传输装置 研究重庆大学硕士学位

论文

专业学位

学生姓名 : 喻 洁

指导教师 : 张思 杰 副 教授

学位类别 :工程 硕士( 电子与 通信 工程领域 )

重庆大学通信工程学院

二 O 一 三 年四 月

The Research of A Kind of Portable ECG Receiving and Transmission Device A Thesis Submitted to Chongqing University in Partial Fulfillment of the Requirement for the Professional DegreeBy

Yu Jie

Supervised by Associate Prof. Zhang Sijie Specialty: ME Electronics&CommunicationEngineering Field

College of Communication Engineering Chongqing University, Chongqing, China April 2013重庆大学硕 士学位论 文 中文摘要

摘 要

近年来,心血管疾病成为 威胁 人类生命健康的 疾病 之一,其 发病率居高不下,

而 且 呈现 低 龄化 的 趋势 。作为 诊断 心 血管 疾病的 重 要依 据 ,心电 信号 对预 防 和 治

疗 心 血管 疾 病起 到 了重 要作 用 。 为了 方便 用户在 家 中对 这 些心电 信号 进行 日 常 监

测 ,便携式医疗设备 应运而生 。

基于 “电子皮肤 ” 的新型便携式心电监护系统可以长时间地监测 心电信号 并且

不 影 响人 的 正常 生 活 。 采集 得 到的 数 据还 可以远 程 传输 到 医院 , 方便 医生 观测 从

而 掌 握病 人 的病 情 。同 时, 传 回医 院 的数 据能够 得 到信 息 处理 平 台的 自动 处 理 ,

判断信号是否异常 。

该课题 的主要工作是设计并实现便 携式接收装置, 它是 基于 “电子皮肤 ” 的新

型便携式心电监护系统的重要组成部分。 该便携式接收装置 采用 TI 公司的 16 位

低功耗单片机 MSP430F149 作为主控芯片, 由 单片机内部的 8 路 12 位 ADC 模块

对 心电信 号 进行 模 数转 换,采样 得 到 的数 据 会存入 寄存 器 中。 然后将 数据 送 入 采

用 TX05D99VM1AAA 模组的 TFT 彩色屏幕 , 就可以 重建波形 并使波形实时地显

示在 TFT 彩屏上。 与此同时, 采样的数据会保 存在 SD 卡里新建的 txt 文件中,SD

卡 采用 SPI 方式和单片机 相连接。数据也会通 过 GPRS 模块远程传输给医院的服

务器。GPRS 模块采 用华为公司的 GTM900C 模块,该模块内置了 TCP/IP 协议,

利 用 串口 和 单片 机 进行 通信 。 如果 用 户出 现紧急 状 况, 通 过呼 救 按键 ,可 以 将 求

救短消息发送到指定的手机上。 利用 IAR EW430 开发平台和 BSL 下载工具进行实

际测试, 实验结果表明所设计的便携式接收装置能够很好地完成 心电信号的采样 、

显示 、存储和传输等各项功能。

在结构上, 论文 首先阐述了课题 研究 的背景和意义, 介绍了便携式心电监护系

统的发展现状 。 然后对所设计的便携式接收装置的功能和要求做出了详细地分析。

根据功能要求,在硬件方面选择了主控芯片 、开发板和 GPRS 模块,设计了硬件

电 路 ,合 理 分配 了 芯片 管脚 。 在软 件 方面 对每个 模

块的 程 序进 行 了编 写和 调 试 。

接下来 对 所 设计 的 便携 式接 收 装置 在 整体 上 进行

了 性能 测 试以 验 证功 能的 完 成 情

况。最后,对 课题进行了总结和展望。

关键 词 :心电监护仪, 便携式装置,GPRS ,SD 卡

I 重庆大学硕 士学位论 文 英文摘要

ABSTRACT

In recent years, cardiovascular disease has become one of the most serious diseases

that threaten human life and health. Its morbidity is still high and presents the low age

tendency. As the important basis for the diagnosis of cardiovascular disease, ECG and

other electrophysiological signals played an important role in the prevention and

treatment of cardiovascular disease. For the convenience of daily monitoring of the

electrophysiological signals at home by users, portable medical equipment arises at the

historic momentThe new portable ECG monitor based on ?electronic skin? can monitor the

electrophysiological signals for a long time without

affecting the normal life. The

obtained data can be transmitted remotely to hospital to facilitate the doctor's diagnosis

and know the patients? condition. At the same time, the data can be able to get the

automatic processing by the information processing platform to determine whether the

signal exceptionThe main goal of the project is to design and implement a portable receiving device

which is an important part of the new portable ECG monitor. TI?s 16-bit low-power

MSP430F149 microcontroller is adopted as main chip. The internal 8-channel 12-bit

ADC module can make signal analog-to-digital conversion of the electrophysiological

signals. After sampling, the signal waveform will be displayed in real-time dynamic on

the TFT color screen. TFT color screen use the TX05D99VM1AAA module. The data

will be saved in the new txt file in the SD card using SPI connection mode. At the same

time, the data also transmit to the hospital server through

the GPRS module. The GPRS

module adopts the Huawei GTM900C, the module has the built-in TCP/IP protocol,

communicate the MCU by serial communication. The help button will help send a short

message to a designated phone in the event of emergency. We can use IAR EW430 plat

and BSL download tool for the actual test, the experimental results show that the

designed portable receiving device can complete the sampling, the display, the storage,

and the transmission functions of the electrophysiological signalsFirstly, the paper describes the background and significance of the topic, introduces

the development status of the portable ECG monitoring system, laid the foundation for

the design of the portable receiver device. Then, it makes a detailed analysis of the

functions and requirements on the design of the portable receiving device. Then,

II 重庆大学硕 士学位论 文 英文摘要

according to the functional requirements, in terms of

hardware, select the main chip,

development board and GPRS module, design the hardware circuit for each module,

and assign the chip pins. On the software side, write and debug the program of each

module. Then, carry on the performance testing of the designed portable receiver device

to verify the completion of the functions. Finally, make the summary and outlook of the

design

Key words :ECG monitor, portable device, GPRS, SD card

III 重庆大学硕 士学位论 文 目 录

目 录

中文 摘要. I

英 文 摘要II

1 绪 论 1

1.1 课题研究的背景和意义1

1.2 课题研究现状 1

1.3 本文主要工作及结构安排. 2

1.3.1 本文主 要工作. 2

1.3.2 本文结 构安排. 3

2 便 携式 接收 装置 总体 设 计方 案 4

2.1 新型便携式心电监护系统总体 介绍 4

2.2 装置功能设计 4

2.3 装置硬件选择 5

2.3.1 MSP430F149 介绍. 6 2.3.2 SD 卡介绍7

2.3.3 GTM900C 模块介 绍. 7 2.4 软件开发环境 7

3 便 携式 接收 装置 硬件 设 计 10

3.1 装置硬件总体设计10 3.2 AD 转换模块 11

3.3 人机交互模块. 13 3.3.1 键控模 块. 13 3.3.2 报警模 块. 14 3.3.3 显示模 块. 14 3.4 SD 卡存储模块 16 3.4.1 SD 卡内部 结构. 16 3.4.2 SD 卡接口 电路. 17 3.5 GPRS 传输模块. 19 3.5.1 GTM900C 模块结 构19 3.5.2 RS232 串口模 块20 4 便 携式 接收 装置 软件 设 计 21

4.1 装置软件总体设计21

IV 重庆大学硕 士学位论 文 目 录 4.2 AD 转换软件设计. 23 4.3 人机交互软件设计24 4.3.1 键控模 块. 24 4.3.2 报警模 块. 24 4.3.3 显示模 块. 24 4.4 SD 卡存储软件设计. 26 4.4.1 串口 1 初始化26 4.4.2 SD 卡初始 化27 4.4.3 SD 卡数据 存储. 28 4.5 GPRS 传输软件设计29 4.5.1 串口 0 初始化29 4.5.2 GPRS 模块初始 化29 4.5.3 GPRS 数据传输 31 5 便 携式 接收 装置 性能 测 试 33

6 结 论与 展望39

6.1 结论39

6.2 展望40

致 谢. 41

参 考 文献. 42

附 录. 45

A. 作者在攻读学位期间发表的论文目录. 45

B. 作者在攻读学位期间取得的科研成果目录45

V 重庆大学硕 士学位论 文 1 绪 论

1 绪 论

1.1 课 题研 究的 背景 和意 义[1]

《中国心血管病报告 2011 》 表明, 我国 大概有 2.3 亿心血管病患者, 成年人

中患 病率达到 20% 。总体来说, 我国心血管疾 病患者 死亡率在 增加速 度 方面, 男

性 高 于女 性 ,农 村 高于 城市 。 根据 中 国冠 心病政 策 模型 , 报告 对 中国 心血 管 病 的

发展情况 做出了预测:2010 年到 2030 年, 要是 只将人口 老龄化和人口增加 作为预

测因素,那么 中国 35~84 岁的 人口中,心血管病 例 将会增加超过 一半;要是加上

血压、胆固醇、糖尿病 、吸烟 等其它因素 ,心 血管病 例将再增加 23% 。根据 世界

银 行 对心 血 管病 的 预测 ,中 国 心血 管 病死 亡率 比 日 本和 欧 美发 达 国家 要高 , 其中

猝死 率将是日本、 美国和法国的 4~6 倍。 而且生活环境也会对心血管病产生影响。

2013 年 2 月 20 日, 《欧洲心脏杂志》刊登的一 项研究结果表明,PM2.5 和 心脏病

[2]

的死亡率 有关,PM2.5 浓度越高,心脏病患者的死亡率也越高 。

心血管疾病严重影响了人类的生命安全 , 如何预防和治疗心血管疾病一直都是

医学上的重点课题。 医生通过诊断病人的心电图可以发现病人的 一些心血管 疾病,

但是 很多 心 脏疾 病 在初 期心 电 图的 情 况并 不是很 明 显, 仅 仅会 在 个别 时间 点 产 生

心 电 图的 变 化, 只 依靠 在医 院 做的 几 分钟 的心电 图 是很 难 发现 问 题的 ,只 有 连续

记 录 大量 的 数据 , 才能 有效 地 发现 问 题 。 如果在医院 进 行 心电 图 的监 测, 就要求

限 制 病人 的 身体 活 动, 严重 影 响了 病 人的 生活和自由 , 而 且如 果 病人 只躺 在 病 床

[3-5]

上不活动,也很难获得发病时的心电图数据 。

便 携 式 心电 监 护系 统 能够 方 便患 者 在家 中 或者社 区 随 时随 地 监测 心 电数 据 ,

医 生 获得 大 量真 实 有效 的数 据 从而 有 助于 诊断病 情 ,使 得 患者 得 到及 时地 治 疗 。

便携式接收装置是基于 “电子皮肤 ” 的新型便携式心电监护系统的重要组成部分。

它 能 够将 病 人的 数 据实 时传 输 给医 生 ,在 出现意 外 状况 的 时候 得 到当 时的 心 电 数

据, 提高病人的治疗效果 。

1.2 课 题研 究现 状

[6]

早在一百多年前的 1887 年, 人类就利用弦线电 流计等工具记录出了心电图 。

[7]

后来随 着电子技术的发展,设备的体积变小,重量也变轻了 。1957 年,Holter

[8-9]

提出一种心电图记录方法 , 该方法能够连续 记录病人的心电图,而且 用磁带记

录 器 记录 下 心电 图 。这 种技 术 对于 心 血管 疾病的 研 究有 非 常重 要 的意 义。 后 来 ,

这种动态心电图技术在临床上得到了广泛的应用, 我国也从 1987 年开始使用这种

技术。20 世纪 60 年代, 美国和加拿大开始创 建 CCU 和 ICU 病房, 在临床治疗时,

1 重庆大学硕 士学位论 文 1 绪 论

病人可以在病房内一直长时间地检测心电图, 有针对性地进行治疗。1970 年以来,

美 国 开始 利 用电 话 线对 心电 图 进行 传 输, 并且利 用 计算 机 接收 心 电 数 据并 且 建 立

[10]

了 管理 心电 数据 的 数 据库 。 之后 ,随 着集 成 电路 、 存储 器技 术 、 计算 机技术 、

[11-15]

传输技术的发展心电监护仪向便携式 、 高质量 、 大存储和智能化等方向发展 。

21 世纪以后,便携 式心电监护系 统得到了更 快的发展,设计出 的产品越来越

多 , 功能 越 来越 强 大, 用户 体 验也 越 来越 好。采 用 无线 网 络实 时 传输 数据 , 还 具

[16-19]

有报警功能, 使得医生能够获得更多的心电数据 ; 采用了大容量的存储设备,

[20-21]

能 够 备 份 用户 的 心 电数 据 ;采 用 了 各种 接口 , 包 括 串口 ,USB , 蓝牙 等 接 口

[22-24]

作 为 传 输接 口 ,使 得 下位机 系 统 能够 和 上位 机进 行 数 据通 信 ; 系统 采 用了 高

[25-30]

性能的 处理器,包括单片机,DSP ,ARM 等, 能更快 地处理心电信号 。近年

[31] [32]

来,触屏技 术 和云 计算技术 的兴起, 成为 便携式心电 监护系 统的又 一个提高

方向。

我国生产便携式心电监护仪的厂家也不少, 生产出了一些便携式心电监护仪并

且投入市场进行销售,价格在几千块钱不等。如益体康 etcommHC-201 便携式心

[33] [34]

电监护仪 , 邦普多功能快速心电监测仪 EF1800 , 迪美泰便携式家用心电监护

[35] [36]

仪 , 力康爱心宝 Prince-180D 快速心电检测 仪 等。 一般来说, 这些心电监护仪

都采用电池供电,能利用 TFT 彩屏进行心电图的显示,利用内存或者存储卡进行

存储,有 USB 等接口,重量较轻。测量方式一般有两种:手持快速测量和使用电

极 贴 正常 测 量。 手 持快 速测 量 是 将 金 属电 极紧贴 在 左胸 位 置 或 者 食指 进行 几 十 秒

的 快 速测 量 。 正 常 测量 使用 电 极贴 , 是用 外部导 联 线连 接 人体 和 设备 ,可 以 进 行

长时间的测量。

通过分析可以发现, 一般市场中存在的便携式心电监护系统可以实现由病人 在

家中 自己 监 测心 电 图 的 功能 , 但是 导 联线 还是限 制 了病 人 的自 由 活动 。目 前 , 也

[37-41]

提 出 了 一些 非 接触 式的 心 电信 号 测量 方 法 , 但 是 该技 术 仍有 待发 展 。因 此 ,

研 究 一种 新 型的 能 够实 现电 极 与人 体 之间 非接触 式 测量 , 数据 远 程传 输等 功 能 的

便携式心电监护系统 具有重要意义 。

1.3 本 文主 要工 作及 结构 安排

1.3.1 本文主要工作

基于 “电子皮肤” 的新型便携式心电监护系统 是一个结构完整 、 功能强大的系

统 , 不仅 能 够实 现 对心 电信 号 的长 期 实时 监测, 而 且将 “ 电子 皮 肤” 技术 , 非 接

触 ECG 测量技术,能量无线传输技术,数据 无线传输技术等多项技术结合起来,

构 建 了一 个 新型 的 有实 际应 用 前景 的 便携 式心电

监 护系 统 。该 系 统的 主要 工 作 包

括 心 电信 号 的提 取 ,传 感器 “ 电 子 皮 肤” 的研究 , 便携 式 心电 信 号接 收装 置 的 设

2 重庆大学硕 士学位论 文 1 绪 论

计和信息处理平台的软件搭建等。

本文的主要工作是设计便携式 心电信号接收装置, 选取了德州仪器 (TI ) 公司

生产的低功耗 16 位单片机 MSP430F149 为主 控单片机, 将已经采集到的模拟 心电

信号进行 AD 转换,并将心电波形实时动态地 显示在 TFT 彩色屏幕上。同时, 心

电 数 据 会 存 储 在 SD 卡 里 面 进 行 备 份 , 方 便 进 行 后 期 的 分 析 。 选 取 华 为 公 司

GTM900C 型号的 GPRS 模块, 可以将 心电 数据 进行远程传输, 如果病人突发病情,

也可以通过 GPRS 模块向预设的电话号码发短 信求助。本文主要工作主要有:

?理解课题的研究背景和课题研究现状, 了解 心电 信号, 特别是心电信号的特

征和生理学意义,并对后期的数据处理工作产生帮助。

?根据便携式心电监护仪的功能需求, 选择合适的主控单片机及开发板, 合适

的数据存储方式和数据传输方式。

?便携式接收装置的硬件电路设计,合理利用开发板和单片机的硬件资源。

?便携式接收装置的软件设计,编写 程序以实现各个模块的功能。

?通过 IAR Embedded Workbench 开 发 平 台 , 调 试 程 序 , 通 过 USB 型 BSL

下 载 器 将 程 序 下 载 到 开 发 板 上 , 进 行 功 能 测 试 。

1.3.2 本文结构安排

第 1 章绪论。 本章主要介绍了基于 “电子皮肤” 的新型便携式心电监护系统课

题的研究背景意义和课题的发展现状。

第 2 章便携式接收装置总体设计。 本章介绍了基于 “电子皮肤” 的新型便携式

心电监护系统,并设计了便携式接收装置的功能,介绍了单片机,SD 卡和 GPRS

模块。

第 3 章便携式接收装置硬件设计。 本章总体设 计了接收装置的硬件结构, 并且

对每一个模块进行了详细的硬件设计。

第 4 章便携式接收装置软件设计。本章对每个 模块的程序进行

了编写和调试,

以完成功能需求。

第 5 章便携式接收装置性能测试。 本章验证了 便携式接收装置的可行性, 验证

了便携 式接收装置功能的完整性,展示了便携式接收装置实物。

第 6 章结论与展望。 本章对本文进行了总结, 总结已经完成的工作, 指出工作

的不足,并且对下一步的工作进行了展望。

3 重庆大学硕 士学位论 文 2 便 携式接收 装置总体 设计方案

2 便携式 接收装 置总体 设计方 案

2.1 新 型便 携式 心电 监护 系统 总体 介 绍

基于 “电子皮肤” 的新型便携式心电监护系统 主要由三个模块构成: 心电信号

采集模块、便携式接收装置和信息处理平台。

心电信号采集模块 通过设计 新型的提取信号的电极 来准确获得模拟心电信号 。

把电极设计成了特殊的 圆环形式, 作用电极和相关电极在中间, 而地电极在外围 ,

然后 再接 上 传统 的 心电 信号 放 大电 路 。心 电信号 测 量电 路 由读 取 电路 和传 感 器 电

路 组 成。 读 取电 路 和传 感器 电 路之 间 通过 电磁耦

合 方式 进 行能 量 和数 据的 无 线 传

输 。 要实 现 对心 脏 长期 实时 的 监护 , 提取 到良好 的 心电 、 呼吸 信 号, 电极 应 该 紧

贴在人的皮肤之上, 但不能对人体皮肤产生刺激。 “ 电子皮肤” 是解决这一问题的

[42-47]

有效途径 。所设计的“ 电子皮肤” 共分为 5 层,第一层是 PDMS 层,PDMS 无

毒, 可以长期贴在皮肤上并且对皮肤无刺激, 并在皮肤和电极之间起到绝缘作用;

第 二 层为 电 极层 ; 第三 层为 绝 缘层 ; 第四 层为传 感 器电 路 ,主 要 元件 有线 圈 、 电

容,变容二极管等;第五层为 保护层 。

便携式接收装置通过 数据采 样把信号从模拟信号转换为数字信号,再 进行进一

步的处理, 包括 对心电图 的动态显示 , 对数据的 存储等, 并且能够 将数据通过 GPRS

模块 进行远程传输 。

信息处理平台 会接收到由便携式接收装置 发送出去的数据 。 信息处理平台可以

提 供 两方 面 的信 息 处理 :一 是 系统 本 身设 计成一 个 生理 信 息处 理 专家 系统 , 可 以

自动对信号进行处理, 判断信号是否异常, 判 断是何种疾病, 并提供给医生参考 ;

二是医生检查数据,判断数据是否异常。

该新型便携式心电监护系统能够长期实时地监测心电信号, 并且不妨碍被监护

人 员 的活 动 自由 , 使得 病 人 可 以正 常 地进 行日常 生 活, 同时方 便 医生 获取 心 电 数

据,有利于病情 的诊断。

2.2 装 置功 能设 计

便携式接收装置是基于 “电子皮肤” 的新型便携式心电监护系统的一个重要模

块 , 是“ 电 子皮 肤 ”采 集模 块 的后 续 模块 。采集 模 块输 出 的信 号 是反 映了 心 电 信

号 变 化的 信 号。 便 携式 接收 装 置需 要 完成 对 这个 信 号的 采 样 和 远 程传 输 等 功能。

利 用 主控 单 片机 芯 片对 “电 子 皮肤 ” 采集 模块输 出 的心 电 信号 进行数据采样, 将

数据送入 TFT 彩屏 实现重建波形 和实时动态显示 。 同时,单片机还会将 心电数据

存 储 到存 储 设备 中 。如 果有 需 要, 病人会 将求救 信 息发 送 到手 机 端, 而心电 数据

4 重庆大学硕 士学位论 文 2 便 携式接收 装置总体 设计方

案

将利用 GPRS 模块通过 Internet 网络传输到远 程的 PC 端。所设计的 便携式接收装

置的功能结构 如图 2.1 所示。

显示 报 警

PC

Inter

net 网

络

GPRS

电 子皮肤

数 据 采 样 单片 机 GPRS 模块

心 电信号 网络

手机

存 储数据 用户 输 入

图 2.1 便携 式接收装 置的功能 结构图

Fig.2.1 The function structure chart of portable receiving

device

本次课题所设计的系统功能具体包括以下几点:

第一, 能够对模拟 “电子皮肤” 心电 信号进行数据采样。 单片机所能处理的是

数字信号,所以,进行模数转换是便携式接收装置的首要任 务。

第二, 能够进行良好的人机交互。 能够对图形 (主要是心电图) 进行清晰的实

时 动 态显 示 。在 某 些情 况下 能 够进 行 声音 报警。 用 户能 够 键入 一 定的 信息 , 如 危

急时刻可以通过按键发送信息等。

第三, 能够存储 心电信号。 在长期的心电监测 中, 监测系统 每天都会产生大量

的 数 据, 这 些数 据 是诊 断病 人 病情 的 重要 依据 。 为 了方 便 医生 查 看病 人的 心 电 数

据, 系统 需 要将 数 据存 储下 来 ,防 止 数据 的丢失 。 这个 数 据量 比 较大 ,需 要 选 择

一个合适的存储方式和一个合适的存储容量,以控制成本。

第四, 能够传输数据。 为了在远程服务器端建 立一个信息处理平台, 方便医院

对病人 进 行 远程 的 监控 ,需 要 将心 电 信号 通过网 络 传输 出 去。 由 于 发 送的 数据量

较大,因此 可以 人 为的 控制 数 据传 输 的时 间,同 时 也应 降 低数 据 传输 所带 来 的 费

用。

2.3 装 置硬 件选 择便携式接收装置要求装置 的尺寸小, 重量 轻, 功耗低, 性价比高。 因此, 在选

择硬件时需要考虑到这些要求。 综合以上因素, 最终选择 TI

公司的 MSP430F149

[48] [49]

单片机 作为主控芯片,金士顿公司大小为 1GB 的 SD 卡 作为存储设备,华为

[50]

公司的 GTM900C 作为 GPRS 模块。

5 重庆大学硕 士学位论 文 2 便 携式接收 装置总体 设计方案

2.3.1 MSP430F149 介绍MSP 是 Mixed Signal Processor (混合信号处理 器) 的英文缩写。MSP430 系列

单片机是美国 TI (德州仪器)公司推出的一种 处理器, 不但可以在传统单片机应

用 领 域得 到 应用 , 更能 够应 用 在一 些 依靠 电池供 电 的低 功 耗设 备 上, 如智 能 抄 表

系统, 便携式设备等, 以及应用在需要高运算性能的智能仪器设备上。 MSP430F149

单片机主要有以下特点:

?功耗超低

电源电压 较低, 为 1.8V~3.6V 。RAM 数据保持 方式下耗电 0.1uA , 活动模式耗

电 250uA/MIPS (MIPS : 每秒百 万条 指令 ) ,I/O 口的 最大漏 电流 为 50nA 。 而且

MSP430F149 可以对 控制功耗情况,可以选 择 LPM0-LPM4 五种模式 。总的来说 ,

MSP430F149 单片机的功耗非常低 ,其应用系 统 能够 做到用一枚电池使用 10 年。

?处理能力强大

MSP430F149 采用了精简指令集(RISC )结构 。 它是 16 位单片机, 执行一条

指令只需要 1 个时钟周期, 如果采用 8MHz 晶 振, 其指令速度 可以达到每秒 8 百

万条指令 。

?硬件资源 丰富

如图 2.2 所示,MSP430F149 有以下模块:看 门狗(WDT ) ,模拟比较器,定

时器 A (Timer_A ), 定时器 BTimer_B , 串 口 0、1 (USART0 、1),12 位 ADC ,

2

I C 总线, 管脚(P1-P6)。MSP430F149 提供了 丰富的 硬件资源 ,在使用起来会带

来很大的方便。 特别是在之后的工作中, 会用 到 两个串口 , 定时器 A 和 12 位 ADC 。图 2.2 MSP430F149 内部结 构

Fig.2.2 The internal structure of MSP430F149

6 重庆大学硕 士学位论 文 2 便 携式接收 装置总体 设计方

案

?开发环境方便高效

MSP430F149 有 JTAG , BSL 和 SBW 程序三种编程方式 。 在本 课题中采用 BSL

编程, 是 通过驻留在 MSP430 固化的存储器内部 代码编程的方式。在软件方面,

利用 IAR EW430 开发平台(后面会有详细介 绍) ,用 C 语言进行编程。 其开发 具

有实用,方便,廉价等优点。

2.3.2 SD 卡介绍SD 卡的全称是安全数码卡(Secure Digital

Card ) 。从外形上看,SD 卡有写保

护开关和卡槽,为了防止 SD 卡脱落或者插反 。SD 卡是由松下、东芝和 SanDisk

公司共同开发研制的, 是具有大容量、 高性能 、 安全等多种特点的多功能存储卡 。

外形尺寸 32mm×24mm×2.1mm ,比 MMC (多 媒体卡) 略厚略重,带来的是容量

更大的好处, 并且有写保护开关, 薄的 SD 卡兼容 MMC 外形。 驱动电压 2.0~3.6V ,

常选用 3.3V 。SD 卡正向兼容 MMC 卡。按规范分类,有 SD 卡(2G),SDHC 卡

(32G)和 SDXC 卡(2T)。SD 卡管脚是 9 脚 的, 总线宽度 1 位

或者 4 位可选择,

控制方式 SD 总线或者 SPI 总线, 传输速率理 论最高 104MB/S (协议规范 SD3.0),

有望将来达到 300MB/S 。

在本文中我们选用的是金士顿 公司的 SD 卡, 卡容量为 1GB , 足够存储 装置连

续运行 12 小时产生的数据。

2.3.3 GTM900C 模块介绍GTM900C 无线模块是华为公司的一款两频段 GSM/GPRS 无线模块, 它能 够支

持 AT 指令,内置了 TCP/IP 协议,能够为用户 提供语音和数据等多项业务,能够

解决数据远程快速传输等各种实际应用问题。

GTM900C 有如下特点: GTM900C 可以工作 在 EGSM900 和 GSM1800 两个频

段。 该模块支持 GSM/GPRS Phase2/2+ 协议 , 支持 GSM 标准 AT 命令 ,V.25 AT 命

令和华为扩展的 AT 命令。该模块支持多种业务:语音业务,短消息业务,GPRS

数据业务,电路型数据业务和补充业务。GTM900C 使用 AT 命令集,通过 UART

接口与外部 CPU 通信,主要实现无线发送和接 收,基带处理, 音频处理等功能。

对于便 携式低 功耗设 备来 说,必 须关 注 GTM900C 的电 源特 性。输 入电 源为

3.4~4.7V , 如果电压过低会造成射频指标的恶 化甚至模块工作不稳定。 工作电流在

空闲状态最大值为 3.8mA ,通话状态典型值 为 250mA ,GPRS 数据传输状态的典

型值为 350mA , 关机状态为 50uA , 为了省电 考虑, 如果在不需要进行数据远程传

输的时候可以考虑关闭 GPRS 模块。

2.4 软 件开 发环 境

在本文中, 开发平台选择为 IAR Systems 公 司的 IAR Embedded Workbench

7 重庆大学硕 士学位论 文 2 便 携式接收 装置总体 设计方案

[51]

Evaluation for MSP430 (以下简称 IAR EW430)。 该平台具有高效的编译性能,

可以支持多种开发工具, 支持输出 TI-txt 目标文件, 同时可以参考的资源丰富, 是

目前 MSP430 单片机程序开发的第一选择。

IAR EW430 为收费软件,可以登 录 IAR 公司 的官方网站进行下载使用,下载

地址是 ////0>. 。 安装软件 需要输入序列号

以及 KEY 文件。

IAR EW430 软件界面如图 2.3 所示。 打开软件 后, 建立新的工作窗 , 在工作窗

中建立工程 ,选择 C 语言类型 ,并保存在相关路径下 。然后可以新建文件,写入

源文件代码 。图 2.3 IAR EW430 软件 界面

Fig.2.3 EAR EW430 software interface

源代码编译好后, 需要先设置工程下的器件类型、 开发工具类型以及项目的输

出文件相关设置 。BSL 下载一般使用 TXT 类型 的目标文件, 而 IAREW430 软件默

认并不会输出 TXT 目标代码文件。点击界面左侧窗口的 项目名称,选中后点击右

键, 选择 “option ” 选项。 这里设置器件为 MSP430F149 , 设置输出目标文件类型 ,

选择硬件仿真器 “FET Debugger ” 。到这里,关于项目的设置工作已经完成 。点击菜单栏 “Project ”下 “Make ”项,也可以按 F7 ,即可编译并输出目标文

8 重庆大学硕 士学位论 文 2 便 携式接收 装置总体 设计方案

件 。 如果 有 错误 提 示, 请根 据 错误 提 示更 改然后 重

新编 译 。到 这 里, 一个 完 整 的

项 目 就完 成 了。 编 译后 ,生 成 的输 出 文件 在对应 的 项目 文 件夹 中 ,具 体路 径 为 :

项目文件夹/Debug/Exe/xxx.txt 。该文件就是 BSL 下载所需要的文件。

开发板 BSL 是 使用 PL2303 芯片制作,因此首先需要安装驱动,然后,将配

套的 USB 数据线一端连接到电脑的 USB 口, 另外一端连接到系统版 USB 口,然

后 打 开电 源 开关 , 系统 会提 示 发现 新 硬件 并自动 搜 索驱 动 软件 。 安装 驱动 成 功 之

后,打开 “硬件设备管理器 ” 查看端口号。

BSL 下载是将编译好 的 txt 代码程序由计算机下载至开发板目标芯片中, 在本

文中使用 SF_BSL430 软件进行下载,软件界面 如 图 2.4 所示。图 2.4 SF_BSL430 软件界面

Fig.2.4 The interface of SF_BSL430

打开 SF_BSL430 软件后,根据驱动后的端口号 ,在 “串口号 ”栏选择对应的

端 口 号, 点 击 “ 装 载烧 录文 件 ”按 钮 ,选 择目标 文 件, 载 入代 码 及串 口号 设 置 。

完成后, 确保电源已经打开,BSL 已经驱动, 点击 “ 执行” 即

可将程序下载进去 。

9 重庆大学硕 士学位论 文 3 便携式 接收装置 硬件设计

3 便携式 接收装 置硬件 设计

3.1 装 置硬 件总 体设 计

便携式接收装置的硬件结构如图 3.1 所示, 装置 的硬件主要包括以下几个部分:

MSP430F149 单片机,键盘控制电路,TFT 屏幕及接口电路,SD 卡,GTM900C

通信模块。在 MSP430F149 单片机的控制下,已经放大并滤波的 心电信号由单片

机内部的 ADC12 模块进行 AD 转换, 转换的结果 写入到 内部寄存器。 键控电路和

蜂鸣器电路接入单片机的 I/O 口。 TFT 屏幕通过 TFT LCD 接口接入到单片机的 I/O

口。 存储用的 SD 卡以 SPI 总线方式和单片机 进行连接, 利用单片机内部的串口 1

的 SPI 通信方式。GPRS 通信模块选用 GTM900C ,该 GPRS 通信模块通过 RS232

接口和单片机内部的串口 0 进行连接,串口 0 采用 UART 通信方式。

TFT 屏 幕 SD 卡

A

D MSP430F149

电子皮肤

C GTM900C

心电信号 单 片机

1

2

蜂鸣器 电

键 控电 路

路图 3.1 便携 式接收装 置硬件结 构

Fig.3.1 The hardware structure of portable receiving

device

MSP430F149 单片机的硬件资源丰富,外围电 路所要利用到的资源也比较多。

所以需要对单片机的 I/O 口和内部模块资源进行合理的分配, 保证不交叉重复使用

硬件 资源 。 在保 证 便携 式接 收 装置 功 能 完 整实现 的 同时 又 要注 意 该装 置功 能 的 拓

展性,方便日后 升级。

MSP430F149 在最小电路基础上的电路图如 图 3.2 所示。 P6.0~P6.7 口作为外部

8 路 AD 转换的输入口, 这里只用到一路输入, 但是如果将来需要进行其他 心电信

号的 监测时,最多可扩展到 8 路,同时监测 8 种心电 信号。P1.4~P1.7 口连接 4 个

独立按键, 同时 P1 口具备中断功能 , 这四个按键可作为中断键盘使用 。TFT 屏幕

接口的管脚分别连接 MSP430F149 单片机的 P1.0~P1.2 和 P5.5~P5.7 口,数据接口

接入 P4.0~P4.7 口。采用 2 个 4 位共阴型数码 管组成一个 8 位数码管,利用 2 个

74HC573 锁存器控制, 由 P6.3~P6.4 控制锁存器, 数据锁存器的数据就由单片机的

10 重庆大学硕 士学位论 文 3 便携式 接收装置 硬件设计

数据口 P4.0~P4.7 传入。P3.0 和 P5.1~P5.3 口连接 SD 卡。RS232 串行通信接口接

入 P3.4~P3.5 。蜂鸣器接入 P6.2 口。端口资源 分配如表 3.1 所示。

表 3.1 MSP430F149 管脚分 配

Table 3.1 Assignment of MSP430F149 pins

AD 转换 独立按键 TFT 屏幕 数码管 SD 卡 UART0 蜂鸣器 二极管

P1.0~P1.2

P4.0~P4.7 P3.0

P6.0~P6.7 P1.4~P1.7 P4.0~P4.7 P3.4~P3.5 P6.2 P2

P6.3~P6.4 P5.1~P5.3

P5.5~P5.7图 3.2 MSP430F149 管脚

Fig.3.2 The pins of MSP430F149

3.2 AD 转 换模 块

本课题 选用单片机 MSP430F149 内部自带 的一个 ADC 模块, 它是一个 12 位

精度的模数转换器。ADC12 的内部结构如图 3.3 所示。

11 重庆大学硕 士学位论 文 3 便携式 接收装置 硬件设计

图 3.3 ADC12 内 部结构

Fig.3.3 The internal structure of ADC12

可以看出,ADC12 主要有 5 个功能模块:

1 多路模拟通道。 包括 8 路外部输入通道 (A0~A7)和 4 路内部通道(包括

Vref+ 、Vref-/Veref-、(AVcc-AVss )/2 和片内温 度传感器) 。

2 参考电压发生器。ADC12 需要 Vref+ 和 Vref- 两 个基准信号。 由 REFON 信

号控制启动内部参考电源, 由 REF2_5V 信号控 制内部参考电压为 2.5V 还是 1.5V ,

并且由 SREF_x 设置 6 种 ADC 模块转换器的参考 电压 Vr+ 和 Vr- 的组合。Vr+ 有三

种选择:AVcc (系统模 拟电源 ) ,Vref+ (内 部 参考电源) 和 Veref+ (外部输 入的

参考电源) 。Vr- 有两种选择 :AVss (系统模 拟 地)和 Vref-/Veref- (内 部或外部参

考电源) 。

3 带有采样与保持功能的 12 位 AD 转换内核。 此 内核有采样保持器和 12 位

转换器两个部分组成。AD 转换需要一定的时 间,采用采样保持器来保持数据。

12

12 位的 AD 转换器将 Vr+ 和 Vr- 之间分成了 4096(2 )等分。如果输入电压 Vin

?Vr- 则结果为 0,Vin ?Vr+ 结果为 4095 。

4 采样转换时序 控制电路。 由 ADC12SSEL 选择 内核时钟,ADC12DIV 对时

钟进行分频,ADC12CLK 转换时钟,SHS 控制 采样 触发 来源,SHT 控制采样周期,

由 SAMPCON 信号控制采样和转换过程,SAMPCON 信号有可以由采样定时器产

生和也可以由用户自己控制,通过 SHP 选择。

12 重庆大学硕 士学位论 文 3 便携式 接收装置 硬件设计

5 转换结果缓存,桶型缓存,共有 16 个转换存储器用来存储转换结果,方

便获取 AD 转

范文二：脑电信号的时-频特征提取毕业论文

分类号 UDC 单位代码 10642 密 级 公开 学 号 2002468028

重庆文理学院

学士学位论文

论文题目：脑电信号的时-频特征提取

论文作者： 程良华

指导教师： 朱家富 副教授

专 业： 电子信息科学与技术

提交论文日期：2006年6月 日

论文答辩日期：2006年6月 日

学位授予单位： 重庆文理学院

中 国 重 庆

2006年6月

Graduate Thesis of Chongqing University of Arts & Sciences

Extracting the Time-Frequency Characteristics of

Electroencephalograph Signal

Candidate: Cheng Lianghua

Supervisor: Zhu Jiafu

Major: Electronic Information Science

and Technology

Department of Physics & Information Engineering

Chongqing University of Arts and Sciences

June 2006

2002级电子信息科学与技术专业毕业论文 目 录

目 录

中文摘要 ............................................................................ I Abstract ........................................................................... II

1.绪论 .............................................................................. 1

1.1前言 ......................................................................... 1

1.2研究脑电信号时-频特征的目的及意义 ............................................ 1

1.3脑电信号时-频特征提取的内容 .................................................. 1

1.4国内外同类研究工作现状及存在的主要问题 ....................................... 1

2.时间序列的谱分析方法 .............................................................. 2

2.1信号变换概述 ................................................................. 2

2.2傅立叶变换及其性质 ........................................................... 3

2.2.1一般傅立叶变换（FT） .................................................... 3

2.2.2离散傅立叶变换(DFT) ..................................................... 3

2.2.3快速傅立叶变换（FFT） ................................................... 4

2.3生物信号谱的分析及其特点 ..................................................... 6

3.脑电信号功率谱 .................................................................... 7

3.1脑电信号预处理 ............................................................... 7

3.2脑电信号功率谱计算的软件实现 ................................................. 9

3.3不同样本谱分析对比 ........................................................... 9

4.总结与展望 ....................................................................... 15

4.1研究小结 .................................................................... 15

4.2生物信号功率谱计算的未来研究趋势 ............................................ 16

参考文献 ........................................................................... 16

致 谢 ............................................................................. 18

2002级电子信息科学与技术专业毕业论文 中文摘要

脑电信号的时-频特征提取

电子信息科学与技术专业2002级 程良华 指导教师 朱家富

摘 要

脑电信号（EEG）是脑神经细胞电生理活动在大脑皮层或头皮表面的总体反映，其包含了大量的生理与病理信息，并可以用许多特征量来描述其特征信号。脑电信号的时-频特征分析可以有效地提取其特征量。EEG本质上是非线性时间序列，对于有限长序列，离散傅立叶变换（DFT）和快速傅立叶变换(FFT)有着重要的理论意义。本文利用DFT和FFT在分析脑电信号时，先对它们的主要算法进行了阐述,并对其特性和运算工作量进行了分析和对比。然后利用MATLAB信号处理的工具，首先滤除掉干扰信号，再对人的大脑在不同状态下的脑电信号进行MATLAB仿真，根据仿真结果，得到不同状态下不同分段的脑电信号功率谱数值。最后统计这些功率谱数值，画出功率谱直方图，从而实现对脑电序列信号分段功率谱进行分析的目的。

关键词：EEG；快速傅立叶变换（FFT）；MATLAB；功率谱；时-频特征；

I

2002级电子信息科学与技术专业毕业论文 英文摘要

Abstract

The Electroencephalograph (EEG) is the total reflection of brain nerve cells, through the electric signal record electrode from scalp. It contains a great deal of physiology and pathologic information, and we can use many characteristics quantity to describe its specificity. Time-frequency characteristic analyse can used to measure its characteristics. The EEG is a non-linear discrete time series in essence. For the finite sequence such as EEG, the Discrete Fourier Transform (DFT) and the Fast Fourier Transforms (FFT) have the vital significance. In paper, the major algorithm of the DFT and the FFT are presented and its characters and workload are compaired to. Using the MATLAB signal processing tools, filters are designed to filter the noise of EEG in different state. The power-spectrum is sectionalized and statisted according its frequency. The method and conclusion could be used to analysis an EEG series to obtain its time-frequency characteristics.

Keywords: EEG; Fast Fourier Transform (FFT); MATLAB; power spectrum;

time-frequency characteristics;

II

1.绪论

1.1前言

脑电信号(Electroencephalograph, EEG)中包含了大量的生理与病理信息，是进行神经系统疾病和症状，特别是癫痫病诊断的主要依据。从20世纪初，人们就开始研究人的脑电信号，多年以来，人们已经积累了一系列脑电信号处理的理论和方法，但是进展不是很快。这主要是因为人们目前对脑电信号产生的机理认识还不够，另外脑电信号的非平稳性和背景噪声等都很强，因此脑电信号的分析与处理一直是非常吸引人但又极其困难的研究课题。近年来，电子技术以及非线形分析理论的快速发展为我们提供了脑电信号处理的新手段[1]。本文将利用滤波器滤除脑电信号的干扰信号和快速傅立叶变换（FFT）理论来分析脑电序列信号的分段功率谱，即时-频特征提取。1.2研究脑电信号时-频特征的目的及意义

脑电图是脑神经细胞电生理活动在大脑皮层或头皮表面的总体反映。临床实践表明，脑电信号中包含了大量生理与疾病信息，所以我们通过对脑电信号的处理，不仅可以为医生提供临床诊断依据，而且可以为某些脑疾病（比如癫痫、脑肿瘤、智力状况等）提供有效的治疗手段。脑电图仪是临床上检查脑疾病的重要辅助工具，在临床上获得了广泛应用，成为诊断癫痫、极度兴奋、注意力不集中、酒精、药品依赖、脑外伤、失眠、睡眠紊乱等的重要辅助手段。在工程应用方面，人们也尝试利用脑电信号实现大脑-计算机接口(BCI)，利用人对不同的感觉、运动或认知活动的脑电信号的不同，对脑电信号的有效的提取和分类，从而将对脑电信号特征信息的提取和分析起到一定的推动作用，同时也为这些方法向实际应用迈出了一步，为最终研制出高性能的脑电信号处理和分析仪器提供了重要的功能资源，也为实际的生产生活（比如通讯、医学、电子学、雷达或无线电天文学等领域）提供了更多的帮助。 1.3脑电信号时-频特征提取的内容

研究脑电图信号（EEG）在时域、频域方面所具有的特征，计算出人的大脑在不同状态下的时频特征。具体到本选题，就是利用快速傅立叶变换(FFT)来研究脑电序列信号的分段功率谱，即EEG信号的时-频特征提取。

1.4国内外同类研究工作现状及存在的主要问题

脑电信号是脑神经细胞电生理活动在大脑皮层或头皮表面的总体反映，脑电信号的研究一直是生物医学领域难度很大且倍受人们关注的课题。国内外的最新研究方法主要有以下几个：

（1）混沌分析法：混沌理论是一门专门研究非线性系统行为的新型学科。它的基本观点是：简单确定的非线性系统可以产生简单确定的行为，也可以产生不稳定但有界的貌似随机的不确定现象。由于混沌系统对初始状态的极端敏感性，因而本质上是不可长期预测的。混沌理论表明，并非所有貌似随机的行为都是由复杂系统产生，滤除许多过分复杂、看似随机的很难处理的信息，都可以用简单的法则加以解释

[13]

[1]

[2]

。

（2）人工神经网络(ANN)分析法：产生脑电的物质基础是大脑的神经细胞，而神经细胞包括神经元和神经胶质细胞等。神经网络中的电活动是大脑信息处理过程中的一种极为重要的形式，我们通过对脑电信号的研究可以了解神经网络的信息处理过程和作用机理。

（3）小波变换法：小波变换法可以聚焦到对象的任意细节，把信号分解成多频率通道的信号，是具有多分辨率的分析方法。其突出特点是克服了傅立叶变换的局限性，在时域和频域上都具有良好的局部化特性，其时宽与频宽的乘积很小，在时间和频率上都很集中，因而其在EEG信号的提取与处理中的应用已不断受到人们的注意[3]。

（4）Wigner方法：维格纳分布(Wigner Dist ribution，简记为WD)是一种时频混和的信号表示法,能同时进行时域和频域分析，并把两者结合起来。因此通过对信号进行WD分析，不但可以求出信号的时间和频率两域分布图，还可以求出信号的频率变化情况，从而能更好地对脑电信号进行分类和识别。

（5）其他方法：a、功率谱估计法分为经典谱估计法和现代谱估计法两种。经典谱估计法是直接按定义用有限长数据来估计。以傅里叶变换为基础的传统谱估计方法，虽然具有计算效率高的优点，但却有着频率分辨率低等严重的固有缺点。而现代谱估计法是以随机过程的参数模型为基础的,因此也可以将其称为参数模型方法。这种参数模型方法对数据处理能得到高分辨率的谱分析结果，从而为脑电图信号频域特征的提取提供了新的有效手段，特别是对脑电图信号作动态特性分析中更显优越。b、匹配跟踪法是一种重复的非线性方法，是一种较为有效的用参数表示非平稳信号的方法，在脑电图信号分析中有人已将此法应用于睡眠纺锤波和慢波的分析中[7]。

在目前的研究中，虽然对脑电信号处理和分析进行了深入的、系统的研究，并取得了一定的成果。但随着理论研究的进一步深入，我们可以得到更加有效的脑电信号的检测和分析方法，这些方法在脑电测量和分析仪中可以得到更有效的应用，将可以进一步提升其性能。因此，本文就利用快速傅立叶变换(FFT)的基本原理，来分析和计算脑电序列信号的功率谱。

2．时间序列的谱分析方法

2.1信号变换概述

信号是数字信号处理领域中最基本、最重要的概念。而数字信号变换技术，又是对信号进行处理操作的最基本的有效途径之一。因此，数字信号变换技术，便成为数字信号处理领域中所必须掌握的一项最基本的技能[4]。

现在，我们来看一下信号的分类及其频谱的计算[6]： ?确定性信号 周期信号 非周期信号信号?

非确定信号 随机信号?

确定信号的谱：傅立叶变换

随机信号：傅立叶变换不存在?功率谱密度/功率谱

简单地说，数字信号变换技术就是为了处理操作上的方便和可能，通过数学变换，将一个域内的信号变换映射到另一个域内的信号的方法。常用的数字信号变换的方法主要有：傅立叶变换、离散余弦变换（DCT）、Z变换、Chirp z变换、Hilbert变换等。这些变换，根据各自的特点和应用范围，都有着各自的理论和应用背景。

2.2 傅立叶变换及其性质 2.2.1一般傅立叶变换（FT）

对于确定信号x(t)，如果满足条件

?

∞-∞

x(t)<∞>

则可以求解其傅立叶变换和傅立叶反变换：

F(ω)?x(t)?

∞-∞

∞-∞

x(t)-jωt

dt （2-2）

F(ω)e

-jωt

dω （2-3）

将上式离散化，可以得到式子

+∞

F(ω)=lim

t→0

∑

i=-∞

x(ti)e

-jωt

?t （2-4）

2.2.2离散傅立叶变换(DFT)

傅立叶变换是信号分析和处理的重要工具。有限长序列作为离散信号的一种，在数字信号处理中占有着极其重要的位置。对于有限长序列，离散傅立叶变换不仅在理论上有着重要的意义，而且有快速计算的方法——快速傅立叶变换。离散傅立叶变换是对信号作数字频谱分析及实现数字滤波的基本方法。它在频谱分析、数字通信、语音信号分析、图象处理、雷达、声纳、地震、生物医学工程等各个领域都有着日益广泛的应用。在信号处理中，DFT有着举足轻重的作用，信号的相关、滤波、谱估计等都要通过DFT来实现。然而，当数据点数为N时，大约需要N2次乘法和N2次加法。那么当N很大的时候，求一个N点的DFT要完成N?N次复数乘法和N(N-1)次复数加法，其计算量相当大。离散傅立叶级数变换是周期序列，仍不便于计算机计算。但它却只有N个独立的数值，所以它的许多特性可以通过有限长序列延拓来得到[10]。

对于一个长度为N的有限长序列x(n)，也即x(n)只在n=0 (N-1)个点上有非零值，其余皆为零，即

?x(n)

x(n)=?

?0 (n)??x

x(n)=?

??0

所以，有限长序列

x(n)

0≤n≤N-1其他

（2-5）

(n)，则有 把序列x(n)以N为周期进行周期延拓得到周期序列x

0≤n≤N-1其他

（2-6）

的离散傅立叶变换（DFT）为

N-1

x(k)=DFT[x(n)]=

∑x(n)W

n=0

-kn

N

0≤k≤N-1 （2-7）

逆变换为

x(n)=IDFT[X(k)]=

1N

N-1

∑X(k)W

k=0

-kn

N

0≤k≤N-1 （2-8）

若将DFT变换的定义写成矩阵形式，则得到

X=A?x，其中DFT变换矩阵A为

?1??1A=?

??1?

1WN WN

N-11

WN

1WN

N-1

(N-1)

2

??????

? （2-9）

通常我们用算法所需的乘法和加法运算次数，来衡量各种算法的复杂性和效率。这里的

x(n),X(k),WN通常都是复数，于是整个DFT运算就需要N次复数乘法和N(N-1)次复数加法。

2

因此，直接计算DFT，乘法和加法的次数都与N2成正比；当N较大时，计算量太大，无法得到实际的应用[14]。所以，就引入了另一种有效的算法——快速傅立叶变换（FFT）[16]。 2.2.3快速傅立叶变换（FFT）

1965年，J W Cooley和J W Tukey提出了快速傅立叶变换算法(Fast Fourier Transform—FFT)，按基本的蝶形运算的构成，可将每一种算法分为基-2、基-4、基-8、基-16及任意因子的FFT算法。

N

这使得傅立叶变换和卷积这类难度很大的计算工作的复杂度从N2量级降到了Nlog2量级，这种算N法将DFT的计算速度提高了Nlog2倍，使许多信号的处理工作能与整个系统的运行速度协调，开

创了数字信号处理的一个新里程。它的基本思想就是利用WN的周期性和对称性，使长序列的DFT分解为更小点数的DFT，从而大大减少了运算工作量。

快速傅立叶变换并不是与DFT不同的另外一种变换，它通过将长序列的DFT计算分解成短序列的DFT计算，从而减少了DFT计算次数，是一种快速有效的算法。这种快速有效算法，主要是利用了WN

nk

下面两个特性使长序列的DFT分解为更小点数的DFT所实现的[14]。

nk

（1）利用WN（2）利用WN

的对称性使DFT运算中有些项合并

k(N-n)

WN

nk

（2-10）

的中期性和对称性是长序列的DFT分解为更小点数的DFT

nk

=WN

-kn

=(WN

kn

)

*

WN=WN

k(n+N)

=WN

(k+N)

n

（2-11）

快速傅立叶变换（FFT）算法正是基于这一基本思想而发展起来的。快速傅立叶变换算法形式很多，但是基本上可以分成两大类，即按时间抽取（Decimation-In-Time简称DIT）法和按频率抽取（Decimation-In-Frequency，简称DIF）法。在这里，以按时间抽取（DIT）的FFT算法（库利-图基算法）为例，简单说明一下FFT算法的算法原理[17]。

为了讨论方便，设N=2，其中r为整数。如果不满足这个条件，可以人为地加上若干零值点来得到。有FFT的定义可知

N-1

r

X(k)=

∑x(n)W

n=0

nk

N

0≤k≤N-1 （2-12）

其中x(n)是列长为N(n=0,1, ,N-1)的输入序列，把它按n的奇偶分成两个子序列

?x(2r)=x1(r)N

r=0,1 ,- 1 （2-13）?

2?x(2r+1)=x2(r)

2πN

又由于W

2N

=e

-j

2πN

-j

=e

2

=WN，则

2

N-1

N-1

X(k)=

n=0

∑

x(n)W

nkN

+

n=0

∑

x(n)WN=X1(k)+WNX2(k) （2-14）

nkK

n为偶数 n为奇数

上式表明了一个N点的DFT可以被分解为两个N2点的DFT。同时，这两个N2点的DFT按照上式又可分成一个N点的DFT。

为了要用点数为N2点的X1(k)、X2(k)来表达N点的X(k)值还必须要用W系数的周期性，即 W这样可得

N2

rk

N2

=W

N??

r k+?

2??

N2

（2-15）

?N?X1 +k?∑x1(r)WN

?2?r=02

-1

N

r(k+

N2)

2

-1

1

rk

N2

=

∑x(r)W

r=0

（2-16）

即 X1

?N

?

+k?=X1(k) （2-17）

?2??N

?

+k?=X2(k) （2-18）

2??

同理可得 X2

k

另外再加上WN的对称性

W

?N? +k??2?N

N

=WN2?WN=-WN （2-19）

kk

就可以将X(k)的表达式分为前后两部分：

k

,前半部分 X(k)=X1(k)+WN?X2(k) k=0,1

N

- 1 （2-20） 2

+k??N??N??N?

后半部分 X +k?=X1 +k?+WN?2?X2 +k?

?2??2??2?

?N?

,=X1(k)-WNX2(k) k=0,1

k

N

- 1 （2-21） 2

由以上可见，只要求出区间[0,N2-1]内各个整数k值所对应的X1(k)和X2(k)的值，即可求出[0,N-1]区间内的全部X(k)值，这恰恰是FFT能大量节省计算量的关键所在。离散傅立叶变换（DFT）可以使数字信号处理在频域采样按数字运算的方法进行；快速傅立叶变换(FFT)则通过将长序列的DFT计算分解成短序列的DFT计算，使运算量得到明显减少。一般将FFT的分解法归为两类：一类是将时间序列x(n)(n为时间标号)进行逐次分解；另一类是将傅立叶变换序列x(k)(k为频率标号)进行分解。从FFT的发展看，主要有两个方向：一是针对N等于2的基数次幂的算法，如基-2算法、基-4算法、实因子算法和分裂基算法等；另一个是N不等于2的整数次幂的算法，它是以Winograd为代表的一类算法(素因子算法，Winograd算法)[18]。

2.3生物信号谱的分析及其特点

信号处理的目的在于分析并利用信号的特征。频谱分析和数字滤波器是数字信号处理的两个主要分支，但它们之间又存在着密切的联系。所谓“谱”，就是信号的某些特征在频率上随频率分布的关系。功率谱估计就是基于有限的数据寻找信号、随机过程或系统的频率成分，它表示随机信号频域的统计特征，有着明显的物理意义，是信号处理的重要研究内容之一。随机信号是自始至终具有无限能量的，所以其傅立叶变换并不存在，因为它不满足绝对可积的条件，因此需要研究其在频域上的功率分布情况，即功率谱密度或功率谱[9]。

功率谱估计技术有很长的历史，在近30年来又得到了飞速的发展，其内容和方法不断在更新。一般说来，功率谱估计方法可分为经典估计法和现代估计法。经典谱估计理论实质是傅立叶分析法，是由布莱克曼-图基(Blackman-Tukey)于1958年提出的利用维纳相关法从采样数据序列的自相关函数来得到功率谱的方法，通常称为BT法。而经典估计法又可划分为直接法（或周期图法）与间接法；库利和图基于1965年提出快速傅立叶变换（FFT），由FFT发展起来的信号谱估计法，直接对采样数据进行傅立叶变换来估计功率谱，通常称为周期图法。为了解决经典谱估计法频率分率低的问题，伯格（Burg）于1967年提出最大熵谱分析法，帕曾(E.Parzen)于1968年提出自回归模型(AR)谱估计方法。此后又出现了许多高分辨力的的谱估计方法，诸如谐波分析最大似然法、自回归移动平均(ARMA)法，随机信号谱估计进入了现代谱估计阶段。现代谱估计法大致可分为参数模型谱估计和非参数模型谱估计两大类

[13]

。

1、功率谱密度定义

（1）定义x(n)

m=-∞

?jω-jωm?Sx(e)=∑Rx(m)e?m=-∞

（2-22） ?

π

jωjωm?R(m)=1S(e)edωxx?-π?2π?

2jω

由于Rx(∞)=mx，所以若mx≠0，Sx(e)不一定收敛，故一般地假设mx=0（若mx≠0，

可通过对x(n)去均值处理）。物理意义：R(m)随着m越快变为0，说明该时间序列随时间变化越迅速；反之则说明该时间序列随时间变化越慢。故R(m)中包含了各种频率成分的功率信息。

(2)Sx(e

jω

2

??1

)=limE?

N→∞2N+1??

m=-∞

n=N

∑

n=-N

x(n)e

-jωm

??

? ??

=

∑

m=-∞

Rx(m)e

-jωm

（2-23）

2、功率谱密度的性质

(1)Sx(e(2)Sx(e

jω

)为实的偶函数； )≥0；

jω

(3)随机序列的平均功率：

R(0)=

12π

?π

-

π

S(e

x

jω

)dω （2-24）

(4)随机序列ω1到ω2之间的平均功率为：

12π

?ω

ω2

1

Sx(e

jω

)dω （2-25）

3、功率谱估计问题及谱估计方法

(1)谱估计问题x(n)

给定一个随机过程的一个实现中的有限长度数据

x(0),x(1), ,x(N-1)来估计Sx(e

jω

)

(2)谱估计方法

??周期图法

??非参数法谱估计?平滑周期图法?

?线性谱分析法 (经典谱估计)??最小方差法

???

?非线性谱分析法(现代谱估计)?

?参数法谱估计 ?时间序列模型

?

?

?最大熵谱估计法?

3.脑电信号功率谱

3.1脑电信号预处理

对原始脑电信号的预处理，主要是用数字滤波器来去除脑电信号中的干扰信号，从而得到无干扰的“干净信号”，为下一步的功率谱估计做好准备。

一个数字滤波器可以用系统函数表示为：

M

∑b

Hx=

k=0Nk=1

k

z

-k

=

-k

Y(z)X(z)

（3-1）

1-∑akz

直接由此式可得出表示输入输出关系的常系数线性差分方程：

N

M

k

y(n)=

∑a

k=1

y(n-k)+

∑b

k=0

k

x(n=k) （3-2）

由此看出，数字滤波器的功能就是把输入序列通过一定的运算变换成输出序列，从而实现滤波的目的。目前，滤波器主要有无限长单位冲激响应（IIR）滤波器和有限长单位冲激（FIR）滤波器这两种类型[8]。

1、无限长单位冲激响应（IIR）滤波器的特点

（1）系统的单位冲激响应h(n)是无限长的；

（2）系统函数H(z)在有限z平面(0<><∞)上有极点存在；>

但是，同一种系统函数H(z)可以有多种不同的结构，它的基本网络结构有I型、直接II型、级联型和并联型四种。

2、有限长单位冲激（FIR）滤波器的特点：

（1）系统的单位冲激响应h(n)在有限个n值处不为零；

（2）系统函数H(z)在z>0处收敛，在z>0处只有零点，有限z平面只有零点，而全部极点都在z=0处（因果系统）；

（3）结构上主要是非递归结构，没有输出到输入的反馈，但有些结构中（例如频率抽样结构）也包含有反馈的递归部分。

设FIR滤波器的单位冲激响应h(n)为一个N点序列，0≤n≤N-1，则滤波器的系统函数为

N-1

Hz=

∑h(n)z

n=0

-n

（3-3）

就是说，它有N(N-1)阶极点在z=0处，有(N-1)个零点位于有限z平面的任何位置。FIR滤波器有横截型、级联型、频率抽样型这几种基本结构。

在MATLAB信号处理的图形用户界面中，有两种关于滤波器设计的用户界面，即SPTool滤波器设计工具和FDATool滤波器设计工具。SPTool工具（如图3.1）为滤波器的分析和设计提供了一个交互式的设计环境，给用户带来了极大的方便；同时MATLAB还为用户提供了另一种更加综合、简便的图形用户工具——FDATool（Filter Design & Analysis Tool，图3.2）工具。它们都具有标准的频率带宽结构，为滤波器的设计提供了一个交互式的设计环境，用户可以根据幅值和零极点图的设置，设计任意长度和类型的IIR和FIR滤波器

[19]

。

图3.1 SPTool滤波器设计窗口

其提供的功能如下：

◇具有标准频率带宽结构的IIR滤波器的设计； ◇具有标准频率带宽结构的FIR滤波器的设计；

◇零极点编辑器实现具有任意频率带宽结构的IIR和FIR滤波器； ◇通过调整传递函数零极点的图形位置，实现滤波器的再设计； ◇在滤波器幅值响应图中添加频谱。

图3.2 FDATool主窗口

在本文的处理中，采用阻带频率F(s) 50Hz的低通滤波器来滤掉EEG信号里的干扰信号，从而分析出未受干扰的信号频谱特性曲线，为下一步的频谱分析做准备。 3.2脑电信号功率谱计算的软件实现

在MATLAB中，有很多工具箱可以实现脑电信号功率谱的计算。本文利用一个FS=50Hz的低通滤波器对16通道（人的不同状态下的脑电信号特性）的数据先作滤波处理，在滤掉了干扰频率信号后，得到最初脑信号的频谱曲线图；最后，根据这16个“纯净”的脑电信号的频谱曲线，即可画出相对功率谱的分布，从而实现脑电信号时-频特征的提取[10]。 3.3不同样本谱分析对比

根据不同的EEG信号样本，我们经过一系列的处理后，可以画出相对功率谱分布图，从而实现脑电信号时-频特征的提取[13]，现举例来说明。

1、首先对16个通道的EEG信号进行滤波

本文采用阻带频率Fs=100Hz的低通滤波器来滤除100Hz以上的波段信号，用工频率Fs=50Hz

的陷波器来滤除原始信号的工频干扰，如图3.3和图3.4所示。

图3.3 低通滤波器的幅频特性曲线 图3.4 陷波器的幅频特性曲线

（1）Channel-1(第1通道)信号的各种特性曲线图

图3.5 原始脑电信号的时域波形图

图3.6 原始脑电信号的频谱特性曲线

图3.7 过滤后的脑电信号时域波形图

图3.8 过滤后脑电波信号的频谱曲线

（2）Channel-2(第2通道)信号的各种特性曲线图

图3.9 原始的脑电信号时域波形图

图3.10 原始脑电信号的频谱特性曲线

图3.11 过滤后的脑电信号时域波形图

图3.12 过滤后脑电波信号的频谱曲线

（3）滤波前后各特性曲线对比

A、Channel-1信号滤波前后的时域波形对比

图3.13 Channel-1滤波前后的时域波形对比

B、Channel-1信号滤波前后的频谱曲线对比

图3.14 Channel-1滤波前后的频谱特性对比

C、Channel-2信号滤波前后的时域波形对比

图3.15 Channel-2滤波前后的时域波形对比

D、Channel-2信号滤波前后的频谱曲线对比

图3.16 Channel-2滤波前后的频谱特性对比

根据上面的两个例子，我们可以看出这两个示例通道信号的频谱特性在经过滤波后，有了很明显的变化：无50Hz的干扰信号，频谱变得更加清晰。同理，我们可以依次仿真出其他14个通道的

脑电信号在滤波前后的各种特性曲线，计算出它们的频谱特性，最后对所有这些频谱曲线统计，即可分析出它们的分段功率谱，从而画出功率谱直方图。

2．计算分段功率谱 A、脑电信号的分段：

按照文献的参考，在本数据的处理中，EEG的分段标准如下：

表3.1 EEG的分段

BFs=1000; % Fs是采样频率，值越大，得到的图像越清晰 Read X(1,1024); % 将要处理的脑电数据读入到X中，共1024个数据 % 以下是对原始的脑电数据进行1024点的快速傅立叶变换： for m=1:Fs

w(m)=m*2*pi/Fs; y(m)=0; temp=0;

for n=1:1024

y(m)=temp+x(n)*exp(-j*(w(m)*（n-1）)); temp=y(m);

end % n循环结束

h(m)=abs(y(m));

end % m循环结束

fre=w*Fs/(2*pi); % 得到频率阵 fre(1,1000) Am=h/max(h); % 得到原始信号的归一化谱幅度 C、关于算法的说明：

a、采样频率Fs根据实际情况调整，仿真时为1000Hz； b、快速傅立叶变换的计算公式为：

N-1

2πX(m)=

∑

x(n)e

-jN

nm

n=0

N是傅立叶变换的点数，此处为1024点；

c、由于只计算相对功率，故在计算功率时没有除点数N； d、本计算的步长取1ms，将与采样频率对应，给计算带来方便。 D、各分段功率谱具体数值(如表3.2)

3-4）

（

表3.2 各分段功率谱具体数值

3．功率谱直方图

根据前面的一系列仿真和计算，我们得到了16个通道的功率谱在各个分段所占的具体数值，那么，我们可以根据这些数值画出它们的功率谱直方图（如图3.17）。

图3.17 Channel-1和Channel-2的功率谱直方图

EEG信号的各分段功率谱，为下一步的分析做准备。

同理，我们可以根据表3.2的数值，画出其他14个通道的功率谱直方图，以便我们直观的观察

4.总结与展望

4.1研究小结

在对16个通道的EEG信号进行了滤波以及对它们的分段功率谱进行分析后，我们可以得出以下几个结论：

（1）原始EEG信号的干扰是来自输入电压时的工频干扰,频率为50Hz；

（2）同一状态下不同通道中，EEG信号所占比例不同，比如：Alpha1段在通道1中占25.60077%；在通道2中占6.10771%；

（3）人在不同状态下，同一通道中EEG信号的功率谱分布是不同的；由此我们可以得出人在不同状态下的功率谱分布是不同的结论；

（4）我们可以分析不同病人的EEG信号样本，从而区分病人所患的病名；

（5）在以后的研究中，我们增加正常人不同状态下的EEG信号样本数目，就可以统计得出具有普遍性的规律，这些规律就可以在临床医疗上得以应用。

在本文的研究中，我选择了人的大脑在不同的状态下16个通道的EEG信号做它们的功率谱分布，即研究了他们的时-频特征曲线。在本文的研究中，我只是选择了比较少的信号通道，而且它们的干扰频率都是50Hz，这样可以很容易的去除干扰信号。但是在实际的研究中，很到脑电信号不可能就只有50Hz的干扰信号，而且要研究的也不可能只是16个通道这么少，所以在以后的学习中，还要不断提高其复杂度和准确率，从而在实际的生产生活中（比如通讯、医学、电子学、雷达或无线电天文学）等领域提供更多的帮助[15]。

4.2生物信号功率谱计算的未来研究趋势的未来研究趋势

目前，研究脑电信号（EEG）功率谱的技术已经比较成熟。在未来的研究中，主要向高复杂度和高精确度方向发展，从而更精确的滤除研究对象中的干扰信号，为医生提供更可靠的临床诊断依据，同时也将在实际生活中的其他领域发挥更大的作用。

参考文献

[1] 胡广书，数字信号处理—理论，算法与实现[M]，北京，清华大学出版社，1997，320-384 [2] 崔建国，王旭，沈阳航空工业学院学报[J]，2004年4月，第21卷第2期， [3] 杨福生，小波变换的工程分析与应用[M]，北京：科学出版社，999 [4] 张贤达，,现代信号处理[M]，清华大学出版社，1995

[5] 刘建成，蔡湛宇，脑电信号(EEG)分析方法的现状与发展[J]，中国医学物理学杂志，第15卷

4期,1998,10

[6] 杨福生，随机信号分析[M]，清华大学出版社，1990

[7] 刘建平，张一闻，一种高分辨时频分析方法及在脑电信号处理中的应用[J]，武警工程学院

学报，2002

[8] 张一闻，高分辨率时频分析方法的研究及在脑电信号处理中的应用[J]，西安，武警工程学

报2002，3

[9] 张贤达，保铮，非平稳信号处理[M]，北京:国防工业出版社，1998

[10] 薛年喜，MALAB在数字信号处理中的应用[M]，北京：清华大学出版社，2003，113-131 [11] 季忠，秦树人，彭丽玲，脑电信号的现代分析方法[J]，重庆大学学报，2002，9

[12] 刘心东，混沌及其在生物医学工程中应用[J]，国外生物医学工程分册，1993，16(2)，36–4

[13] 季忠，脑电信号特征信息提取的时频分析方法及虚拟式脑电图仪的研制[J]，重大机械工程

学院，2003 11

[14] 程佩青，数字信号处理教程，清华大学出版社[M]，2001，87-110

[15] D Cranstoun*,Hernando C Ombao,Wensheng Guo,Time-Frequency Spectral Estimation of

MultichannelEEG Using the Auto-SLEX MethodStephen[J],Member,IEEE,Rainer von Sachs, andBrian Litt,Member,IEEE,2001,988-996

[16] Popov M,van der Sluis L,Paap G C,et al ,Computa－tion of very fast transient overvoltages in

transformer windings[J],IEEE Trans on Power Delivery,2003,18(4):1268-1274

[17] Wolpaw J R, et al,EEG-based communication: improved accuracy by response verification [J]，

IEEE Trans. Rehabil Eng, 1998,6 (3):326~333

[18] Long Fei, Zhang Dao-xin, Fan Ling, et al. Analysis of sleep staging by Time-Window complexity

sequence of EEG. Journal of Anhui University Natural Science Edition, Vol.26,No.1, march 2002:56-60

[19] H Ombao,J Raz, R von Sachs,and B Malow,“Automatic statisticalanalysis of bivariate

nonstationary time series”[J],Amer. Statist Assoc,vol 9,pp 543–560,2001

致 谢

行文至此，即将告别学生生涯，欣慰是没有的，唯感恩！

读书期间，给我感受颇深的是导师朱家富副教授的人格魅力。导师的刚直不阿、治学的严谨、对待学问的孜孜追求，令学生由衷敬佩。这将对学生今后的待人处事、治学态度等诸方面产生深刻影响。在课题和论文的进行过程中，导师对学生严格要求、悉心指导，从各方面为学生工作的进行创造便利条件；在生活上，导师也给予学生诸多的关怀和帮助，可以说没有导师的精心指导，我是不可能保质保量的完成此论文的。在此，向导师致以学生最衷心的感谢和深深的敬意。在以后的生活和学习中，我将以导师为榜样，做一个正直、有为的人。

大学四年的学业，正是有了父母及兄弟的关心和帮助，才得以顺利完成，我会一辈子记得他们的。

在平时的学习和生活中，得到了室友和朋友的大力帮助和支持，他们带给了我许多美好的快乐时光，在此对他们说声：“朋友，一路走好！”。

要感谢的还有很多，岂是这只言片语所能表达?

谨借此，感谢所有曾经帮助过我和正在帮助我的人！唯愿好人一生平安！

程良华

2006年6月于重庆

范文三：脑电信号的时-频特征提取毕业论文.doc

分类号 UDC 单位代码 10642

密 级 公开 学 号 2002468028

重庆文理学院

论文题目:脑电信号的时-频特征提取

论文作者: 程良华

指导教师: 朱家富 副教授

专 业: 电子信息科学与技术

提交论文日期:2006年6月 日

论文答辩日期:2006年6月 日

学位授予单位: 重庆文理学院

中 国 , 重 庆

2006年6月

Graduate Thesis of Chongqing University of Arts & Sciences

Extracting the Time-Frequency Characteristics of

Electroencephalograph Signal

Candidate: Cheng Lianghua

Supervisor: Zhu Jiafu

Major: Electronic Information Science

and Technology

Department of Physics & Information Engineering

Chongqing University of Arts and Sciences

June 2006

2002级电子信息科学与技术专业毕业论文 目 录

目 录

中文摘要 ........................................................................... I Abstract .......................................................................... II 1.绪论 ............................................................................. 1

1.1前言 ........................................................................ 1

1.2研究脑电信号时-频特征的目的及意义 ........................................... 1

1.3脑电信号时-频特征提取的内容 ................................................. 1

1.4国内外同类研究工作现状及存在的主要问题 ...................................... 1

2.时间序列的谱分析方法 .............................................................. 2

2.1信号变换概述 ................................................................ 2

2.2傅立叶变换及其性质 .......................................................... 3

2.2.1一般傅立叶变换(FT) ................................................... 3

2.2.2离散傅立叶变换(DFT) .................................................... 3

2.2.3快速傅立叶变换(FFT) .................................................. 4

2.3生物信号谱的分析及其特点 .................................................... 6 3.脑电信号功率谱.................................................................... 7

3.1脑电信号预处理 .............................................................. 7

3.2脑电信号功率谱计算的软件实现 ................................................ 9

3.3不同样本谱分析对比 .......................................................... 9 4.总结与展望....................................................................... 15

4.1研究小结 ................................................................... 15

4.2生物信号功率谱计算的未来研究趋势 ........................................... 16 参考文献 .......................................................................... 16 致 谢 ............................................................................ 18

2002级电子信息科学与技术专业毕业论文 中文摘要

脑电信号的时-频特征提取

电子信息科学与技术专业2002级 程良华 指导教师 朱家富

摘 要

脑电信号,EEG,是脑神经细胞电生理活动在大脑皮层或头皮表面的总体反映～其包含了大量的生理与病理信息～并可以用许多特征量来描述其特征信号。脑电信号的时-频特征分析可以有效地提取其特征量。EEG本质上是非线性时间序列～对于有限长序列～离散傅立叶变换,DFT,和快速傅立叶变换(FFT)有着重要的理论意义。本文利用DFT和FFT在分析脑电信号时～先对它们的主要算法进行了阐述,并对其特性和运算工作量进行了分析和对比。然后利用MATLAB信号处理的工具～首先滤除掉干扰信号～再对人的大脑在不同状态下的脑电信号进行MATLAB仿真～根据仿真结果～得到不同状态下不同分段的脑电信号功率谱数值。最后统计这些功率谱数值～画出功率谱直方图～从而实现对脑电序列信号分段功率谱进行分析的目的。

关键词:EEG,快速傅立叶变换,FFT,,MATLAB,功率谱,时-频特征,

I

2002级电子信息科学与技术专业毕业论文 英文摘要

Abstract

The Electroencephalograph (EEG) is the total reflection of brain nerve cells, through the electric signal record electrode from scalp. It contains a great deal of physiology and pathologic information, and we can use many characteristics quantity to describe its specificity. Time-frequency characteristic analyse can used to measure its characteristics. The EEG is a non-linear discrete time series in essence. For the finite sequence such as EEG, the Discrete Fourier Transform (DFT) and the Fast Fourier Transforms (FFT) have the vital significance. In paper, the major algorithm of the DFT and the FFT are presented and its characters and workload are compaired to. Using the MATLAB signal processing tools, filters are designed to filter the noise of EEG in different state. The power-spectrum is sectionalized and statisted according its frequency. The method and conclusion could be used to analysis an EEG series to obtain its time-frequency characteristics.

Keywords: EEG; Fast Fourier Transform (FFT); MATLAB; power spectrum;

time-frequency characteristics;

II

2002级电子信息科学与技术专业毕业论文

1.绪论

1.1前言

脑电信号(Electroencephalograph, EEG)中包含了大量的生理与病理信息，是进行神经系统疾病和症状，特别是癫痫病诊断的主要依据。从20世纪初，人们就开始研究人的脑电信号，多年以来，人们已经积累了一系列脑电信号处理的理论和方法，但是进展不是很快。这主要是因为人们目前对脑电信号产生的机理认识还不够，另外脑电信号的非平稳性和背景噪声等都很强，因此脑电信号的分析与处理一直是非常吸引人但又极其困难的研究课题。近年来，电子技术以及非线形分析理论的快

[1]速发展为我们提供了脑电信号处理的新手段。本文将利用滤波器滤除脑电信号的干扰信号和快速

傅立叶变换(FFT)理论来分析脑电序列信号的分段功率谱，即时-频特征提取。1.2研究脑电信号时-频特征的目的及意义

脑电图是脑神经细胞电生理活动在大脑皮层或头皮表面的总体反映。临床实践表明，脑电信号中包含了大量生理与疾病信息，所以我们通过对脑电信号的处理，不仅可以为医生提供临床诊断依

[2]据，而且可以为某些脑疾病(比如癫痫、脑肿瘤、智力状况等)提供有效的治疗手段。脑电图仪是临床上检查脑疾病的重要辅助工具，在临床上获得了广泛应用，成为诊断癫痫、极度兴奋、注意力不集中、酒精、药品依赖、脑外伤、失眠、睡眠紊乱等的重要辅助手段。在工程应用方面，人们也尝试利用脑电信号实现大脑-计算机接口(BCI)，利用人对不同的感觉、运动或认知活动的脑电信号的不同，对脑电信号的有效的提取和分类，从而将对脑电信号特征信息的提取和分析起到一定的推动作用，同时也为这些方法向实际应用迈出了一步，为最终研制出高性能的脑电信号处理和分析仪器提供了重要的功能资源，也为实际的生产生活(比如通讯、医学、电子学、雷达或无线电天文学

[1]等领域)提供了更多的帮助。

1.3脑电信号时-频特征提取的内容

研究脑电图信号(EEG)在时域、频域方面所具有的特征，计算出人的大脑在不同状态下的时频特征。具体到本选题，就是利用快速傅立叶变换(FFT)来研究脑电序列信号的分段功率谱，即EEG信号的时-频特征提取。

1.4国内外同类研究工作现状及存在的主要问题

脑电信号是脑神经细胞电生理活动在大脑皮层或头皮表面的总体反映，脑电信号的研究一直是生物医学领域难度很大且倍受人们关注的课题。国内外的最新研究方法主要有以下几个:

(1)混沌分析法:混沌理论是一门专门研究非线性系统行为的新型学科。它的基本观点是:简单确定的非线性系统可以产生简单确定的行为，也可以产生不稳定但有界的貌似随机的不确定现象。由于混沌系统对初始状态的极端敏感性，因而本质上是不可长期预测的。混沌理论表明，并非所有貌似随机的行为都是由复杂系统产生，滤除许多过分复杂、看似随机的很难处理的信息，都可以用

[13]简单的法则加以解释。

(2)人工神经网络(ANN)分析法:产生脑电的物质基础是大脑的神经细胞，而神经细胞包括神经元和神经胶质细胞等。神经网络中的电活动是大脑信息处理过程中的一种极为重要的形式，我们通过对脑电信号的研究可以了解神经网络的信息处理过程和作用机理。

共18 页 第 1 页

程良华:脑电信号的时-频特征提取

(3)小波变换法:小波变换法可以聚焦到对象的任意细节，把信号分解成多频率通道的信号，是具有多分辨率的分析方法。其突出特点是克服了傅立叶变换的局限性，在时域和频域上都具有良好的局部化特性，其时宽与频宽的乘积很小，在时间和频率上都很集中，因而其在EEG信号的提取

[3]与处理中的应用已不断受到人们的注意。

(4)Wigner方法:维格纳分布(Wigner Dist ribution，简记为WD)是一种时频混和的信号表示法,能同时进行时域和频域分析，并把两者结合起来。因此通过对信号进行WD分析，不但可以求出信号的时间和频率两域分布图，还可以求出信号的频率变化情况，从而能更好地对脑电信号进行分类和识别。

(5)其他方法:a、功率谱估计法分为经典谱估计法和现代谱估计法两种。经典谱估计法是直接按定义用有限长数据来估计。以傅里叶变换为基础的传统谱估计方法，虽然具有计算效率高的优点，但却有着频率分辨率低等严重的固有缺点。而现代谱估计法是以随机过程的参数模型为基础的,因此也可以将其称为参数模型方法。这种参数模型方法对数据处理能得到高分辨率的谱分析结果，从而为脑电图信号频域特征的提取提供了新的有效手段，特别是对脑电图信号作动态特性分析中更显优越。b、匹配跟踪法是一种重复的非线性方法，是一种较为有效的用参数表示非平稳信号的方法，

[7]在脑电图信号分析中有人已将此法应用于睡眠纺锤波和慢波的分析中。

在目前的研究中，虽然对脑电信号处理和分析进行了深入的、系统的研究，并取得了一定的成果。但随着理论研究的进一步深入，我们可以得到更加有效的脑电信号的检测和分析方法，这些方法在脑电测量和分析仪中可以得到更有效的应用，将可以进一步提升其性能。因此，本文就利用快速傅立叶变换(FFT)的基本原理，来分析和计算脑电序列信号的功率谱。

2(时间序列的谱分析方法

2.1信号变换概述

信号是数字信号处理领域中最基本、最重要的概念。而数字信号变换技术，又是对信号进行处理操作的最基本的有效途径之一。因此，数字信号变换技术，便成为数字信号处理领域中所必须掌

[4]握的一项最基本的技能。

[6]现在，我们来看一下信号的分类及其频谱的计算:

确定性信号 周期信号 非周期信号,信号 ,非确定信号 随机信号,

确定信号的谱:傅立叶变换

随机信号:傅立叶变换不存在功率谱密度/功率谱 ,

简单地说，数字信号变换技术就是为了处理操作上的方便和可能，通过数学变换，将一个域内的信号变换映射到另一个域内的信号的方法。常用的数字信号变换的方法主要有:傅立叶变换、离散余弦变换(DCT)、Z变换、Chirp z变换、Hilbert变换等。这些变换，根据各自的特点和应用范围，都有着各自的理论和应用背景。

共 18 页 第 2 页

2002级电子信息科学与技术专业毕业论文

2.2 傅立叶变换及其性质

2.2.1一般傅立叶变换(FT)

对于确定信号，如果满足条件 xt()

, (2-1) xtdt(),,,,,

则可以求解其傅立叶变换和傅立叶反变换:

,jt,, (2-2) Fxtedt()(),,,,

,jt,, (2-3) xtFed()(),,,,,

将上式离散化，可以得到式子

，,jt,, (2-4) Fxtet()lim(),,,,i0t,i,,,

2.2.2离散傅立叶变换(DFT)

傅立叶变换是信号分析和处理的重要工具。有限长序列作为离散信号的一种，在数字信号处理中占有着极其重要的位置。对于有限长序列，离散傅立叶变换不仅在理论上有着重要的意义，而且有快速计算的方法——快速傅立叶变换。离散傅立叶变换是对信号作数字频谱分析及实现数字滤波的基本方法。它在频谱分析、数字通信、语音信号分析、图象处理、雷达、声纳、地震、生物医学工程等各个领域都有着日益广泛的应用。在信号处理中，DFT有着举足轻重的作用，信号的相关、

22滤波、谱估计等都要通过DFT来实现。然而，当数据点数为时，大约需要次乘法和次加NNN法。那么当很大的时候，求一个点的DFT要完成次复数乘法和次复数加法，NN(1),NNNN，

其计算量相当大。离散傅立叶级数变换是周期序列，仍不便于计算机计算。但它却只有个独立的N

[10]数值，所以它的许多特性可以通过有限长序列延拓来得到。

对于一个长度为N的有限长序列，也即只在个点上有非零值，其余nN,,0(1)xn()xn()

皆为零，即

xnnN()01,,,,xn(), (2-5) ,0其他,

把序列以为周期进行周期延拓得到周期序列，则有 xn()xn()N

,xnnN()01,,,,xn(), (2-6) ,0其他,,

xn()所以，有限长序列的离散傅立叶变换(DFT)为

N,1,kn (2-7) xkDFTxnxnW()()(),,01,,,kN,,,Nn,0

逆变换为

N,11,kn (2-8)xnIDFTXkXkW,,01,,,kN()()(),,,NNk,0

若将DFT变换的定义写成矩阵形式，则得到

X=Ax,A，其中DFT变换矩阵为

共18 页 第 3 页

程良华:脑电信号的时-频特征提取

111,,

,,11N,WW1NN,,A,,,

,,2NN,,1(1),,WW1NN,, (2-9)

通常我们用算法所需的乘法和加法运算次数，来衡量各种算法的复杂性和效率。这里的

2通常都是复数，于是整个DFT运算就需要次复数乘法和次复数加法。xnXkW(),(),NN(1),NN

2因此，直接计算DFT，乘法和加法的次数都与成正比;当较大时，计算量太大，无法得到实NN

[14][16]际的应用。所以，就引入了另一种有效的算法——快速傅立叶变换(FFT)。 2.2.3快速傅立叶变换(FFT)

1965年，J W Cooley和J W Tukey提出了快速傅立叶变换算法(Fast Fourier Transform—FFT)，按基本的蝶形运算的构成，可将每一种算法分为基-2、基-4、基-8、基-16及任意因子的FFT算法。

N2这使得傅立叶变换和卷积这类难度很大的计算工作的复杂度从量级降到了量级，这种算NlogN2

N法将DFT的计算速度提高了倍，使许多信号的处理工作能与整个系统的运行速度协调，开Nlog2

创了数字信号处理的一个新里程。它的基本思想就是利用的周期性和对称性，使长序列的DFTWN

分解为更小点数的DFT，从而大大减少了运算工作量。

快速傅立叶变换并不是与DFT不同的另外一种变换，它通过将长序列的DFT计算分解成短序列的DFT计算，从而减少了DFT计算次数，是一种快速有效的算法。这种快速有效算法，主要是

nk[14]利用了下面两个特性使长序列的DFT分解为更小点数的DFT所实现的。 WN

nk(1)利用的对称性使DFT运算中有些项合并 WNkNnknkn(),,,WWW,,()NNN (2-10)

nk(2)利用的中期性和对称性是长序列的DFT分解为更小点数的DFT WN

nnkknNkN()()，， (2-11) WWW,,NNN

快速傅立叶变换(FFT)算法正是基于这一基本思想而发展起来的。快速傅立叶变换算法形式很多，但是基本上可以分成两大类，即按时间抽取(Decimation-In-Time简称DIT)法和按频率抽取(Decimation-In-Frequency，简称DIF)法。在这里，以按时间抽取(DIT)的FFT算法(库利-图基

[17]算法)为例，简单说明一下FFT算法的算法原理。

rr为了讨论方便，设，其中为整数。如果不满足这个条件，可以人为地加上若干零值点N,2

来得到。有FFT的定义可知

N,1nk (2-12) XkxnW()(),01,,,kN,Nn,0

其中是列长为NnN(0,1,,1),,的输入序列，把它按的奇偶分成两个子序列 xn()n

xrxr(2)(),,N1 (2-13)r,,0,1,1,xrxr(21)()，,22,

共 18 页 第 4 页

2002级电子信息科学与技术专业毕业论文

2,,j2,N,j2N2又由于，则 WeeW,,,NN

2

NN,,11nknkK (2-14) XkxnWxnWXkWXk()()()()(),，,，,,NNN12

nn,,00

n为偶数 n为奇数

上式表明了一个点的DFT可以被分解为两个点的DFT。同时，这两个点的DFTN2N2N

按照上式又可分成一个点的DFT。 N

为了要用点数为点的、来表达点的值还必须要用系数的周期性，Xk()N2Xk()Xk()NW12

N,,rk，,,rk2,,即 (2-15)WW,NN22

这样可得

NN,,11N22()，rkN,,rk2 (2-16) ()()XkxrWxrW，,,,,,111NN2,,,,00rr22

N,,即 XkXk，,() (2-17) 11,,2,,

N,,同理可得 XkXk，,() (2-18) 22,,2,,

k另外再加上的对称性 WN

N,,N，k,,kk2,,2 (2-19) WWWW,,,,NNNN

就可以将的表达式分为前后两部分: Xk()

Nk前半部分 (2-20) XkXkWXk()()(),，,k,,0,1,,112N2

N,,，k,,NNN,,,,,,2,,后半部分 XkXkWXk，,，，，12N,,,,,,222,,,,,,

Nk (2-21) ,,XkWXk()()k,,0,1,,112N2

由以上可见，只要求出区间内各个整数值所对应的和的值，即可0,21N,Xk()Xk()k,,12求出区间内的全部值，这恰恰是FFT能大量节省计算量的关键所在。离散傅立叶变0,1N,Xk(),,

换(DFT)可以使数字信号处理在频域采样按数字运算的方法进行;快速傅立叶变换(FFT)则通过将

长序列的DFT计算分解成短序列的DFT计算，使运算量得到明显减少。一般将FFT的分解法归为

两类:一类是将时间序列(为时间标号)进行逐次分解;另一类是将傅立叶变换序列(为xn()xk()nk

频率标号)进行分解。从FFT的发展看，主要有两个方向:一是针对等于2的基数次幂的算法，N如基-2算法、基-4算法、实因子算法和分裂基算法等;另一个是不等于2的整数次幂的算法，它N

[18]是以Winograd为代表的一类算法(素因子算法，Winograd算法)。

共18 页 第 5 页

程良华:脑电信号的时-频特征提取

2.3生物信号谱的分析及其特点

信号处理的目的在于分析并利用信号的特征。频谱分析和数字滤波器是数字信号处理的两个主要分支，但它们之间又存在着密切的联系。所谓“谱”，就是信号的某些特征在频率上随频率分布的关系。功率谱估计就是基于有限的数据寻找信号、随机过程或系统的频率成分，它表示随机信号频域的统计特征，有着明显的物理意义，是信号处理的重要研究内容之一。随机信号是自始至终具有无限能量的，所以其傅立叶变换并不存在，因为它不满足绝对可积的条件，因此需要研究其在频域

[9]上的功率分布情况，即功率谱密度或功率谱。

功率谱估计技术有很长的历史，在近30年来又得到了飞速的发展，其内容和方法不断在更新。一般说来，功率谱估计方法可分为经典估计法和现代估计法。经典谱估计理论实质是傅立叶分析法，是由布莱克曼-图基(Blackman-Tukey)于1958年提出的利用维纳相关法从采样数据序列的自相关函数来得到功率谱的方法，通常称为BT法。而经典估计法又可划分为直接法(或周期图法)与间接法;库利和图基于1965年提出快速傅立叶变换(FFT)，由FFT发展起来的信号谱估计法，直接对采样数据进行傅立叶变换来估计功率谱，通常称为周期图法。为了解决经典谱估计法频率分率低的问题，伯格(Burg)于1967年提出最大熵谱分析法，帕曾(E.Parzen)于1968年提出自回归模型(AR)谱估计方法。此后又出现了许多高分辨力的的谱估计方法，诸如谐波分析最大似然法、自回归移动平均(ARMA)法，随机信号谱估计进入了现代谱估计阶段。现代谱估计法大致可分为参数模型谱估计和非

[13]参数模型谱估计两大类。

1、功率谱密度定义

(1)定义 xn()

m,,,,,,jjm,SeRme()(),,xx,,m,,, (2-22) ,,1jjm,,,,Rmeed()S(),xx,,,,,2,

2j,由于，所以若，不一定收敛，故一般地假设(若，Rm(),,m,0Se()m,0m,0xxxxxx

可通过对去均值处理)。物理意义:随着越快变为，说明该时间序列随时间变化越Rm()xn()m0

迅速;反之则说明该时间序列随时间变化越慢。故中包含了各种频率成分的功率信息。 Rm()

2nN,,,1,,,,jjm,(2) SeExne()lim(),,,,xN,,N21，nN,,,,,,

m,,,,,jm,Rme() (2-23) ,xm,,,

2、功率谱密度的性质

j,Se()(1)为实的偶函数; x

j,Se()0,(2); x

(3)随机序列的平均功率:

,1j, (2-24)RSed,,(0)(),,,x2,

共 18 页 第 6 页

2002级电子信息科学与技术专业毕业论文

(4)随机序列到之间的平均功率为: ,,12

,12j, (2-25) Sed,()x,,12,

3、功率谱估计问题及谱估计方法

(1)谱估计问题 xn()

给定一个随机过程的一个实现中的有限长度数据

j,来估计 xxxN(0),(1),,(1),Se()x

(2)谱估计方法

,周期图法,

,,非参数法谱估计平滑周期图法,,线性谱分析法 (经典谱估计),,,最小方差法 ,,,非线性谱分析法(现代谱估计),,时间序列模型,,参数法谱估计 ,,最大熵谱估计法,,

3.脑电信号功率谱

3.1脑电信号预处理

对原始脑电信号的预处理，主要是用数字滤波器来去除脑电信号中的干扰信号，从而得到无干

扰的“干净信号”，为下一步的功率谱估计做好准备。

一个数字滤波器可以用系统函数表示为:

M,kbz,k()Yz0,k (3-1) ,,HxN()Xz,k,1az,k1,k

直接由此式可得出表示输入输出关系的常系数线性差分方程:

NM

ynaynkbxnk()()(),,，, (3-2) ,,kk,,10kk

由此看出，数字滤波器的功能就是把输入序列通过一定的运算变换成输出序列，从而实现滤波

的目的。目前，滤波器主要有无限长单位冲激响应(IIR)滤波器和有限长单位冲激(FIR)滤波器

[8]这两种类型。

1、无限长单位冲激响应(IIR)滤波器的特点

(1)系统的单位冲激响应是无限长的; hn()

z(2)系统函数Hz()在有限平面(0),,,z上有极点存在;

(3)结构上存在着输出到输入的反馈，也就是结构上是递归型的。

但是，同一种系统函数Hz()可以有多种不同的结构，它的基本网络结构有I型、直接II型、

级联型和并联型四种。

2、有限长单位冲激(FIR)滤波器的特点:

(1)系统的单位冲激响应在有限个值处不为零; hn()n

共18 页 第 7 页

程良华:脑电信号的时-频特征提取

(2)系统函数在处收敛，在处只有零点，有限平面只有零点，而全部极zHz()z,0z,0

点都在处(因果系统); z,0

(3)结构上主要是非递归结构，没有输出到输入的反馈，但有些结构中(例如频率抽样结构)也包含有反馈的递归部分。

设FIR滤波器的单位冲激响应为一个N点序列，，则滤波器的系统函数为hn()01,,,nN

N,1,n (3-3) Hhnz,(),zn,0

zz就是说，它有阶极点在=0处，有个零点位于有限平面的任何位置。FIR(1)N,NN(1),

滤波器有横截型、级联型、频率抽样型这几种基本结构。

在MATLAB信号处理的图形用户界面中，有两种关于滤波器设计的用户界面，即SPTool滤波器设计工具和FDATool滤波器设计工具。SPTool工具(如图3.1)为滤波器的分析和设计提供了一个交互式的设计环境，给用户带来了极大的方便;同时MATLAB还为用户提供了另一种更加综合、简便的图形用户工具——FDATool(Filter Design & Analysis Tool，图3.2)工具。它们都具有标准的频率带宽结构，为滤波器的设计提供了一个交互式的设计环境，用户可以根据幅值和零极点图的设

[19]置，设计任意长度和类型的IIR和FIR滤波器。

图3.1 SPTool滤波器设计窗口

其提供的功能如下:

?具有标准频率带宽结构的IIR滤波器的设计;

?具有标准频率带宽结构的FIR滤波器的设计;

?零极点编辑器实现具有任意频率带宽结构的IIR和FIR滤波器;

?通过调整传递函数零极点的图形位置，实现滤波器的再设计;

?在滤波器幅值响应图中添加频谱。

第 8 页 共 18 页

2002级电子信息科学与技术专业毕业论文

图3.2 FDATool主窗口

在本文的处理中，采用阻带频率的低通滤波器来滤掉EEG信号里的干扰信号，从FsHz()50,

而分析出未受干扰的信号频谱特性曲线，为下一步的频谱分析做准备。

3.2脑电信号功率谱计算的软件实现

在MATLAB中，有很多工具箱可以实现脑电信号功率谱的计算。本文利用一个FS=50Hz的低通滤波器对16通道(人的不同状态下的脑电信号特性)的数据先作滤波处理，在滤掉了干扰频率信号后，得到最初脑信号的频谱曲线图;最后，根据这16个“纯净”的脑电信号的频谱曲线，即可画

[10]出相对功率谱的分布，从而实现脑电信号时-频特征的提取。

3.3不同样本谱分析对比

根据不同的EEG信号样本，我们经过一系列的处理后，可以画出相对功率谱分布图，从而实

[13]现脑电信号时-频特征的提取，现举例来说明。

1、首先对16个通道的EEG信号进行滤波

本文采用阻带频率Fs=100Hz的低通滤波器来滤除100Hz以上的波段信号，用工频率Fs=50Hz的陷波器来滤除原始信号的工频干扰，如图3.3和图3.4所示。

图3.3 低通滤波器的幅频特性曲线 图3.4 陷波器的幅频特性曲线

共18 页 第 9 页

程良华:脑电信号的时-频特征提取

(1)Channel-1(第1通道)信号的各种特性曲线图

图3.5 原始脑电信号的时域波形图

图3.6 原始脑电信号的频谱特性曲线

图3.7 过滤后的脑电信号时域波形图

第 10 页 共 18 页

2002级电子信息科学与技术专业毕业论文

图3.8 过滤后脑电波信号的频谱曲线

(2)Channel-2(第2通道)信号的各种特性曲线图

图3.9 原始的脑电信号时域波形图

图3.10 原始脑电信号的频谱特性曲线

共18 页 第 11 页

程良华:脑电信号的时-频特征提取

图3.11 过滤后的脑电信号时域波形图

图3.12 过滤后脑电波信号的频谱曲线 (3)滤波前后各特性曲线对比

A、Channel-1信号滤波前后的时域波形对比

图3.13 Channel-1滤波前后的时域波形对比

第 12 页 共 18 页

2002级电子信息科学与技术专业毕业论文

B、Channel-1信号滤波前后的频谱曲线对比

图3.14 Channel-1滤波前后的频谱特性对比

C、Channel-2信号滤波前后的时域波形对比

图3.15 Channel-2滤波前后的时域波形对比

D、Channel-2信号滤波前后的频谱曲线对比

图3.16 Channel-2滤波前后的频谱特性对比

根据上面的两个例子，我们可以看出这两个示例通道信号的频谱特性在经过滤波后，有了很明

显的变化:无50Hz的干扰信号，频谱变得更加清晰。同理，我们可以依次仿真出其他14个通道的

共18 页 第 13 页

程良华:脑电信号的时-频特征提取

脑电信号在滤波前后的各种特性曲线，计算出它们的频谱特性，最后对所有这些频谱曲线统计，即

可分析出它们的分段功率谱，从而画出功率谱直方图。

2(计算分段功率谱

A、脑电信号的分段:

按照文献的参考，在本数据的处理中，EEG的分段标准如下:

表3.1 EEG的分段

名 称 Delta Theta Alpha-1 Alpha-2 Beta-1 Beta-2

频 率 0.5-4.0Hz 4.0-8.0Hz 8.0-11Hz 11-14Hz 14-25Hz 25-35Hz

B、分析方法之算法:

Fs=1000; % Fs是采样频率，值越大，得到的图像越清晰

Read X(1,1024); % 将要处理的脑电数据读入到中，共1024个数据 X

以下是对原始的脑电数据进行1024点的快速傅立叶变换: %

for m=1:Fs

w(m)=m*2*pi/Fs;

y(m)=0;

temp=0;

for n=1:1024

y(m)=temp+x(n)*exp(-j*(w(m)*(n-1)));

temp=y(m);

end % n循环结束

h(m)=abs(y(m));

end % m循环结束

fre=w*Fs/(2*pi); % 得到频率阵 fre(1,1000)

Am=h/max(h); % 得到原始信号的归一化谱幅度 C、关于算法的说明:

a、采样频率Fs根据实际情况调整，仿真时为1000Hz;

b、快速傅立叶变换的计算公式为:

2,N,1,jnmNX(m),x(n)e,n,0 (3-4)

是傅立叶变换的点数，此处为1024点; N

c、由于只计算相对功率，故在计算功率时没有除点数; N

d、本计算的步长取1ms，将与采样频率对应，给计算带来方便。 D、各分段功率谱具体数值(如表3.2)

第 14 页 共 18 页

2002级电子信息科学与技术专业毕业论文

表3.2 各分段功率谱具体数值

各分段所占百分比 通

道 Alpha1() Alpha2() Beta1() Beta2() ,,,,Delta() Theta() ,,1212

1 25.60077 12.10173 13.51534 11.59175 19.34922 17.84120

2 6.10771 10.97331 18.38400 20.53929 17.89674 26.09894

3 30.76912 12.66638 16.86974 12.90017 15.02655 11.76804

4 13.48889 3.53366 11.73702 8.62483 28.49412 34.12147

5 30.12782 11.97373 15.43990 13.01030 15.76712 13.68113

6 15.73708 2.84313 10.54162 7.98744 30.28701 32.60372

7 45.67676 6.87199 10.00201 9.94871 17.70502 9.79551

8 24.04166 5.79712 9.40796 7.74218 27.62315 25.38793

9 45.95480 7.66199 10.17449 10.09496 17.81464 8.29911

10 25.17247 27.15812 8.34736 6.15504 20.96462 12.20237

11 25.61922 11.77786 22.27510 21.64293 10.11231 8.57258

12 13.72986 4.50883 12.40514 17.71064 23.07093 28.57461

13 21.33637 9.95959 21.44936 26.24716 10.81802 10.18950

14 17.12102 3.53837 12.97835 11.15576 28.28523 26.92128

15 29.59287 7.21979 23.66039 24.26399 10.43903 4.82393

16 6.92949 2.04972 33.76953 21.22888 19.15007 16.87231 3(功率谱直方图

根据前面的一系列仿真和计算，我们得到了16个通道的功率谱在各个分段所占的具体数值，那么，我们可以根据这些数值画出它们的功率谱直方图(如图3.17)。

图3.17 Channel-1和Channel-2的功率谱直方图 同理，我们可以根据表3.2的数值，画出其他14个通道的功率谱直方图，以便我们直观的观察EEG信号的各分段功率谱，为下一步的分析做准备。

4.总结与展望

4.1研究小结

在对16个通道的EEG信号进行了滤波以及对它们的分段功率谱进行分析后，我们可以得出以下几个结论:

共18 页 第 15 页

程良华:脑电信号的时-频特征提取

(1)原始EEG信号的干扰是来自输入电压时的工频干扰,频率为50Hz;

(2)同一状态下不同通道中，EEG信号所占比例不同，比如:Alpha1段在通道1中占25.60077%;在通道2中占6.10771%;

(3)人在不同状态下，同一通道中EEG信号的功率谱分布是不同的;由此我们可以得出人在不同状态下的功率谱分布是不同的结论;

(4)我们可以分析不同病人的EEG信号样本，从而区分病人所患的病名;

(5)在以后的研究中，我们增加正常人不同状态下的EEG信号样本数目，就可以统计得出具有普遍性的规律，这些规律就可以在临床医疗上得以应用。

在本文的研究中，我选择了人的大脑在不同的状态下16个通道的EEG信号做它们的功率谱分布，即研究了他们的时-频特征曲线。在本文的研究中，我只是选择了比较少的信号通道，而且它们的干扰频率都是50Hz，这样可以很容易的去除干扰信号。但是在实际的研究中，很到脑电信号不可能就只有50Hz的干扰信号，而且要研究的也不可能只是16个通道这么少，所以在以后的学习中，还要不断提高其复杂度和准确率，从而在实际的生产生活中(比如通讯、医学、电子学、雷达或无线电

[15]天文学)等领域提供更多的帮助。

4.2生物信号功率谱计算的未来研究趋势的未来研究趋势

目前，研究脑电信号(EEG)功率谱的技术已经比较成熟。在未来的研究中，主要向高复杂度和高精确度方向发展，从而更精确的滤除研究对象中的干扰信号，为医生提供更可靠的临床诊断依据，同时也将在实际生活中的其他领域发挥更大的作用。

参考文献

[1] 胡广书，数字信号处理—理论，算法与实现[M]，北京，清华大学出版社，1997，320-384

[2] 崔建国，王旭，沈阳航空工业学院学报[J]，2004年4月，第21卷第2期，

[3] 杨福生，小波变换的工程分析与应用[M]，北京:科学出版社，999

[4] 张贤达，,现代信号处理[M]，清华大学出版社，1995

[5] 刘建成，蔡湛宇，脑电信号(EEG)分析方法的现状与发展[J]，中国医学物理学杂志，第15卷

4期,1998,10

[6] 杨福生，随机信号分析[M]，清华大学出版社，1990

[7] 刘建平，张一闻，一种高分辨时频分析方法及在脑电信号处理中的应用[J]，武警工程学院

学报，2002

[8] 张一闻，高分辨率时频分析方法的研究及在脑电信号处理中的应用[J]，西安，武警工程学

报2002，3

[9] 张贤达，保铮，非平稳信号处理[M]，北京:国防工业出版社，1998

[10] 薛年喜，MALAB在数字信号处理中的应用[M]，北京:清华大学出版社，2003，113-131

[11] 季忠，秦树人，彭丽玲，脑电信号的现代分析方法[J]，重庆大学学报，2002，9

[12] 刘心东，混沌及其在生物医学工程中应用[J]，国外生物医学工程分册，1993，16(2)，36–4

第 16 页 共 18 页

2002级电子信息科学与技术专业毕业论文

[13] 季忠，脑电信号特征信息提取的时频分析方法及虚拟式脑电图仪的研制[J]，重大机械工程

学院，2003 11

[14] 程佩青，数字信号处理教程，清华大学出版社[M]，2001，87-110

[15] D Cranstoun*,Hernando C Ombao,Wensheng Guo,Time-Frequency Spectral Estimation of

MultichannelEEG Using the Auto-SLEX MethodStephen[J],Member,IEEE,Rainer von Sachs,

andBrian Litt,Member,IEEE,2001,988-996

[16] Popov M,van der Sluis L,Paap G C,et al ,Computa,tion of very fast transient overvoltages in

transformer windings[J],IEEE Trans on Power Delivery,2003,18(4):1268-1274 [17] Wolpaw J R, et al,EEG-based communication: improved accuracy by response verification [J]，

IEEE Trans. Rehabil Eng, 1998,6 (3):326~333

[18] Long Fei, Zhang Dao-xin, Fan Ling, et al. Analysis of sleep staging by Time-Window complexity

sequence of EEG. Journal of Anhui University Natural Science Edition, Vol.26,No.1, march

2002:56-60

[19] H Ombao,J Raz, R von Sachs,and B Malow,“Automatic statisticalanalysis of bivariate

nonstationary time series”[J],Amer. Statist Assoc,vol 9,pp 543–560,2001

共18 页 第 17 页

2002级电子信息科学与技术专业毕业论文 致 谢

致 谢

行文至此，即将告别学生生涯，欣慰是没有的，唯感恩～

读书期间，给我感受颇深的是导师朱家富副教授的人格魅力。导师的刚直不阿、治学的严谨、对待学问的孜孜追求，令学生由衷敬佩。这将对学生今后的待人处事、治学态度等诸方面产生深刻影响。在课题和论文的进行过程中，导师对学生严格要求、悉心指导，从各方面为学生工作的进行创造便利条件;在生活上，导师也给予学生诸多的关怀和帮助，可以说没有导师的精心指导，我是不可能保质保量的完成此论文的。在此，向导师致以学生最衷心的感谢和深深的敬意。在以后的生活和学习中，我将以导师为榜样，做一个正直、有为的人。

大学四年的学业，正是有了父母及兄弟的关心和帮助，才得以顺利完成，我会一辈子记得他们的。

在平时的学习和生活中，得到了室友和朋友的大力帮助和支持，他们带给了我许多美好的快乐时光，在此对他们说声:“朋友，一路走好～”。

要感谢的还有很多，岂是这只言片语所能表达?

谨借此，感谢所有曾经帮助过我和正在帮助我的人～唯愿好人一生平安～

程良华

2006年6月于重庆

第 18 页 共 18 页

范文四：脑电信号的时-频特征提取文献综述.doc

CQWU/JL/JWB/ZY012-13

重庆文理学院本科生文献综述情况表

毕业论文 脑电信号的时-频特征提取 (设计)题目

学 生 姓 名 程良华 学 号 2002468028 系(院)、专业 物理与信息工程系电子信息科学与技术专业 年 级 2002级

研 究 方 向 信号处理 指导教师 朱家富

参考文献情况 国内 14 篇，国外 5 篇，共计 19 篇

收集参考文献时间 2006年01月 至 2006年03月

列出收集的参考文献(阅读量不少于15篇且至少含1篇外文文献)

[1] 胡广书，数字信号处理—理论，算法与实现[M]，北京，清华大学出版社，1997，320-384 [2] 崔建国，王旭，沈阳航空工业学院学报[J]，2004年4月，第21卷第2期，

[3] 杨福生，小波变换的工程分析与应用[M]，北京:科学出版社，999

[4] 张贤达，,现代信号处理[M]，清华大学出版社，1995

[5] 刘建成，蔡湛宇，脑电信号(EEG)分析方法的现状与发展[J]，中国医学物理学杂志，第15卷4

期,1998,10

[6] 杨福生，随机信号分析[M]，清华大学出版社，1990

[7] 刘建平，张一闻，一种高分辨时频分析方法及在脑电信号处理中的应用[J]，武警工程学院学报，

2002

[8] 张一闻，高分辨率时频分析方法的研究及在脑电信号处理中的应用[J]，西安，武警工程学报2002， [9] 张贤达，保铮，非平稳信号处理[M]，北京:国防工业出版社，1998

[10] 薛年喜，MALAB在数字信号处理中的应用[M]，北京:清华大学出版社，2003，113-131 [11] 季忠，秦树人，彭丽玲，脑电信号的现代分析方法[J]，重庆大学学报，2002，9 [12] 刘心东，混沌及其在生物医学工程中应用[J]，国外生物医学工程分册，1993，16(2)，36–411 [13] 季忠，脑电信号特征信息提取的时频分析方法及虚拟式脑电图仪的研制[J]，重大机械工程学院，

2003

[14] 程佩青，数字信号处理教程，清华大学出版社[M]，2001，87-110

[15] .D Cranstoun*,Hernando C. Ombao , Wensheng Guo, Time-Frequency Spectral Estimation of

MultichannelEEG Using the Auto-SLEX MethodStephen[J], Member，IEEE, Rainer von Sachs,

andBrian Litt，Member，IEEE，2001，988-996

[16] Popov M，van der Sluis L， Paap G C， et al ,Computa,tion of very fast transient overvoltages in

transformer windings[J],IEEE Trans on Power Delivery，2003，18(,):1268-127, (

1

[17] Wolpaw J R, et al,EEG-based communication: improved accuracy by response verification [J] ,.IEEE

Trans. Rehabil Eng, 1998,6 (3):326~333

[18] Long Fei, Zhang Dao-xin, Fan Ling, et al. Analysis of sleep staging by Time-Window complexity

sequence of EEG. Journal of Anhui University Natural Science Edition, Vol.26,No.1, march

2002:56-60

[19] H. Ombao, J. Raz, R. von Sachs, and B. Malow, “Automatic statisticalanalysis of bivariate

nonstationary time series,” [J]. Amer. Statist. Assoc.,vol. 96, pp. 543–560, 2001

文献综述内容:

脑电图(Electroencephalograph，EEG)是脑神经细胞电生理活动在大脑皮层或头皮表面的总体反映。临床实践表明，脑电信号中包含了大量生理与疾病信息，所以我们通过对脑电信号的处理,不仅可以为医生提供临床诊断依据，而且可以为某些脑疾病(比如癫痫、脑肿瘤、智力状况等)提供有效的治疗手段。脑电图仪是临床上检查脑疾病的重要辅助工具，在临床上获得了广泛应用，成为诊断癫痫、极度兴奋、注意力不集中、酒精、药品依赖、脑外伤、失眠、睡眠紊乱等的重要辅助手段。在工程应用方面，人们也尝试利用脑电信号实现大脑—计算机接口(BCI)，利用人对不同的感觉、运动或认知活动的脑电信号的不同，对脑电信号的有效的提取和分类，从而将对脑电信号特征信息的提取和分析起到一定的推动作用，同时也为这些方法向实际应用迈出了一步，为最终研制出高性能的脑电信号处理和分析仪器提供了重要的功能资源。通常所指的脑电图(EEG)检测是通过按照一定规则放置在头皮上的电极来观察脑电波活动的过程。脑电图是脑神经细胞电生理活动在大脑皮层或头皮表面的总体反映。

脑电信号是脑神经细胞电生理活动在大脑皮层或头皮表面的总体反映,脑电信号的研究一直是生物医学领域难度很大且倍受人们关注的课题。国内外的最新研究方法主要有以下几个: 1. 频域分析

1)功率谱估计

功率谱估计是频域分析的主要手段。它的意义在于把幅度随时间变化的脑电波变换为脑电功率随频率变化的谱图，从而可直观地观察到脑电节律的分布与变换情况。谱估计法一般可分为经典方法与现代方法。经典的谱估计方法是直接按定义用有限长数据来估计，即以短时间段数据的傅氏变换为基础的周期法。主要有两种途径:(1)先估计相关函数，再经过傅氏变换得到功率谱估计(根

2

据维纳-辛钦定理)。(2)把功率谱和幅频特性的平方联系起来，即功率谱是幅频特性平方的总体均值与持续时间之比，是在持续时间趋于无限时的极限值。这两种方法存在的共同问题是估计的方差特性不好，而且估计值沿频率轴的起伏比较剧烈，数据越长，这种现象越严重。而参数模型估计方法对数据处理能得到高分辨率的谱分析结果，从而为EEG信号频域特征的提取提供了新的有效手段，特别是对EEG信号作动态特性分析中更显优越。

2)AR 参数模型谱估计

脑电信号的AR模型(自回归模型):

m

XxW,，,,Kikik,i1,

是脑电信号现实值;是模型参数;是模型阶数;是零均值平稳高斯噪声。AR 模型X,Wmkik

系数比MA(滑动平均模型)和ARMA(自回归滑动平均模型)较易从求解线性方程组或递推计算中得到，模型中研究的随机信号是平稳白噪声激励线性滤波器的输出。因此在EEG分析中应用的较多的是AR模型谱估计技术。AR模型首先选择最佳阶次问题，常用的定阶准则有信息论准则(AIC)，最终预测误差准则(FPE)等，阶次确定后按信号数据列与它的估计值之间均方误差最小准则，求取系数值。如利用AR模型对EEG信号进行压缩。在一般的EEG实验室中，55~60分钟长的EEGXk

信号是常见的事，因此，大容量的脑电信号的存储是脑电数据库必然面临的问题。因此，EEG 信号的数据压缩具有重大的现实意义。实测得到的EEG数据长约160秒，采样率为 256Hz，4通道。测得的EEG信号利用AR模型分段拟合，每段采样点数为1024点，AR的阶数P=15，采用Levison-Durbin递推算法。

3)双谱分析

功率谱分析可以有效地反映信号的二阶信息，却丢失了包括相位信息在内的高阶信息，而这些信息对EEG信号分析有时显得很有意义。

2. 时域分析

直接从时域提取特征是最早发展起来的方法，因为它直观性强，物理意义比较明确，因此仍有不少脑电图医生或技师使用。过去的EEG分析主要靠肉眼观察，这可以看作是人工时域分析。时域分析主要用来直接提取波形特征，如过零截点分析、直方图分析、方差分析、相关分析、峰值检测及波形参数分析、相干平均、波形识别等等。

3. 时频分析

脑电信号是一种时变的、非平稳信号，不同时刻有不同的频率成分，而单纯的时、频分析方法通过傅氏变换联系起来，它们的截然分开是以信号的频率时不变特性或统计特性平稳为前提的。但由于时域和频域分辨率的“不确定性原理”，不可能在时域和频域同时获得较高的分辨率。而且在EEG中有许多病变都是以瞬态形式表现的，只有把时间和频率结合起来进行处理，才能取得更好的

3

结果。可以说信号的时-频表示法为脑电信号处理提供了非常好的前景。目前理论上应用的较为广泛的方法有Wigner分布(WD)和小波变换，匹配跟踪方法目前也已用于睡眠纺锤波的分析。

1)维格纳分布

Wigner分布(WD)是一种时、频混和的信号表示法，能同时进行时域和频域分析，并把两者结合起来，其各阶具有明确的物理意义。设是连续时间复值函数，则WD定义为: xt()

，,,,,,,,j,,,Wtxtxted(,),，,, x,,,,,,,,22,,,,

WD 具有极高的时频分辨率及许多优良的特性，如对称性、时移性、频移性或频域压扩特性、组合性、复共轭关系、可逆性、归一性等等。因此通过对信号进行Wigner分析，不但可求出信号的时间、频率两域分布图，还可以求出信号的频率变化情况，从而能更好地对脑电信号进行分类、判别。但是由于Wigner分布不是线性处理，会产生一个多余的交叉项，这个多余成分对信号处理的有用成分构成了难以克服的干扰，从而影响了Wigner分布的实际应用与推广。若将时频两轴做卷积平滑和模糊函数法相结合，将EEG的Wigner分布信号项与交叉项分离，然后滤除交叉项，留下信号项，则可以获得较好的效果。

2) 小波变换

小波变换因为具有(1)多分辨率(多尺度);(2)品质因数，即相对带宽(中心频率与带宽之比)恒定;(3)适当地选择基本小波，可使小波在时、频两域都具有表征信号局部特征的能力。当使用较小尺度时，时轴上观察范围小，而在频域上相当于用较高频率做分辨率较高的分析，即用高频小波做细致观察;当使用较大尺度时，时轴上观察范围大，而在频域上相当于用低频小波作概貌观察。

3)匹配跟踪(Matching Pursuit)方法

匹配跟踪方法是一种重复的、非线性方法。它把信号分解为从一个冗余的函数集中选择的基波的线性扩展(expansion)。首先，选择与信号f最佳匹配的基波，然后在后续的每一步骤中基波gn被匹配到残余信号Rnf中，它是减去前次的重复结果后剩下的值。具有Gabor函数时频库的匹配跟踪方法是一种非常有效的用参数表示非平稳信号的方法。在EEG信号分析中已有把这种方法用于分析睡眠纺锤波和慢波的应用。它与其它时频分析方法不同的是:它不仅可以获得很高的时频分辨率而且可以对所有信号用参数表示，且没有如Wigner分布的交叉项。

4. 人工神经网络(ANN)分析

神经网络是由大量处理单元广泛互连而成的网络。它反映了人脑功能的基本特性，是人脑的某种抽象、简化与模拟。网络的信息处理由神经元之间的相互作用来实现;知识与信息的存储表现为

4

网络元件互连间分布式的物理联系;网络的学习和识别决定于各神经元连接权系数的动态演化过程。 5. 非线性动力学分析

近年来，随着非线性动力学的发展，越来越多的证据表明大脑是一个非线性动力学系统，脑电信号可以看作是它的输出。因此人们尝试把非线性动力学的一些方法，如分维数、Lorenz散点图、Lyapunov指数、复杂度等用于脑电信号分析，以期获得对大脑的新的认识。

在目前的研究中，虽然对脑电信号处理和分析进行了深入的、系统的研究，并取得了一定的成果。但随着理论研究的进一步深入，我们可以得到更加有效的脑电信号的检测和分析方法，这些方法在脑电测量和分析仪中的可以得到更有效应用，将可进一步提升其性能。

本文中，在分析脑电信号(EEG)时，先对DFT、FFT的主要算法进行了阐述,并对其特性和运算工作量进行了分析和对比。然后利用MATLAB信号处理的工具，首先用滤波器滤除掉50Hz的干扰信号，其次利用快速傅立叶变换(FFT)的性质对人的大脑不同状态下(即16个不同通道)的脑电信号进行MATLAB仿真，根据仿真得到的具体数值，得出不同状态下不同分段的功率谱数值，最后对这些功率谱数值做统计，画出功率谱直方图，得出不同通道的EEG在不同状态下，其分段功率谱分布是不同的结论，从而达到研究脑电序列信号的分段功率谱的目的，即EEG信号的时-频特征提取。

指导教师对文献综述的评价:

指导教师签名

年 月 日

5

范文五：心电信号

摘要

心电信号处理是国内外近年来迅速发展的一个研究热点，是现代生命科学研究的重要组成部分，其目的是为了从获得的信号中提取有用信息。心电图（ECG ）反应人体心脏工作状况，ECG 各个波形的不同形式往往体现了某些病变。在ECG 的各个波中，R 波最为明显，一般以它为基准来定位其它波的位置，所以R 波检测室ECG 信号分析诊断的前提和基础，只有标定R 波后，才有可能计算心率。ECG 在经采集、数模转换过程中，会不可避免的引入各种噪声，包括工频干扰：主要是电磁场作用于心电图和人体之间的环路电路所致，一般是50/60Hz;肌电干扰：这主要是病人身体自身因素所致如肌肉紧张等，表现为不规则的快速变化波形；基线漂移：这主要是人呼吸运动或电极——皮肤界面阻抗所致，属于低频干扰。在去噪过程中，由于心电信号具有非平稳特性且污染噪声分布范围大，限制了传统线性滤波器的使用，所以在过去的几年中小波分析被广泛地应用于心电信号的去噪中。它在时域和频域同时具有良好的局部化性质，尤其适用于非平稳信号分析，并且适用于生物医学领域。首先对心电信号进行滤波，滤除心电中的主要噪声（基漂、工频电、肌电等），对R 波进行加强；然后再用db8小波，对ECG 进行小波变换，取一定阈值，检出所需信息。

关键字：ECG 小波分析 R波检测

目录

摘要 ··············································3

第一章 课程设计题目介绍······························5

1.1 研究背景与意义···························5

1.2 心电信号特征·····························5

第二章 处理流程······································7

2.1 载入信号·································7

2.2 小波分析 ································8

2.3 R波检测·································13

2.4 心率计算·································14

第三章 GUI界面的介绍································14

第四章 待解决的问题································· 18 心得体会·············································19 参考文献

附录

评审意见表

第一章 课程设计题目介绍

1.1 心电信号研究背景与研究意义

心电信号是人类最早研究并应用于医学临床的生物信号之一，它比其它生物电信号更易于检测，并且具有较直观的规律性，因而心电图分析技术促进了医学的发展。心电图检查是临床上诊断心血管疾病的重要方法。心电图的准确自动分析与诊断对于心血管疾病起着关键的作用，也是国内外学者所热衷的课题。以前的心电图大多采用临床医生手动分析的方法，这一过程无疑是费时费力且可靠性不高。在计算机技术迅速发展的情况下，心电图自动分析得以迅速发展，将医生从繁重的手工劳动中解脱出来，大大提高了工作效率。七十年代后，心电图自动分析技术已有很大发展，并进入实用化和商业化阶段。

然而，心电图自动诊断还未广泛应用于临床，从国内外的心

电图机检测分析来看，自动分析精度还达不到可以替代医生的水平，仅可以为临床医生提供辅助信息。其主要原因是心电波形的识别不准，并且心电图诊断标准不统一。因此，探索新的方法以提高波形识别的准确率，寻找适合计算机实现又具诊断价值的诊断标准，是改进心电图自动诊断效果，扩大其应用范围的根本途径。如何把心电信号的特征更加精确的提取出来进行自动分析，判断出其异常的类型成了急待解决的焦点问题。

1.2 心电信号特征

心电信号的检查意义在于：用于对各种心率失常、心室心房

肥大、心肌 梗死、心律失常、心肌缺血等病症检查。心电图是反映心脏兴奋的电活动过程，它对心脏基本功能及其病理研究方面，具有重要的参考价值。心电图的检查必须结合多种指标和临床资料，进行全面综合分析，才能对心脏的功能结构做出正确的判断。

1、心电信号基本构成

心电信号由P 、QRS 、T 波和静息期组成，如图1，各波具有

不同的频率特性，是一种典型的具有明显时频特称与时间—尺度特征的生物医学信号。

图1：典型心电信号波形

P 、QRS 、T 波以及PR ，ST,QT 间期都不同程度地反应了心脏

的功能的变化，因此通过算法实现对心脏功能的自动分析判别已日益成为一个比较热门的研究方向。

心率的计算主要是通过标注QRS 波群中的R 波来实现的，在

这里主要介绍一下QRS 波群。典型的QRS 波群包括三个紧密相连的波，第一个向下的波成为Q 波，继Q 波后的一个高尖的直立波成为R 波，R 波后向下的波成为S 波。因其紧密相连，且反应了心室电激动过程，故成为QRS 波群，这个波群也反映了左、右两心室的除极过程。QRS 波群时间：正常成人为0.06~0.10s，儿童为0.04~0.08s。V1、V2导联的室壁激动时间小于0.03s ，V5、V6的室壁激动时间小于0.05s 。QRS 波群时间或室壁激动时间延长常见于心室肥大或心室内传导阻滞等。QRS 波群振幅：加压单极肢

体导联aVL 导联R 波不超过1.2mv ，aVF 导联R 波不超过2.0mv 。如超过此值，可能为左室肥大。aVR 导联R 波不超过0.5mv ，如超过此值，可能为右室肥大。如果六个肢体导联每个QRS 波群电压均小于0.5mv 或每个心前导联QRS 电压的算术和均不超过0.8mv 成为低电压，见于肺气肿、心包积液、全身浮肿、黏液水肿、心肌损害，但亦见于极少数的正常人等。个别导联QRS 波群振幅很小，无意义。

2、心电波形检测

波形检测技术是后续波形分类及诊断的重要依据，主要包括

p 波、QRS 波、T 波和ST 段等的检测。其中QRS 波的检测是心电自动分析中的关键环节，正确检出QRS 波后，将心电数据划分为各个心拍，才能进行正确的参数测量和波形分类等后续的处理和分析，如RR 间期和心率的计算等。

QRS 波检测算法的研究至今已有几十年，此间的文献数以千

计，方法层出不穷。计算机技术、数字信号处理技术以及人工智能理论的发展，使得QRS 波检测技术从七、八十年代基于经典的信号处理的方法和句法方法，发展到了九十年代基于小波变换和神经网络的方法以及目前各种方法的结合应用等。QRS 的算法各有千秋，但发展的方向是集多种方法在一起的综合算法的研究与改进。另外，八十年代以来，标准心电数据库的逐渐形成使得QRS 波检测算法有了检验和评估的标准，也促进了各类方法的不断改进和完善。其检测方法包括斜率阂值法、句法模板识别方法、基于经验模式分解的R 波算法等。

第二章 处理流程

（1）读取心电信号——加入噪声——小波去噪

（2）阈值提取——R 波特征点标注——心率计算

2.1 载入信号

对心率信号处理前，先要用硬件设备对心率信号进行采集，

将采集的信号通过模数转换再用load 语句载入，之后才能进行MATLAB 软件处理编程。本次课程设计是根据已有的数据进行处理分析的。

程序：

load('F:\henduodongxi\U盘\DSP课设\ECG_A.mat')

ECG=ECG_A(:,1);

input=ECG(1:1000);

rate=ECG(100);

sig=input;

lensig=length(sig);%信号长度

figure(1);

plot(sig);

title('原信号')

原信号

2.2小波分析

已有的数据是经过处理几乎没有噪声的，为了使我们小组编

写的程序有广泛适用性，我们在进行小波分析之前人为地加入一段噪声程序。

小波变换有很多种方法，如：小波分解重构法、非线性阈值

去噪法、极大模值去噪法、平稳小波去噪法等。我们应用的是非线性阈值去噪法。

利用阈值法去噪一般分为3个步骤：① 对信号进行分解，得

到尺度系数和小波系数；② 由噪声能量及分布对每个的尺度选择合适的阈值，对小波系数进行阈值操作得到新的小波系数；③ 由新的小波系数和尺度系数进行重构得到去噪后的信号。

阈值函数一般有软阈值和硬阈值两种，设W 是小波系数，W λ 是施加阈值后的小波系数大小。

① 硬阈值函数 当小波系数的绝对值小于给定阈值时，令其为0，而大于时，保持不变，即：

Wλ=W, |W|≥λ 0, |W|<>

② 软阈值函数 当小波系数的绝对值小于给定阈值时，令其为0，大于阈值时，令其都减去阈值，即：

Wλ=sgn(W)( |W|-λ),|W|≥λ 0, |W|<>

上面两式中λ是预先给定的阈值，其选取方法有多种，在心电信号的去噪处理中一般采用固定阈值进行处理［2、8、11-12］，即取λ=σ2lg N, N 为ECG 信号采样点个数，σ=medican|dj,k|)/ 0.6745, dj,k为第j 层小波变换系数。

P.M Agante ［2］最先将阈值去噪法引入到心电信号去噪中，利用软阈值法去除心电信号中的工频干扰（50HZ ）和肌电干扰（白噪声），通过原信号和滤波后信号的QRS 波形态的相似性来分析去噪结果，得到较好效果；文献［11］综合考虑阈值法和分解重构法，由于工频干扰由50HZ 及其谐波构成的一种干扰，采用阈值法将50HZ 对应的小波系数进行抑制从而消除噪声；然后利用分解重构法和阈值法相结合滤除肌电干扰，由于肌电干扰频率分布范围大，所以先利用分解重构法去除小尺度上的小波系数，通过阈

值法将心电信号频带重叠的部分滤掉，最终滤掉心电信号中的3种噪声。

阈值法对于噪声频带和有用信号频带重叠的信号滤波效果很好，所以能用于对基线和肌电干扰滤波中，但是它们本身也存在一定的缺点。硬阈值法中，由于经阈值处理后的估计小波系数在±λ 点是不连续的，这有可能会使重构的心电信号产生震荡

［10］；软阈值法虽然连续性好，但当小波系数大于阈值时，处理后小波系数与原小波系数间存在恒定的偏差λ ，这也会在一定程度上影响心电信号的精度。所以一些改进的阈值法被提出，苏丽等［12］在软、硬阈值的基础上提出改进阈值函数： Wλ=sgn(W)( |W|-β(λ-|W|)λ),|W|≥λ

0, |W|<>

其中，β为正实数且β-1 ；λ=σ2lg N/ lg(j+1)克服软硬阈值法的上述缺点，并且为了抑制Gibbs 现象，提出将平移不变法和改进阈值法相结合的去噪方法，去噪结果明显优于硬阈值和软阈值法且有效的抑制了Gibbs 现象的产生。

小波变换去噪的流程示意图：

含噪信号

除噪后信号 各尺度系数除噪

一维信号利用小波除噪的具体步骤：

（1）对含噪信号进行预处理，并进行小波分解。选择小波确定分解的层数N ，然后对信号进行N 层分解。

（2）小波分解的高频系数的阈值量化。对第一层到第N 层的高频系数，选择软阈值或硬阈值量化处理。

（3）小波重构。根据小波分解的第N 层低频系数和第一层到第N 层的高频系数进行一维重构。

小波基主要有db 、sym 、haar 等，我们应用的是db8 程序：

noise=randn(lensig,1);%加入随机噪声

sig_n=sig+29*noise;

n=length(sig_n);%含噪声信号的长度

[c,l]=wavedec(sig_n,5,'db8');%用db8小波基对小波进行5层分解

d5=wrcoef('d',c,l,'db8',5);%wrcoef是输入小波系数，重建信号。它重建的是原信号在指定层次的高频分量。也就是说，这个信号不是原本的信号，而是某个层次上的逼近。 d4=wrcoef('d',c,l,'db8',4);

d3=wrcoef('d',c,l,'db8',3);

d2=wrcoef('d',c,l,'db8',2);

d1=wrcoef('d',c,l,'db8',1);

[thr,sorh,keepapp]=ddencmp('den','wv',sig_n);%ddencmp 是小波分析中MATLAB 阈值获取函数，thr 是返回的阈值，sorh 指软阈值或硬阈值选择参数，keepapp 表示保存低频信号，den 指进行去噪，wv 是选择小波

y=wdencmp('gbl',c,l,'db8',5,thr,sorh,keepapp);%显示降噪信号

leny=length(y);

yabs=abs(y);

sigtemp=y;

figure(1);

subplot(3,1,1),plot(sig);

title('原信号')

subplot(3,1,2),plot(sig_n);

title('加噪信号');

subplot(3,1,3),plot(y);

title('小波去噪信号');

figure(2);

subplot(5,1,1);plot(d5,'linewidth',1);ylabel('d5'); subplot(5,1,2);plot(d4,'linewidth',1);ylabel('d4'); subplot(5,1,3);plot(d3,'linewidth',1);ylabel('d3'); subplot(5,1,4);plot(d2,'linewidth',1);ylabel('d2'); subplot(5,1,5);plot(d1,'linewidth',1);ylabel('d1');

原信号

01002003004005006007008009001000

加噪信号

小波去噪信号

d 5

d 4

d 3

d 2

d 1

图2 五层示意图

2.3 R波检测

基于极值得动态自适应阈值法

利用QRS 波检测时，若阈值固定，则会造车阈值设置过高导致漏检，阈值设置过低导致多检，因此本文使用的是动态阈值法，以提高检测精确率，即所采用的阈值包括幅度阈值和时间阈值。基本原理：利用QRS 波中R 波的幅值最大且为极大值的特点，首先筛选出信号中的所有极值点，这些点中存在着R 波；然后根据心电学原理，确定R 波的幅度阈值和时间阈值，将找到的极大值与幅度阈值比较，若超过阈值则保留，为初步筛选的R 波；再根据时间阈值，对R 波进行误检的判定。 R 波检测思路如下：

预处理

定位R

1、对待测信号进行滤波处理，滤除工频干扰、基线漂移等噪声。2、根据R 波特点首先选取极大值及根据幅度阈值进行一次筛选。根据心电学知识，我们确定最大幅值与最小幅值差的3/10作为幅度阈值。

3、根据时间阈值200ms, 因为两次心率的时间间隔至少大于200ms ，若两个波之间的间隔小于0.2s ，则两个极值点必定存在噪声。复检消除此噪声。 处理结果见GUI 界面显示。 2.4 心率计算

v=60*1000*(lenr-1)/(rvalue(lenr)-rvalue(1)) 此结果显示的是一分钟的

第三章 GUI 界面的介绍

GUI是由窗口、光标、按键、菜单、文字说明等对象（Objects ）构成的一个用户界面。用户通过一定的方法（如鼠标或键盘）选择、激活这些图形对象，使计算机产生某种动作或变化，比如实现计算、绘图等。一个好的GUI 能够使程序更加容易的使用。它提供用户一个常见的界面，还提供一些控件，例如，按钮，列表框，滑块，菜单等。用户图形界面应当是易理解且操作是可以预告的，所以当用户进行某一项操作，它知道如何去做。例如，当鼠标在一个按钮上发生了单击事件，用户图形界面初始化它的操作，并在按钮的标签上对这个操作进行描述。 1、GUI 界面设计原理

Gui 设计主要是通过对页面的编辑和功能的设置，来达到所需实现的功能。主要的原理就是在gui 页面添加控件，根据自己的需要处理控件的基本布局，然后在空间或者主gui 的函数下添加程序达到设计所需的目的。本次设计的是振动信号的分析系统，我们将按照源程序的分析过程制作gui 页面，而后将主要程序添加到某些控件的callback 函数或者其他函数下达到测试的结果。 2、 GUI软件设计：

进入界面：

用来引出显示三种信号的图标：

用来引出标注R 波误检前后图像的界面：

3、功能及结果分析 这是进入界面：

信号显示：

结果分析： 加入噪声后明显有毛刺，利用小波进行处理后毛刺消失，信号图比较平滑，表示小波去噪成功。

最后结果显示：

结果分析：排查误检前找到的R 波点有干扰（最左边的那个点），

有不是预期的点，排除后得到的特征点标记即为想要找到的点。

第四章 待解决的问题

随着医学的发展对心电图的精确识别度要求越来越高，已有的方法对心电信号去噪后重建信号的误差不断提出改进措施，收到较好的效果，但仍有些问题值得探索。

1、本文只研究了正常人的心率，对于畸变、有疾病的不普遍适用，有待进一步研究。

2、基线漂移的消除。由于基线漂移的频率远远低于QRS 波和其他噪声的频率，在进行去噪处理时，只能通过大尺度分解达到消噪目的。但这就要以大的计算量为代价，给实际应用带来不便。所以寻求简单有效的去除基线漂移方法是值得研究的问题。 3、 仿生小波的方法改进。仿生小波变换是在小波变换基础上发展起来的一套新的理论，它在心电信号中的去噪作用已经得到证实，但去噪效果是否可以改进，改进的效果如何等问题还没展开过讨论。

4、最优阈值的选择问题。阈值去噪法是消噪的主要方法，其难点是如何设定合适的阈值消除噪声小波系数。而不同的干扰、不同的滤波器及不同的离散小波变换方式都会对噪声小波系数产生一定影响，因此如何根据这些变化选定合适的阈值，是值得讨论的问题。

参考文献:

[1]信号处理原理及应用 谢平 林洪彬 王娜编著 机械工业出版社

[2] Matlab 通信仿真与应用 刘敏 魏玲编著 国防工业出版社 [3]基于Matlab7.x 的系统分析与设计 楼顺天等编著 西安电子科技大学

[4]基于声卡和MATLAB 的语音信号采集和处理 陈宇锋著 中国现代教育装备

[5]数字信号处理 孙洪等译 电子工业出版社

[6]宋春丽. 怎样识读MIT-BIH 中的心电信号[J]. 科技资讯, 2010, (09).

[7]赵晴，赵捷，魏珑. 基于小波变换的心电信号去噪算法[J].现代生物医学进

附录： clear all; clc;

load('F:\henduodongxi\U盘\DSP课设\ECG_A.mat') %load('F:\henduodongxi\U盘\DSP课设\ECG_B.mat') ECG=ECG_A(:,1); input=ECG(1:1000); rate=ECG(100); sig=input;

lensig=length(sig);%信号长度 noise=randn(lensig,1); sig_n=sig+29*noise;

n=length(sig_n);%含噪声信号的长度

[c,l]=wavedec(sig_n,5,'db8');%对小波进行5层分解

d5=wrcoef('d',c,l,'db8',5);%wrcoef是输入小波系数，重建信号。它重建的是原信

号在指定层次的高频分量。也就是说，这个信号不是原本的信号，而是某个层次上的逼近。

d4=wrcoef('d',c,l,'db8',4); d3=wrcoef('d',c,l,'db8',3); d2=wrcoef('d',c,l,'db8',2); d1=wrcoef('d',c,l,'db8',1);

[thr,sorh,keepapp]=ddencmp('den','wv',sig_n);%小波分析中MATLAB 阈值获取函数 y=wdencmp('gbl',c,l,'db8',5,thr,sorh,keepapp);%显示降噪信号 leny=length(y); yabs=abs(y); sigtemp=y; figure(1);

subplot(3,1,1),plot(sig); title('原信号')

subplot(3,1,2),plot(sig_n); title('加噪信号'); subplot(3,1,3),plot(y); title('小波去噪信号'); figure(2);

subplot(5,1,1);plot(d5,'linewidth',1);ylabel('d5');

subplot(5,1,2);plot(d4,'linewidth',1);ylabel('d4'); subplot(5,1,3);plot(d3,'linewidth',1);ylabel('d3'); subplot(5,1,4);plot(d2,'linewidth',1);ylabel('d2'); subplot(5,1,5);plot(d1,'linewidth',1);ylabel('d1'); %R波初选 sigtemp=y; siglen=length(y); sigmax=[]; for i=1:siglen-2

if(y(i+1)>y(i)&y(i+1)>y(i+2))|(y(i+1)<>

thrtemp=sort(sigmax);%对sigmax 排序 thrlen=length(sigmax); thr=0;

for i=(thrlen-7):thrlen thr=thr+thrtemp(i); end

thrmax=thr/8;%取最大8位数的平均值 zerotemp=sort(y); zerovalue=0; for i=1:100

zerovalue=zerovalue+zerotemp(i); end

zerovalue=zerovalue/100;

thr=(thrmax-zerovalue)*0.3;%最大值与最小值差的0.3倍作为阈值%定位R 波 rvalue=[]; for i=1:thrlen

if sigmax(i,1)>thr

rvalue=[rvalue;sigmax(i,2)]; end; end;

rvalue_1=rvalue;%取大于阈值的点

lenvalue=length(rvalue); %排除误检

lenvalue=length(rvalue); for k=1:lenvalue for i=2:lenvalue;

if (rvalue(i)-rvalue(i-1))<>

if yabs(rvalue(i))>yabs(rvalue(i-1)) rvalue(i-1)=0; else

rvalue(i)=0; end; end; end;

r1=find(rvalue~=0); rvalue=rvalue(r1); lenvalue=length(rvalue); end figure(3);

subplot(2,1,1),plot(1:leny,y,rvalue_1,y(rvalue_1),'r.'); title('排除误检前');

subplot(2,1,2),plot(1:leny,y,rvalue,y(rvalue),'r.'); title('排除误检后的R 波'); %心率计算

lenr=length(rvalue);

v=60*1000*(lenr-1)/(rvalue(lenr)-rvalue(1))

燕山大学课程设计评审意见表

21

22

转载请注明出处范文大全网 » 一种便携式心电信号接收传输装