生物医学信号处理

图书标准信息

• 作者 刘海龙 著
• 出版社 化学工业出版社
• 出版时间 2006-04
• 版次 1
• ISBN 9787502578978
• 定价 45.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 353页
• 字数 607千字

【内容简介】

　　主要内容有生物电磁现象产生机制及其测量；随机信号的基本知识；检测和估计的任务及基本原理；匹配滤波、维纳滤波、卡尔曼滤波、自适应滤波的理论、设计和应用；功率谱估计经典方法、现代方法的基本理论和各种估计算法；高阶谱分析理论和技术基础；心电图、脑电图、脑诱发电位的分析、提取和处理；脑神经网络胞外锋电位的处理。
　　本书是目前关于生物信号处理内容较全面、系统的一本教材，作者长期在科研、教育的第一线上工作，使本书经典内容深入浅出且言简意赅，同时又紧跟学科前沿。另外，根据作者多年教学工作，针对内容的重点和疑点，本书有较多的例题和习题来帮助读者学习。
　　本书既可作为生物医学工程专业本科生的教材，也可作为生物医学工程专业研究生和从事生物医学信号处理的研究人员的参考书。

【目录】

第l章生物电磁现象产生机制及其测量
1．1概述
1．2生物电磁现象及其产生机制
1．2．1细胞的生物电现象
1．2．2生物电现象的产生机制
1．3生物电磁信号的测量与分析
1．3．1场电位和电流源密度的定量分析
1．3．2生物容积导体的特性
1．4生物电磁信号测量技术的应用
1．4．1偶极子理论
1．4．2心电图
1．4．3心磁图
1．4．4心电图与心磁图的比较
习题

第2章随机信号分析
2．1概述
2．2随机信号的特征
2．2．1概率密度函数
2．2．2数字特征
2．2．3自相关函数
2．2．4功率谱
2．3常见的随机过程
2．3．1高斯(正态)过程
2．3．2白噪声过程
2．3．3高斯一马尔可夫过程
2．4随机信号的联合特征
2．4．1互相关函数
2．4．2互谱密度
2．5离散时间随机信号的特征
2．5．1随机信号的采样定理
2．5．2离散随机信号的统计特性
2．6非白噪声的正交展开
2．6．1卡南一洛伊夫(Karhunen—Loeve)展开式
2．6．2狄拉克(I)irac)δ函数的性质
习题

第3章随机信号通过线性时不变系统
3．1概述
3．2二端线性时不变系统
3．2．1基本特征
3．2．2两个随机过程的相干函数
3．3多端线性时不变系统
3．4离散随机信号通过线性时不变系统
习题
第4章信号检测
4．1概述
4．1．1检测分类
4．1．2检测的各种概率描述
4．2常见检测准则(检测判据)
4．2．1极大后验概率准则
4．2．2最小失误率准则
4．2．3贝叶斯准则
4．2．4纽曼一皮尔逊准则
4．3多次观察
4．4多元检测
4．4．1离散型随机变量观察值
4．4．2连续型随机变量观察值
习题

第5章信号的参数估计
5．1概述
5．2非线性估计
5．2．1贝叶斯估计
5．2．2极大似然估计
5．2．3观察是矢量情况
5．3应用举例
5．4估计量的性质
5．4．1非随机参数的克拉美一劳下限和极大似然估计
5．4．2随机参数的克拉美一劳不等式及极大后验概率估计
5．4．3均方估计的无偏性
5．5线性估计
5．5．1概述
5．5．2线性均方估计
5．5．3递归线性最小均方估计
5．5．4最小二乘估计
习题

第6章功率谱估计的经典方法
6．1概述
6．2自相关序列的估计
6．2．1自相关序列的无偏估计
6．2．2自相关序列的有偏估计
6．3周期图及其估计质量
6．3．1周期图的定义
6．3．2周期图的带通滤波器组解释
6．3．3周期图的估计质量
6．3．4周期图的随机起伏
6．3．5自相关的无偏估计的傅里叶变换
6．4改善周期图质量的方法
6．4．1修正周期图法：数据加窗
6．4．2Bartlett法：周期图的平均
6．4．3Welch法：修正周期图的平均
6．4．4Blackman—Tukey法：周期图的加窗平滑
6．4．5各种周期图计算方法的比较
习题

第7章功率谱估计的现代方法
7．1概述
7．2谱估计的参数模型方法
7．3AR模型的Yule—Walker方程
7．4Levinson—I)urbin算法
7．5AR模型的稳定性及其阶的确定
7．6AR谱估计的性质
7．6．1AR谱估计隐含着自相关函数的外推
7．6．2AR谱估计与线性预测谱估计等效
7．6．3AR谱估计与最大熵谱估计(MESE)等效
7．6．4AR谱估计等效于最佳白化处理
7．6．5AR谱估计的界
7．7格形滤波器
7．8AR模型参数提取方法
7．8．1Yule—Walker法
7．8．2协方差法
7．8．3Burg法
7．9AR谱估计的异常现象及其补救措施
7．9．1虚假谱峰
7．9．2谱线分裂
7．9．3噪声对AR谱估计的影响
7．10MA和ARMA模型谱估计
7．10．1MA模型谱估计
7．10．2ARMA模型谱估计
习题

第8章确定性信号的提取
8．1概述
8．2白噪声背景下的匹配滤波器
8．2．1匹配滤波器的作用
8．2．2匹配滤波器的理论分析
8．2．3匹配滤波器的特性
8．3离散时间形式的匹配滤波器
8．4相关检测——似然比检验的扩展
8．4．1问题的提出与分析
8．4．2检测性能
8．4．3似然比检验和匹配滤波间的关系
8．4．4多元检测
8．5非白噪声中已知信号的检测
8．5．1卡南一洛伊夫展开法
8．5．2非白噪声下的匹配滤波器
8．6应用实例
8．7相干平均法提取脑诱发电位
8．7．1基本原理
8．7．2噪声相关的情况
8．7．3响应波形随机性的影响
8．7．4潜伏期随机性的影响
8．7．5减少累加次数
习题

第9章维纳滤波
9．1概述
9．2波形线性均方估计的正交原理
9．3维纳一霍夫(Wiener-Horf)积分方程
9．4非因果的维纳滤波问题
9．4．1连续时间形式的解答
9．4．2离散时间形式的解答
9．5因果的维纳滤波器
9．5．1FIR型处理
9．5．2预白化处理
9．6预测问题
9．6．1一般解答
9，6．2用有限项FIR滤波器实现
9．7后验维纳滤波与互补维纳滤波
9．7．1后验维纳滤波
9．7．2互补维纳滤波
9．8矢量情况下的离散维纳滤波
9．9时空多通道离散维纳滤波
9．10线性变换等效离散维纳滤波
9．10．1线性变换
9．10．2等效对角线维纳滤波的线性变换
9．11应用实例
9．11．1后验维纳滤波提取视觉诱发电位
9．11．2体感觉诱发电位
9．11．3肌电信号提取
习题

第10章卡尔曼滤波
10．1概述
10．2纯量卡尔曼滤波
10．2．1数学描述
10．2．2算法推导
10．3纯量一步预测
10．3．1由导出
10．3．2编程
10．3．3推广结果
10．3．4推导预测
10．4矢量卡尔曼滤波器
10．4．1提法的推广
10．4．2算法的推广
10．5应用实例
习题

第11章自适应滤波
11．1概述
11．2横向结构的随机梯度法
11．2．1基本原理
11．2．2性能讨论
11．3应用实例
11．3．1自适应噪声抵消
11．3．2自适应谱线增强
11．3．3自适应系统辨识
11．4随机梯度法的引申
11．4．1扩大算法的应用范围
11．4．2改进算法的性能
11．5格形结构的随机梯度法
11．5．1基本原理
11．5．2应用实例
11．6递归的最小二乘法
11．6．1递归最小二乘法的含义
11．6．2传统算法的推导
11．6．3进一步讨论
习题

第12章高阶谱分析
12．1概述
12．2三阶相关和双谱的定义及其性质
12．2．1三阶相关函数的对称性
12．2．2双谱的对称性、周期性和共轭性
12．2．3确定性序列的双谱
12．2．4双谱中的相位信息
12．3累量和多谱的定义及其性质
12．3．1随机变量的累量
12．3．2随机过程的累量
12．3．3多谱的定义
12．3．4累量和多谱的性质
12．4累量和多谱估计
12．5基于高阶谱的相位谱估计
12．5．1由推算()
12．5．2由推算()
12．6基于高阶谱的模型参数估计
12．6．1AR模型参数估计
12．6．2MA模型参数估计
12．6．3ARMA模型参数估计
12．7利用高阶谱确定模型的阶
12．8多谱的应用
习题

第13章心电信号的QRS复波检测
13．1概述
13．2ECG的功率谱
13．3带通滤波方法
13．3．1双极点递归滤波器
13．3．2整数型滤波器
13．3．3不同Q值的滤波器响应
13．4差分法
13．5模板匹配法
13．5．1模板互相关
13．5．2模板减去法
13．5．3基于句法的模板匹配
13．6QRS复波检测算法
13．6．1整数型带通滤波器
13．6．2微分
13．6．3F方函数
13．6．4移动窗口积分
13．6．5设置阈值
13．6．6回检方法
13．6．7性能测试
习题

第14章自发脑电信号的处理
14．1概述
14．2脑电图瞬态的提取
14．3准平稳分段
14．3．1旧的分段算法的缺点
14．3．2自适应算法
14．4特征提取——传统方法
14．4．1时域波形的直接分析
14．4．2频域上提取脑电特征
14．5特征提取——现代方法
14．5．1参数模型
14．5．2递归估计
14．5．3用小波变换模极大值对的方法检测癫痫脑电棘波
14．5．4基于独立分量分析的脑电消噪与特征提取
习题

第15章诱发脑电信号的处理
15．1概述
15．2听觉诱发电位的提取与处理
15．2．1脑干听觉诱发响应的提取
15．2．2客观的听力阈值检测
15．3视觉诱发电位的处理
15．3．1从噪声中提取视觉诱发电位几种方法
15．3．2视觉诱发电位的分解
习题

第16章脑神经网络胞外锋电位的处理
16．1概述
16．2胞外锋电位数据序列的获取
16．2．1数据的获取系统
16．2．2数据采集
16．3Spike脉冲的提取
16．3．1阈值提取法
16．3．2窗口提取法
16．3．3改进窗口提取法
16．4Spike脉冲的分类
16．4．1阚值分类
16．4．2形状分类
16．4．3模板分类
16．4．4主成分分类
16．4．5独立成分分类
16．4．6小波分类
16．4．7人工神经网络分类
16．5相关
16．5．1相关分析
16．5．2结果
16．6爆发(burst)信号的处理
16．6．1定义
16．6．2爆发(burst)信号的处理设想
习题
参考文献