摘 要

数字信号处理是现代信号处理领域比较热门的一个研究方向，作为数字信号领域的一个重要组成部分，生物医学信号处理也越来越受到研究者们的重视，并且生物医学信号与我们的生活的关系也越来越密切。小波变换作为一种新兴的快速发展起来的信号分析方法，其在各领域的应用也越来越广泛，尤其是小波变换的分析方式与生物医学信号的信号特点有着较好的契合度，所以将小波变换与生物医学信号处理联系在一起是一项较为突破性的应用。

本文就生物医学信号的产生、收集、特点及其处理方法、小波变换的基本原理进行了基本介绍；主要研究了小波变换在生物医学信号处理上的应用特点以及小波变换与传统分析方式相比的优劣势。

研究结果表明：生物医学信号的传统分析（傅里叶变换）方法在分析信号的特征部分以及细节部分上存在明显的缺陷；而小波变换能够将信号中不同频段的成分分解出来，较好的凸显出信号的瞬变特征以及细节特点。对比传统分析方法和小波变换分析的结果能够发现小波变换更适合含有丰富信号特征和细节的信号的分析处理。

本文特色：本文在理论基础上采用MATLAB仿真软件对信号进行了模拟仿真，能够较为直观的从仿真结果中观察出小波变换的处理特点，也能够观察对比不同小波的处理结果进而找到较好的处理小波。

关键词：生物医学信号；生物医学信号处理；小波变换；MATLAB。

Abstract

Digital signal processing (DSP) is a popular research direction in the field of signal processing, as an important part of digital signal in the field of biomedical signal processing is also more and more get the attention of the researchers, and biomedical signal and our life is becoming more and more closely. As a wavelet transform signal analysis methods of quickly developing, its application is becoming more and more widely in various fields, especially the analysis of the wavelet transform method and signal characteristics of biomedical signal has a better fit, so wavelet transform associated with biomedical signal processing is a breakthrough of the application.

In this paper, the basic principles of the generation, collection, characteristics, processing methods and wavelet transform of biomedical signals are introduced. This paper mainly studies the application characteristics of wavelet transform in biomedical signal processing and its advantages and disadvantages compared with traditional analysis methods.

The results show that the traditional analysis of biomedical signals (Fourier transform) method based on the analysis of features of signal part and detail part has obvious flaw defects, wavelet transform can decompose the signals of different frequency components, good highlights the transient characteristics of the signal and details. Compared with the traditional analysis method and wavelet transform analysis, the wavelet transform is more suitable for the analysis and processing of signals with rich signal characteristics and details.

This article features: in this paper, based on the theory of the signals by MATLAB simulation software simulation, can be observed in a more intuitive from the simulation results out of the processing characteristics of wavelet transform, can also look for comparing the different wavelet processing and then find a better deal with wavelet.

Key Word：Biomedical signals; biomedical signal processing; wavelet transform; MATLAB.

目 录

第1章 绪论 1

1.1 课题研究的背景、目的和意义 1

1.2 国内外研究现状 1

1.3 课题研究内容、预期目标 1

第2章 生物医学信号及其处理方法 3

2.1 生物医学信号的产生 3

2.2 生物医学信号的特点 3

2.3 生物医学信号的采集 4

2.4 生物医学信号的处理方法 5

第3章 小波变换理论 6

3.1从傅里叶变换到小波变换 6

3.2 小波变换的基本原理 6

3.3 小波变换的分类及其应用 8

第4章 基于小波变换的生物医学信号处理的MATLAB仿真 11

4.1 生物医学信号的基本处理流程 11

4.2 MATLAB软件的介绍 12

4.3 函数分析法仿真及分析 12

4.4 GUI图形界面操作法仿真及分析 27

第5章 结论 40

参考文献 42

致 谢 43

第1章 绪论

1.1 课题研究的背景、目的和意义

随着人们生活水平的不断提高，人们对生活的要求不再简简单单的停留于衣食住行上，越来越注重健康这一概念，而我们对于健康的评判标准最多的来源就是现在医学器械就对人体机能进行探测而产生的生物医学信号。所以现在医学信号和我们的生活关系越来越密切。为了通过各种生物医学信号得到比较准确的人体机能状态，就需要我们对生物医学信号进行有效的、精确的信息提取和分析，进而在通过一些细微的信息变化来判断机体的状态正常与否，更进一步的是通过这些非正常状态信号的特点来判断出机体异常的具体原因，进而判断出具体病症，然后对症进行治疗。如果在对生物医学信号的处理上能够取得较大进展，那对于医学上来讲就是一个较大的突破，从而能够较大程度的提高医学工作质量，进一步提高人们的身体健康质量和生活质量。

1.2 国内外研究现状

对于生物医学信号，将其在时域特征转换到频域上进行分析，往往可以把在时域中表现不明显的信号信息更好地表现出来，而傅里叶变换是频域分析研究的理论基础。功率谱分析是一种重要的频域分析方法，功率谱即功率谱密度（Power Spectral Density，PSD，简称谱）。通常将谱分析方法分为传统谱分析方法（非参数化方法）和现代谱分析方法（参数化方法）两大类。传统谱分析方法是以傅里叶变换为基础的方法，主要有周期图法和布莱克曼-图基法（又称自相关法）；现代谱分析方法是以参数模型为基础的谱分析方法，常见的参数模型有自回归滑动平均模型（ARMA模型）、自回归模型（AR模型）和滑动平均模型（MA模型）。小波变换是在傅里叶变换的基础上发展起来的，是对傅里叶变换的改进，近年发现小波变换在处理一些生物医学信号的应用上有着特殊的成果，所以小波变换在生物医学信号处理上的应用也算是新兴技术，同时也是一项较为热门的研究课题。

1.3 课题研究内容、预期目标

本课题主要研究的是分析传统生物医学信号的处理方法有什么优缺点，小波变换在生物医学信号的处理上有什么独特优势，能够突破传统处理方法的哪些不足之处。此外，研究还包括小波变换原理在数字信号处理上的其他一些应用方面，例如在信号信息的提取、存储和数字压缩等多方面能够起到的作用等。

在此次研究中我首先要理解清楚小波变换理论和生物医学信号的基本概念，掌握清楚它们各自的基本原理及特性；然后分析小波变换原理在生物医学信号上应用的条件、步骤和方法等基本操作；在通过MATLAB仿真软件对一段模拟的生物医学信号进行小波变换处理，进而分析处理结果，从中分析出小波变换在生物医学信号的处理上的特点以及相较于传统分析方法的进步等。

第2章 生物医学信号及其处理方法

生物医学信号是属于强噪声背景下的低频微弱信号，它是由复杂生命体发出的不稳定自然信号，从信号的本身特征、检测方式到处理技术，都不同于一般的信号^[1]。生物医学信号是涉及到生物体各层次的生理、生化和生物信号，这些信息以物理量、化学量或者生物量变化的形式变现出来。

2.1 生物医学信号的产生

生物医学信号是由生物活动中发生的电、化学和机械等活动所产生，可以看做是对生物体活动在空间、时间上的记录。典型的生物医学信号包括心电信号（ECG）、脑电信号（EEG）、肌电信号（EMG）、血细胞信号和心率信号等。

心电信号是心脏在每个心跳周期内，由起搏点、心房、心室相继兴奋，从而引起生物电的变化，然后这种点活动通过心脏周围具有导电性的组织向外扩散，最终在体表通过医学仪器检测出来的宏观上的毫伏级电位差信号。

脑电信号是大脑皮层或者头皮表面记录到的大脑皮层神经元群突触后电位的总和，其中包含有丰富的生理、心理及病理信息。

肌电信号是中枢神经系统支配肌肉活动时伴随的电位变化，在肌肉收缩时产生，在生物机理上为许多运动单元产生的动作电位序列的总和。

生物医学信号包含了可以用于解释某些生物活动或者系统潜在的生理机制的信息，在信号处理研究及病理分析上有着重要的意义。

2.2 生物医学信号的特点

生物医学信号属于低频微弱信号，是不稳定的自然信号，具有时变性、非线性等特征，此外还有信号微弱、干扰噪声强、频率范围低、随机性强、干扰信号与目标信号频带叠加等特性^[2]。

信号微弱：直接从生物体内检测的生理电信号的幅值一般情况下是特别小的，所以在对生物医学信号进行处理之前需要通过模拟放大系统配置各种高性能的放大器将所需处理的生物医学信号进行放大，从而便于进行信号处理。

干扰噪声强：生物医学信号的噪声干扰主要有两个来源：一种是周围环境产生的干扰，包括环境温度、湿度以及检测设备自身等因素；另一种是同一个生物体内的其他信号产生的干扰，包括肢体动作产生的肌电信号、精神紧张导致神经产生的电信号等。这些干扰信号的强度往往比所需的生物信号强度要强的多，所以在生物医学信号处理过程中需要采用一系列有效地去噪系统，从而突出所需信号。

以上是毕业论文大纲或资料介绍，该课题完整毕业论文、开题报告、任务书、程序设计、图纸设计等资料请添加微信获取，微信号：bysjorg。

相关图片展示：