信号检测与估计小论文

1等比量表 (1)感觉比例法 要点: 感觉量加倍或减半。 举例: 不同豪朗伯的光强度实验，响度实验。 定律: 斯蒂文斯定律。 (2)数量估计法 要点: 先呈现一个标准刺激，并赋予一个主观数值(如100)，然后变化物理刺激的强度，让被试根据刚才的标准刺激，主观估计该刺激的数值。 举例: 气味的强度实验 定律: 斯蒂文斯定律。 2等距量表 (1)感觉等距法 要点: 将一个感觉分成主观上相等距离 举例: 音高 定律: 韦伯，费希纳定律。 (2)差别阈限法 要点: 以绝对阈限为零点，用最小可觉差作为心理物理量表的等距单位制作量表。 定律: 韦伯，费希纳定律 3顺序量表 (1)对偶比较法 要点: 刺激配成对判断。 举例: 颜色爱好的顺序量表。 (2)等级排列法 要点: 许多刺激同时呈现，让许多被试者按照一定标准，把刺激排成顺序。 举例: 天文学家等级排名。 信号检测论的由来 电子侦察系统中的信号检测，与人类感知过程的信号检测联系起来。 信号检测论能够区分辨别力和反应标准，因而可以被用到心理物理实验中。 (一)基本原理 统计学原理 最优决策与判断原则 人在判断信号标准时，受到如下几个因素的影响: 信号和噪音的特点: 1先验概率 2个体判定结果的奖惩的严格程度 正确拒绝的奖励越大，虚报的惩罚越大，判断标准就越高。报准的奖励越大，漏报的惩罚越大，判断标准就越低。 被试因素: 3被试所要达到的目的 如果被试追求最大正确判断的概率，击中和正确拒绝的概率就相等。虚报和漏报的概率也相等，判断标准位于两个分布曲线的交点。 4其他因素 (1)被试者的速度与准确性权衡。 (2)被试有关实验的知识和经验。 (3)被试者的主观预期概率。 (4)系列跟随效应。 #以上因素的影响，使人类的判断标准不稳定。实验中应尽可能控制这些因素，使判断标准相对稳定。 (三)信号检测论的应用 1有无法 实验程序: 口头报告有无信号。信号和噪音各自呈现的次数由先定概率规定。二者呈现的总次数在100-200次以上。 2评价法 实验程序: 与有无法相同。将从"有信号"和"无信号"的感觉连续划分成几个评价等级，被试根据自己的判断报告感觉评价等级。 3迫选法 实验程序: 每个系列包含连续呈现的m个刺激，其中一个是信号、其余是噪音，口头报告在哪一个时间顺序上出现的是信号，在哪一个时间顺序是噪音。 应用 1医学研究与临床诊断 研究仪器与临床诊断中，药物对疾病的判断能力，药物对疾病的作用，避免误诊。 2心理学研究中的应用 感知觉: 个体视知觉，听觉和各种皮肤知觉等方面的感受性。 认知研究: 被试对不同特征的刺激的编码与判断。 个体反应倾向的评价。 内隐记忆、阈下知觉和意识领域的研究。 3工业心理学的应用 主要用于研究人们的警戒水平，避免各种操作和作业的失误造成人员和财产损失。 评价 1可以分开测量被试的辨别力和反应倾向。 2测量信号的同时也可以测量噪音，建立报准率和虚报率两个尺度，使对反应倾向的测量成为可能。 #更适合用于人的主观态度对实验结果有较大的实验中。

生物医学信号处理方法论文

生物医学信号处理是指据生物医学信号特点，应用信息科学的基本理论和方法，研究如何从扰和噪声淹没的观察记录中提取各种生物医学信号中所携带的信息，并对它们进步分析、解释和分类。以下是我精心准备的生物医学信号处理方法论文，大家可以参考以下内容哦！

摘 要： 生物医学信号是人体生命信息的集中体现，深入进行生物医学信号检测与处理的理论与方法的研究对于认识生命运动的规律、探索疾病预防与治疗的新方法都具有重要的意义。

关键词： 生物医学信号 信号检测 信号处理

1 概述

1。1 生物医学信号及其特点

生物医学信号是一种由复杂的生命体发出的不稳定的自然信号，属于强噪声背景下的低频微弱信号，信号本身特征、检测方式和处理技术，都不同于一般的信号。生物医学信号可以为源于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状态相关的信息。生物医学信号种类繁多，其主要特点是：信号弱、随机性大、噪声背景比较强、频率范围一般较低，还有信号的统计特性随时间而变，而且还是非先验性的。

1。2 生物医学信号分类

按性质生物信号可分为生物电信号（Bioelectric Signals），如脑电、心电、肌电、胃电、视网膜电等;生物磁信号（Biomagnetic Signals），如心磁场、脑磁场、神经磁场;生物化学信号（Biochemical Signals），如血液的pH值、血气、呼吸气体等;生物力学信号（Biomechanical Signals），如血压、气血和消化道内压和心肌张力等;生物声学信号（Bioacoustic Signal），如心音、脉搏、心冲击等。

按来源生物医学信号可大致分为两类：（1）由生理过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、脉博、呼吸等非电生信号;（2）外界施加于人体、把人体作为通道、用以进行探查的被动信号，如超声波、同位素、X射线等。

2 生物医学信号的检测及方法

生物医学信号检测是对生物体中包含的生命现象、状态、性质和成分等信息进行检测和量化的技术，涉及到人机接口技术、低噪声和抗干扰技术、信号拾取、分析与处理技术等工程领域，也依赖于生命科学研究的进展。信号检测一般需要通过以下步骤（见图1）。

①生物医学信号通过电极拾取或通过传感器转换成电信号;②放大器及预处理器进行信号放大和预处理;③经A/D转换器进行采样，将模拟信号转变为数字信号;④输入计算机;⑤通过各种数字信号处理算法进行信号分析处理，得到有意义的结果。

生物医学信号检测技术包括：（1）无创检测、微创检测、有创检测;（2）在体检测、离体检测;（3）直接检测、间接检测;（4）非接触检测、体表检测、体内检测;（5）生物电检测、生物非电量检测;（6）形态检测、功能检测;（7）处于拘束状态下的生物体检测、处于自然状态下的生物体检测;（8）透射法检测、反射法检测;（9）一维信号检测、多维信号检测;（10）遥感法检测、多维信号检测;（11）一次量检测、二次量分析检测;（12）分子级检测、细胞级检测、系统级检测。

3 生物医学信号的处理方法

生物医学信号处理是研究从扰和噪声淹没的信号中提取有用的生物医学信息的特征并作模式分类的方法。生物医学信号处理的目的是要区分正常信号与异常信号，在此基础上诊断疾病的存在。近年来随着计算机信息技术的飞速发展，对生物医学信号的处理广泛地采用了数字信号分析处理方法：如对信号时域分析的相干平均算法;对信号频域分析的快速傅立叶变换算法和各种数字滤波算法;对平稳随机信号分析的功率谱估计算法和参数模型方法;对非平稳随机信号分析的短时傅立叶变换、时频分布（维格纳分布）、小波变换、时变参数模型和自适应处理等算法;对信号的非线性处理方法如混沌与分形、人工神经网络算法等。下面介绍几种主要的处理方法。

3。1 频域分析法

信号的频域分析是采用傅立叶变换将时域信号x（t）变换为频域信号X（f），从而将时间变量转变成频率变量，帮助人们了解信号随频率的变化所表现出的特性。信号频谱X（f）描述了信号的频率结构以及在不同频率处分量成分的大小，直观地提供了从时域信号波形不易观察得到频率域信息。频域分析的'一个典型应用即是对信号进行傅立叶变换，研究信号所包含的各种频率成分，从而揭示信号的频谱、带宽，并用以指导最优滤波器的设计。

3。2 相干平均分析法

生物医学信号常被淹没在较强的噪声中，且具有很大的随机性，因此对这类信号的高效稳健提取比较困难。最常用的常规提取方法是相干平均法。相干平均（Coherent Average）主要应用于能多次重复出现的信号的提取。如果待检测的医学信号与噪声重叠在一起，信号如果可以重复出现，而噪声是随机信号，可用叠加法提高信噪比，从而提取有用的信号。这种方法不但用在诱发脑电的提取，也用在近年来发展的心电微电势（希氏束电、心室晚电位等）的提取中。

3。3 小波变换分析法

小波分析是传统傅里叶变换的继承和发展，是20世纪80年代末发展起来的一种新型的信号分析工具。目前，小波的研究受到广泛的关注，特别是在信号处理、图像处理、语音分析、模式识别、量子物理及众多非线性科学等应用领域，被认为是近年来在工具及方法上的重大突破。小波分析有许多特性：多分辨率特性，保证非常好的刻画信号的非平稳特征，如间断、尖峰、阶跃等;消失矩特性，保证了小波系数的稀疏性;紧支撑特性，保证了其良好的时频局部定位特性;对称性，保证了其相位的无损;去相关特性，保证了小波系数的弱相关性和噪声小波系数的白化性;正交性，保证了变换域的能量守恒性;所有上述特性使小波分析成为解决实际问题的一个有效的工具。小波变换在心电、脑电、脉搏波等信号的噪声去除、特征提取和自动分析识别中也已经取得了许多重要的研究成果。

3。4 人工神经网络

人工神经网络是一种模仿生物神经元结构和神经信息传递机理的信号处理方法。目前学者们提出的神经网络模型种类繁多。概括起来，其共性是由大量的简单基本单元（神经元）相互广泛联接构成的自适应非线性动态系统。其特点是：（1）并行计算，因此处理速度快;（2）分布式存贮，因此容错能力较好;（3）自适应学习（有监督的或无监督的自组织学习）。

参考文献

[1] 邢国泉，徐洪波。生物医学信号研究概况。咸宁学院学报（医学版），2006，20：459～460。

[2] 杨福生。论生物医学信号处理研究的学科发展战略。国外医学生物医学工程分册，1992，4（15）：203～212。