生物医学信号采集实习教案5篇

第一篇：生物医学信号采集实习教案

生物医学信号采集实习

课程设计报告

心电信号采集

指导老师：

学号： 姓名： 学号： 姓名： 学号： 姓名：

起止日期：

目录

一、前言 ———————————————————— 3

二、心电信号简介 ———————————————— 3

三、实验要求 —————————————————— 5

四、软件设计及仿真 ——————————————— 6

五、硬件电路及仿真 ——————————————— 12

六、人体测量结果 ———————————————— 13

七、实验总结 —————————————————— 14

一、前言

心脏是人体血液循环的动力泵，心脏搏动是生命存在的重要标志，心脏搏动节律也是人体生理状态的重要标志之一。心电信号是心脏电活动的一种客观表示方式，是一种典型的生物电信号，具有频率、振幅、相位、时间差等特征要素，比其他生物电信号更易于检测，并具有一定的规律性。由于心电信号从不同方面和层次上反映了心脏的工作状态，因此在心脏疾病的临床诊断和治疗过程中具有非常重要的参考价值。对心电信号的采集和分析一直是生物医学工程领域研究的一个热点，是一项复杂的工程，涉及到降低噪声和抗干扰技术，信号分析和处理技术等不同领域，也依赖于生命科学和临床医学的研究进展。

人体体表的一定位置安放电极，按时间顺序放大并记录这种电信号，可以得到连续有序的曲线，这就是心电图。心电信号的各种生理参数都是复杂生命体(人体)发出的强噪声条件下的弱信号(除体温等直接测量的参数外)，心电信号的幅度在10µV～4mV之间，频率范围为0.05～100Hz，淹没在50Hz的工频干扰和人体其他信号之中，检测过程及方法较复杂。去除信号检测过程的干扰和噪声、进行心电信号的分析是心电仪器的重要功能之一，心电信号的放大质量直接影响着分析仪器的性能和对人体心脏疾病的诊断。本次设计了一个心电信号检测放大电路，充分考虑了人体心电信号的特点，采用三导联输入—前置放大电路—带通滤波电路—次级放大电路组成的模式，并且利用软件对相应的电路进行仿真，实验结果表明，电路能够很好地完成人体心电信号的检测放大。

关键词：AD620、TL082CP、OP07CP、LM358、陷波、右腿驱动、NI ELVIS

二、心电信号简介

1.心电图

心肌是由无数个心肌细胞组成，由窦房结发出的兴奋，按一定的途径和时程，依次向心房和心室扩布，引起整个心脏的循环兴奋。心脏各部分兴奋过程中出现的电位变化的方向、途径、次序、和时间均有一定的规律。由于人体为一个容积导体，这种电变化也必须扩布到身体表面。鉴于心脏在同一时间内产生大量的电信号，因此，可以通过安放在身体表面的胸电极或四肢电极，将心脏产生的电位变化以时间为函数记录下来，这种记录曲线称为心电图，如下图所示。心电图反映心脏兴奋的产生、传导和恢复过程中的生物电变化。心肌细胞的生物电变化时心电图的来源，但是心电图曲线与单个心肌细胞的膜电位曲线有明显的区别。ECG波形是由不同的英文字母统一命名的。

心肌是由无数个心肌细胞组成，由窦房结发出的兴奋，按一定的途径和时程，依次向心房和心室扩布，引起整个心脏的循环兴奋。心脏各部分兴奋过程中出现的电位变化的方向、途径、次序、和时间均有一定的规律。由于人体为一个容积导体，这种电变化也必须扩布到身体表面。鉴于心脏在同一时间内产生大量的电信号，因此，可以通过安放在身体表面的胸电极或四肢电极，将心脏产生的电位变化以时间为函数记录下来，这种记录曲线称为心电图，如下图所示。心电图反映心脏兴奋的产生、传导和恢复过程中的生物电变化。心肌细胞的生物电变化时

心电图的来源，但是心电图曲线与单个心肌细胞的膜电位曲线有明显的区别。ECG波形是由不同的英文字母统一命名的。正常心电图由一个P波、一个QRS波群和一个T波等组成。P波起因于心房收缩之前的心房极时的电位变化； QRS 波群起因于心室收缩之前的心室除极时的收位变化；T波为心室复极时的电位变化，其幅度不应低于同一导联R波的1/10，T波异常表示心肌缺血或损伤。ECG的持续时间由：P-R间期（或P-Q间期）为P波开始至QRS波群开始的持续时间，也就是心房除极开始至心室除极开始的间隔时间，正常值为0.12～0.20s，若P-R 期延长，则表示房室传导阻滞；Q-T间期为 QRS波群的开始至T波的末尾的持续时间，意为心室除极和心室复极的持续时间，正常值为 0.32～0.44s；S-T段为从QRS波群终末导T波开始之间的线段，此时心室全部处于除极状态，无电位差存在，所以正常时与基线平齐，称为等电位线，若S-T段偏离等电位线一定QRS波群持续时间正常值约为0.06～0.11s范围，则提示心肌损伤或缺血等病变；因此，实时的检测心电信号，可以从所得出的心电图上观察心脏的变化，医生就可以从所测的心电图上判断心脏各个部位的功能是否正常，所以心电图是医生治疗心脏方面的疾病所不可或缺的依据。因此心电检测就有了实际应用的意义。

图1 标准心电图图例

2.人体心电信号的干扰

人体心电信号是一种弱电信号，信噪比低。一般正常的心电信号频率范围为0.05-100Hz，而90％的心电信号(ECG)频谱能量集中在0.25-35 Hz之间。采集一种电信号时，会受到各种噪声的干扰，噪声来源通常有下面几种：

(1)工频干扰50 Hz工频干扰是由人体的分布电容所引起，工频干扰的模型由50Hz的正弦信号及其谐波组成。幅值通常与ECG峰峰值相当或更强。

(2)电极接触噪声,电极接触噪声是瞬时干扰，来源于电极与肌肤的不良接触，即病人与检侧系统的连接不好。其连接不好可能是瞬时的，如病人的运动和振动导致松动；也可能是检测系统不断的开关、放大器输入端连接不

好等。电极接触噪声可抽象为快速、随机变化的阶跃信号，它按指数形式衰减到基线值，包含工频成分。这种瞬态过渡过程可发生一次或多次、其特征值包括初始瞬态的幅值和工频成分的幅值、衰减的时间常数；其持续时间一般的1s左右，幅值可达记录仪的最大值。

(3)人为运动,人为运动是瞬时的(但非阶跃)基线改变，由电极移动中电极与皮肤阻抗改变所引起。人为运动由病人的运动和振动所引起，造成的基线干扰形状可认为类似周期正弦信号，其峰值幅度和持续时间是变化的，幅值通常为几十毫伏。

(4)肌电干扰(EMG),肌电干扰来自于人体的肌肉颤动，肌肉运动产生毫伏级电势。EMG基线通常在很小电压范围内。所以一般不明显。肌电干扰可视为瞬时发生的零均值带限噪声，主要能量集中在30-300Hz范围内。

(5)基线漂移和呼吸时 ECG 幅值的变化 基线漂移和呼吸时 ECG 幅值的变化一般由人体呼吸、电极移动等低频干扰所引起，频率小于 5 Hz；其变化可视为一个加在心电信号上 的与呼吸频率同频率的正弦分量，在 O.015-O.3Hz 处基线变化变化幅度的为 ECG 峰峰值的 15％。

三、实验要求

1.实验仪器设备：

1)作图工具：TINA原理图编辑器

2)仿真工具：使用Multisim交互式地搭建电路，然后仿真。3)电路图实验设计：面包板

4)电路测试：使用NI ELVISmx提供电压，显示电路数据。

2.设计要求

体表心电信号是微弱信号，极易受到干扰，心电前置放大电路设计要求尽可以将外界干扰排除，再通过ELVIS平台传到上位机做数字信号处理和显示。要求完成以下技术指标

(一)电路的放大倍数：800~1000倍。(二)电路的共模抑制比：大于75(三)电路的输入阻抗：大于20M(四)电路的信号的频率响应范围：0.05~120Hz

我们要设计的是三导联。心电前置放大电路一般会由两~三级组成，第一级是CMRR很高的差动放大电路，主要用来抑制共模干扰，比如工频电场干扰，但这一级放大倍数一般在10倍左右（为什么这么设定，请大家思考并查资料，采用什么电路方式来提高共模抑制比也可以查资料）。第二级通常是一个两阶低通滤波和放大10倍左右的电路。（请大家去找到合适的两阶滤波器电路，并选用合适的电容与电阻）。最后一级通常是可调放大倍数的放大电路，并提供一个低内阻的输出级。高通滤波一般在前端采用无源的一阶滤波器。

四、软件设计及仿真

1、前置放大电路和右腿驱动电路的设计

（1）前级放大电路是将采集到的心电信号直接放大，该信号包含了很多背景噪声以及较高的共模信号，若这些干扰信号也随着心电信号一起被放大，将导致心电信号完全被湮没在噪声信号中，因此前级放大电路是关键，它必须满足高输入阻抗，高共模抑制比，低噪声，低漂移等特点。因此选用仪用放大器AD620，它采用经典的三运放改进设计，只需要一个电阻就能实现对增益的调节。它具有较高的输入阻抗和共模抑制比，能够很好地达到要求。对于前级放大的增益不宜过大，否则会使干扰信号过强，不利于后期处理。

（2）右腿驱动电路专为针对50Hz工模干扰，提高CMRR而设计的，原理是采用人体为相加点的共模电压并联负反馈，其方法是取出前置放大级中的共模电压，经驱动电路反相后在加回体表上，一般做法是将此反馈信号接到人体的右腿上，所以称为右腿驱动。通常，病人在做正常的心电检测时，空间电厂在人体产生的干扰电压以及共模干扰是非常严重的，而用右腿驱动电路就能很好地解决了上述问题。

图1 前置放大电路

由电路图1可知1脚和8脚之间的等效电阻RG20k6.67k，根据

3G49.4k1可得，该电路的增益RGG=8.41，其中电阻R1、R2的匹配性会直接影响到该放大电路的共模抑制比，因此要尽量保持阻值的相等。

图3 仿真结果

由图3仿真结果可以看出，输入1mV，40HZ的交流电压后，经AD620芯片 放大测量出的信号值达到12mV左右，有效值为8.64mV，即实际放大倍数为8.64倍，与理论值相近。

2、滤波电路的设计

因为电路所要求的频带范围为0.05Hz到100Hz，由于纯粹的带通滤波器的幅频特性不好控制，因此选择低通和高通两个滤波器串联，形成一个带通滤波器。低通滤波器的截止频率为100Hz，高通滤波器的截止频率为0.5Hz。在芯片选择方面，由于运放本身的频带范围会影响所做滤波器的特性，因此选择频带范围较宽的TL082做为滤波器的运放。TL082是一种通用的J-FET双运算放大器，能够用一个芯片来完成低通和高通滤波。我们采用二阶的滤波器，虽然滤波阶数越高，滤波效果越好，但是，滤波阶数过高了就会提高成本，而且阶数越高滤波电路结构会更加复杂，调试也更加有难度。二阶低通滤波相对于一阶来说，其滤波性能

1更加稳定，效果更好。图1为滤波电路。根据公式f得，截止频

2R1R2C1C2率分别为49Hz和0.08Hz，并其增益都为1。

图1 带通滤波电路图

通过过对实际信号的滤波来检验滤波器的特性，心电信号是属于低频信号，则前级要放大的信号必定为低幅值、低频率的信号，由于信号的幅值和频率都很小，更加容易受到噪声的影响。在经过高通和低通滤波之后，可以看出滤波器在截止频率范围内提供了有效的滤波。

3、主放大电路设计

整个电路的放大部分主要由主放大来承担，由于前级的放大倍数为8.6倍，因此将主放大的倍数定在100倍，整个电路总的增益为860倍（陷波器的增益不包括在内）。这部分利用低偏置电压的TL081CD来承担。反向输入端的1K和100K的电阻决定100倍增益，同相输入端利用100K电阻平衡两端电压，增大共模抑制比。如图1所示：

图1 主放大电路仿真图

在同相输入端输入60Hz,1mV Vpp的正弦信号，经运算放大器放大后在6号脚测到信号Vpp约为10.1V，如图2所示：主放大电路的实际放大倍数大约在100倍，与理论值的误差是由芯片本身的特性以及电阻的失配引起。

图2 主放大电路仿真结果 4、50HZ陷波器的设计

由于测得的心电信号中夹杂了工频干扰，难以去除，并且干扰信号的幅值与心电信号相近，严重影响了心电信号的识别，因此在对信号进行第二级放大时采用了一个陷波器，用于除去工频干扰。该陷波器的中心频率为50Hz，并且具有1.5倍的增益。50HZ陷波电路电路图如图1所示：

图1 陷波电路

图2 仿真结果

理论上中心频率50Hz左右时有比较明显的衰减，而测量结果也跟理论相近，对于实际电路，采用频率50Hz，峰峰值为1V的，正弦信号进行测试，从图2中看出，经过陷波器之后，原本峰峰值为1V的信号，在1.5的增益下应该为1.5V，实际测得的增益为由于是50Hz的信号，衰减至0.1V，效果较明显。

5、总体电路设计

图1 心电采集设计框图

电路设计中最重要的是抑制信号中噪声的产生及对噪声信号的滤除，使其对心电信号本身的影响达到最小。本次实验中心电信号选择为0.5至100Hz之间的频带。因为心电信号幅值大致都在1mV至3mV之间，电路供电电压为±5V，因此选择放大倍数为800至1000倍。总的电路图设计如图2所示：

图2 心电采集电路总图

图3 仿真结果

理论上的放大倍数计算得出，前置放大倍数为8.41倍，主放大倍数为100倍，所以总体放大倍数约为841倍。然而从图3的仿真结果看出，实际前置放大倍数约为7.57倍，这是因为带通滤波模块会衰减一部分信号，使总体的放大倍数减小，仿真实验到此成功结束。

五、硬件电路及仿真

1、前置放大电路

在面包板上搭建了以AD620为中心的差动放大电路以后，用NI ELVIS软件仿真，输入一个频率为25Hz，峰峰值为1V的正弦信号，得出的结果如图1，可看出峰峰值放大了8倍左右，与软件仿真结果相近。当共模输入信号时，测得的共模增益小于0.001，如图2所示。

图1 前置放大电路测试结果

图2 共模输入测试结果

2、带通滤波电路

用一个低通滤波电路和一个高通滤波电路搭建好一个带通滤波电路，软件仿真计算出的带通截止频率在0.08Hz-49Hz之间，但由于是实际的电路做不到理想化，所以信号从30Hz就开始衰减，如图1所示。

图1 带通滤波器测试结果 3、50Hz陷波电路

图1 陷波测试结果

图1可看出在中心频率为51Hz左右时的信号有明显的衰减，由于阻值的选择不同，所以测试结果与软件仿真结果存在一定的误差。

4、后级放大电路

图1 后级放大测试结果

搭建好电路以后，测试得出图1的结果，由图可看出，后级放大倍数在110倍左右，与理论值的误差是由芯片本身的特性以及电阻R4和R5的失配引起。

5、总体电路

图1 差模输出 图2 共模输出

输入为25Hz，10mV的正弦波。采用差模输入时，输出为11.13V左右，放大1113倍采；用共模输入时，输出为1.59mV，放大0.16倍。由公式CMRR10log(Ad2)可得，整个电路的共模增益为76.8dB。Ac

六、人体测量结果

图1 实际测量结果

在实际测量时，电极贴的位置及个人的皮肤状况也会影响测量结果。可以用清水湿润皮肤，并用砂皮磨掉表面的死皮，这样会使测量效果更加。同时被测人的体质不同也会对测量结果有影响。

图2 实际电路图

在面包板上完成上述电路的搭建，并对每一部分都进行单独调试。最终的电路实物图如图2所示。左上为前置放大，使用了AD620芯片，左下为右腿驱动电路，使用的芯片为TL082CP，中上和中部构成了一个带通滤波电路，使用了两个TL082CP，中下为陷波电路，使用的芯片为OP07CP,右下为第二级放大，使用了TL082CP芯片。在实际测量时，采用三导联的方式，一根接右腿，其余两个分别接左右手，若分别接左右胸口效果会更佳，由于不是很方便就采用接左右手腕的方式。

七、实验总结

1、难点

（1）前置放大电路中抑制共模信号的调制。

（2）消除随机噪声、工频噪声、内部噪声的干扰。（3）电路图的设计，芯片、电阻等元件的选择。

2、调试经验

（1）开始连接的电路没有加入50Hz陷波电路，但在实际测量中有大量的工频干扰，于是加入了该模块，结果有效地一直掉了工频干扰。

（2）原来选择的低通滤波起的阻值为11K，理论计算出的截止频率为97.6Hz，但实际测量中大量的干扰频率在50Hz左右，于是修改了阻值，改为33K，这样可以滤掉更多的干扰，有利于得出正常的心电图。

（3）第一次没有成功测出心电信号，经讨论才知道是因为前置放大器模块没有做好，导致大量的共模信号进入了电路，由于心电信号非常微小，就被这些干扰信号淹没了，于是修改了差分输入的阻值，选择了两个特别接近的阻值，以减小共模干扰，计算出前置放大器的共模抑制比在0.001dB左右，有效抑制了共模干扰，最终得出了正常的心电信号。

（4）虽然最后实验成功了，但是还是存在一些干扰信号，说明滤波这一块还需改进。心电测量电路中对噪声的消除是十分重要的。外界噪声很有可能在电路的任何一部分掺杂进来，所以在最后再加一个低通滤波器滤除高频噪声是必要的。（5）电极的放置对心电的影响也很大，放在一个准确的位置可以很容易地从示波器上看到清晰的波形，反之，心电信号太过微弱会被噪声完全淹没。

（6）实验中，有源滤波器比无源的滤波效果要好很多。两个有源滤波器串联构成的带通滤波器也比无源和有源串联的效果好。

（7）对于电容的选择：在本次实验中，用瓷片电容的效果比电解电容要好一点。因为瓷片电容构成的滤波器滤除高频成分的性能好，电解电容构成的滤波器滤除低频成分的性能好。

第二篇：生物医学信号处理总结

一、生物医学信号处理绪论

生物医学信号处理的对象：由生理过程自发产生的；把人体作为通道，外界施加于人体产生的电生理信号和非电生理信号。

生物信号的主要特点：复杂性，随机性强，噪声干扰强，非平稳性等

二、数字信号处理基础

傅立叶变换的意义：把一个无论多复杂的输入信号分解成复指数信号的线性组合，那么系统的输出也能通过图2.1的关系表达成相同复指数信号的线性组合，并且在输出中的每一个频率的复指数函数上乘以系统在那个频率的频率响应值。使得分析、处理信号变得简单。

数字滤波器的设计：IIR滤波器的设计：利用传统的模拟滤波器设计方法。

切比雪夫低通滤波器：

%低通滤波器设计0~35Hz

wp=35;ws=45;%WP通带截止频率，WS阻带截止频率

Rp=1;Rs=71;%Rp通带内的最大衰减,Rs阻带内的最小衰减

fs=1000;%采样频率

[N,wn]=cheb1ord(wp/(fs/2),ws/(fs/2),Rp,Rs);

[B,A]=cheby1(N,Rp,wn);

freqz(B,A,[],fs)%幅频特性

FIR滤波器设计：多采用窗函数和频率取样设计法。椭圆带通滤波器

[b_alpha,a_alpha] = ellip(5,1,40,[8 13]*2/500);

freqz(b_alpha,a_alpha,[],500)

例题2-11选择合适的窗设计FIR低通滤波器，画出滤波器的单位脉冲响应和该滤波器的幅度响应：

解：

wp = 0.2*pi;ws = 0.3*pi;%给出通带频率和阻带频率

tr_width = ws-wp;%求过渡带宽度

%，hamming window即可满足该条件，查表求得窗长度

M = ceil(6.6*pi/tr_width);

n=[0:1:M-1];

wc =(ws+wp)/2;%求截止频率

b= fir1(M,wc/pi);%求FIR低通滤波器的系数，默认就是hamming window

h=b(1:end-1);

[hh,w] = freqz(h,[1],'whole');%求滤波器的频率响应

hhh=hh(1:255);ww=w(1:255);%由于对称性，画一半图即可

% 画图

subplot(1,2,1);stem(n,h);title('实际脉冲响应')

axis([0 M-1-0.1 0.3]);xlabel('n');ylabel('h(n)')

subplot(1,2,2);plot(ww/pi,20*log10(abs(hhh)));title('幅度响应（单位： dB）');grid

axis([0 1-100 10]);xlabel('频率（单位：pi）');ylabel('分贝')

set(gca,'XTickMode','manual','XTick',[0,0.2,0.3,1])

set(gca,'YTickMode','manual','YTick',[-50,0])

例2-12】最常碰到的信号处理任务是平滑数据以抑制高频噪声。求几个数据点的平均值是减弱高频噪声的一种简单方法，这种滤波器被称为平滑滤波器或中值滤波器。

Y = MEDFILT1(X,N)，如果没有给出N的值，则默认N=3；

当N是奇数时Y是X(k-(N-1)/2 : k+(N-1)/2)的平均；

当N是偶数时，Y是X(k-N/2 : k+N/2-1)的平均。

三、随机信号基础

平稳各态遍历的随机过程：如果随机信号的统计特性与开始进行统计分析的时刻无关，则为平稳随机过程，否则为非平稳随机过程。

如果所有样本在固定时刻的统计特征和单一样本在全时间上的统计特征一致，则为各态遍历的随机过程。

随机信号通过线性系统的四个关系式

1.Py(ej)H(ej)Px(ej)

2.Ry(m)Rx(m)h(m)h(m)

3.Pxy(ej)H(ej)Px(ej)

4.Rxy(m)Rx(m)h(m)

四、数字卷积和数字相关

卷积和相关运算的程序编写实现

线性相关函数：2

rxy(m)

nx(n)y(nm)

相关函数和功率谱的估计

估计质量的评估

五、维纳滤波

相关函数法推导维纳滤波器的维纳－霍夫方程

FIR法解维纳霍方程

预白化法解维纳霍夫方程

六、卡尔曼滤波

卡尔曼滤波的状态方程和量测方程

卡尔曼滤波的信号模型和估计模型

卡尔曼滤波的原理

七、随机信号的参数建模

AR模型中Y-W方程的推导

Y-W方程的估计法：L-D算法推导和编程

八、自适应滤波

LMS滤波过程

自适应滤波的实现

第三篇：生物医学信号处理

1.生物医学简述

1.1生物医学信号概述

生物医学信号是人体生命信息的体现，是了解探索生命现象的一个途径。因此，深入进行生物医学信号检测与处理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以及发展医疗仪器这一高新技术产业都具有极其重要的意义。国内外对于生物医学信号检测处理理论与方法的研究都给予极大的重视。人体给出的信号非常丰富，每一种信号都携带着对应的一个或几个器官的生理病理信息。由于人体结构的复杂性，因此可以从人体的不同的“层次”得到各类信号，如器官的层次、系统的层次以及细胞的层次,这些信号大致分为电生理信号、非电生理信号、人体生理信号、生化信号、生物信息以及医学图像[1]。1.2生物医学信号的特点

生物医学信号属于强噪声背景下的低频微弱信号，它是由复杂的生命体发出的不稳定的自然信号，从信号本身特征、检测方式到处理技术，都不同于一般的信号。

⑴信号弱，如心电信号在mV级，脑电信号在µV级，而诱发电位信号的幅度更小。⑵噪声强，人体是电的导体，易感应出工频噪声；其次是信号记录时受试者移动所产生的肌电噪声，由此引起电极移动所产生的信号基线漂移。另外，凡是记录中所含有的不需要成分都是噪声，如记录胎儿心电时混入的母亲的心电。⑶随机性强且一般是非平稳信号，由于生物医学信号要受到生理和心理的影响，因此属于随机信号。

⑷非线性，非线性信号源于非线性系统的输出，人体体表采集到的电生理信号都是细胞膜电位通过人体系统后在体表叠加的结果，因此这些信号严格地说都是非线性信号，但目前都是把他们当作线性信号来处理[2]。

2.生物医学信号的检测

生物医学信号检测是对生物体中包含地生命现象、状态、性质和成分等信息进行检测和量化地技术，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。绝大部分生物医学信号都是信噪比很低地微弱信号，且一般都是伴随着噪声和干扰地信号,对于此类信号必须采用抑制噪声地处理技术。由于生物系统十分复杂，生物体内的信息丰富，生物信号检测技术十分重要。生物信号的检测一般需要通过以下步骤：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，将模拟信号转变成数字信号；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[3]。

图1 生物医学信号检测流程

生物医学的检测技术分为以下几类：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分子级检测、细胞级检测、系统级检测[4]。

3.生物医学信号的处理

生物医学信号处理是研究被干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。近年来对生物医学信号的处理广泛地使用了数字信号分析处理方法。以下为几种常用地处理方法：

⑴小波变换方法。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领域小波变换受到广泛地应用，被认为是近年来在工具及方法上地重大突破。所谓地小波变换是指把某一被称作为基本小波地函数作位移τ后，在不同尺度α下与待分析信号作内积[5]。小波变换具有以下特点：时频局部化特点，即可以同时提供时域和频域局部化信息;多分辨率，即多尺度的特点，可以由粗到细逐步观察信号；带通滤波的特点，可以根据中心频率的变化调节带宽，中心频率的高低与带宽成反向变化，可以观测出信号的低频缓变部分和高频突变部分[6]。这种变焦特性决定了它对非平稳信号处理的特殊功能。在生物医学工程中的信号处理，信号压缩，医学图像处理中，小波变换均有应用。

⑵频域滤波。频域滤波是数字滤波中常用的一种方法，是消除生物医学信号中噪声的另一种有效方法，当信号频谱与噪声频谱不相重叠时，或虽有重叠，但信号在重叠部分的能量很小时，可用频域滤波法来消除干扰。数字滤波器由于可做到非因果性，所以具有较模拟滤波器更为优越的频响特性，较之能更接近理想滤波器对数字滤波器的要求时相频线性，通带平坦，过度带窄[7]。

⑶生物医学信号的混沌测量。传统的测量技术以线性方法为主，强调的是平稳、平衡和均匀性。而非线性系统是在不稳定、非平衡的状态中提取信息、处理信息，从而显示它特有的优点。混沌用于测量可以说是一种尝试，也许人们很难想象一个极不稳定的混沌系统，其检测灵敏度却明显超出目前的科技水平，这是一个全新的测量概念，是很有发展前途的领域。该方法的最大的特点是初值敏感性和参数敏感性，即蝴蝶效应。其基本的思路就是把蝴蝶效应倒过来应用，将敏感元件作为混沌电路的一部分，其敏感参数随待测量变化而变化，并使系统的混沌轨道变化，测出混沌轨道的变化就可得到待测量。

⑷人工神经网络(ANN),人工神经网络是指由大量简单元件广泛相互连接而成的复杂网络系统。神经网络有很多具体模型，其共同的基本特征是以大规模并行处理为主，采用分布式存储具有较强的容错性和联想功能，强调自适应过程和学习训练过程[8]。人工神经网络的最新发展使其成为信号处理的强有力工具，对于那些用其他信号处理技术无法解决的问题，人工神经网络的应用开辟了新的领域，许多ANN的算法和它们的应用已广泛的在自然科学的各个领域被应用。这些网络模型中，多层感知器被认为是最有用的学习模型，广泛应用于脑电信号、心电信号的处理中。由于神经网络可以把专家知识和先验知识结合进一个数学框架来完成特征提取和分类识别等功能，而不需要任何对数据和噪声的先验统计假设，也不需要把专家知识和经验归纳成严密清晰的条文，所以最适应用于研究和分析生物医学信号。

4.生物医学信号处理的应用及发展前景

生物医学信号至今已在临床和生命学科的研究中获得了广泛的应用，而基于生物医学信号处理、医学成像系统和计算机的医疗仪器已成为现代医院的重要组成部分。随着科学技术的发展，现代医学已由过去的定性诊断逐渐转变为强调定量诊断。而定量诊断的依据即是病人的生理信号、医学图像和生化指标等。

4.1心电信号的应用 心电信号中最重要的特征是R波、P波、T波的位置、幅度和形态，此外还有S-T段的形态、Q波、S波、QRS宽度、U波、心室晚电位及T波交替等。心电R波检测是所有其他心电特征检测和自动诊断的基础，其检测的精度直接影响到仪器的性能，检测精度至少在99%以上。R波自动检测已有近40年的历史，从早期的差分域值法、模板匹配法、积分法、滤波器法，发展到20世纪90年代，基于小波变换的算法逐渐成为主流。至今新的R波检测算法仍然在不断的被提出，例如将R波检测和心电数据压缩相结合的算法，目的是使算法在用于可穿戴心电监护仪时具有实时分析功能并降低仪器的功耗，算法对R波的检测精度达到了99.64%。由于P、S、T等波形的幅度远低于P波，且形态多变，因此，用于对它们的检测非常困难。完成了P、Q、R、S和T等波形的检测，即可算出R-R间隔，从而得到瞬时心率以及P-R间隙、QRS宽度、P-T间隙以及S-T段形态等参数。这些参数总的又可分为两类：①心电形态学的信息②心电节律的信息，它们时心电图临床诊断的重要依据。根据检测出的参数、心脏疾病的原理和医生的临床经验，建立起各种心律异常的数学模型，从而对心电信号作出判别，决定是否异常，若异常时属于哪一种异常。这一工作即是心电的自动诊断，它也是信号处理的应用。

4.2脑电信号的应用

人类大脑无疑是自然界中最精密也是最复杂的巨系统。开展脑科学研究的目的：①阐明脑的功能和机理；②保护大脑，即脑疾病的预防、治疗及延缓衰老；③进一步开发大脑；脑科学的研究主要有两大研究方向：①微观层次的研究，包括神经生物学、分子生物学和细胞生物学等学科；②宏观层次的研究，即通过大脑宏观层次的测量来分析大脑内部隐含的生理、病理信息。目前，大脑宏观层次的测量主要是脑电图和脑部成像两大类。脑电图是无创并低价的脑测量手段，无论是在神经内科还是在神经外科都获得了广泛的应用，几乎是神经门诊的必做项目之一，同时它在脑的认知研究中也起着重要的作用。

5.结语

由于生物医学信号来自于人体器官、组织及细胞，因此存在信号的多样性、复杂性及应用的特殊性等突出特点。随着现代医学对定量诊断和精确治疗的要求越来越高，因此，生物医学信号处理的应用领域也越来越迅速扩展。正因为生物医学信号的上述属性，因此吸引了众多学科的信号处理工作者到该领域来探索。可以说生物医学信号处理领域充满了挑战性和创新机会，其给科研工作者带来了勇攀高峰的激情和期待。

参考文献

[1]何琳，郭静玉，胡志刚.生物医学信号处理方法概述[J].科技资讯，2012.[2]周杰.生物医学信号 处理方法概述[J].华章，2012.[3]许海青 陈柱 史婷奇.生物医学信号处理及应用[J].浙江临床医学，2010.[4]张阳德，周以，李小莉.基于生物医学信号处理技术的医疗检测与诊断[J].中国医学工程，2005.[5]王鸿雁.信息技术在生物医学工程中的应用[J].赤峰学院院报，2010.[6] 许海青 陈柱 史婷奇.生物医学信号处理及应用[J].浙江临床医学，2010.[7] 周杰.生物医学信号 处理方法概述[J].华章，2012.[8] 何琳，郭静玉，胡志刚.生物医学信号处理方法概述[J].科技资讯，2012.[9]梁世盛，乔凤斌，张燕．基于ＦＰＧＡ的数字相敏检波算法实现[J].自动化仪表，2013，34(11):13-16.５９

生物医学工程学杂志 第３３卷

［ Ｊ］．自动化仪表，２０１３，３４（１１）： １３ － １６

第四篇：变电站信号采集与分类

一、信息分类原则 1.事故信号 2.异常信号 3.变位信号

4.遥测越限信号 5.告知信号

二、COS信号和SOE信号的区别？

COS信号：遥信变位（不带时间标记）SOE信号：事件顺序记录(sequence of event)（分辨率不大于2ms），把事件（开关或保护动作）发生的时间按先后顺序逐个记录下来，这就是事件顺序记录。

三、为什么保护出口信号和开关位置信号要设置SOE 事件顺序记录主要用来提供时间标记，以利于对电力系统的事故分析。

四、为什么要设置事故总信号，没有可以吗？ 防止开关偷跳

五．某110kV变电站主变高压侧开关发SF6二级告警，运维人员如何处理？ 1．运维人员应立即汇报当班调度员；

2．运维人员按照调度指令加强对该开关的SF6气压监视，防止出现一级告警后闭锁分合闸；

3．通知检修人员到站检查处理； 4．做好相关安全措施，带电补气。

六．某110kV变电站运行主变发过负荷告警，监控人员如何处理？ 1.监控人员应立即汇报调度；

2.监控人员应按照调度指令加强对过负荷主变油温及负荷监视； 3.如有备用主变，则操作备用主变送电； 4.如无备用主变，按调度指令压减负荷。

第五篇：浅谈生物医学信号及传感器

浅谈生物医学信号及传感器

导论：

人体存在高度精密而复杂的生物信号，每一种信号都在传递着身体的工作状态，器官机能是否正常，呼吸、循环系统是否健全，人体是否处于一种健康状态……随着信息科技的发展，在医学研究领域，产生了“高端”的医生，它们通过接收人体信号，对人体信息进行检测，实现疾病的诊断和防治。

生物医学传感器好比人的五官，人通过五官，即眼（视觉）、耳（听觉）、鼻（嗅觉）、舌（味觉）和四肢（触觉）感知和接受外界信息，然后通过神经系统传递给大脑进行加工处理。传感器则是一个测量控制系统的“电五官”，他感测到外界的信息，然后送给系统的处理器进行加工处理。如果一个系统没有传感器，就相当于人没有五官。

生物医学信号处理是生物医学工程学的一个重要研究领域，也是近年来迅速发展的数字信号处理技术的一个重要的应用方面，正是由于数字信号处理技术和生物医学工程的紧密结合，才使得我们在生物医学信号特征的检测、提取及临床应用上有了新的手段，因而也帮助我们加深了对人体自身的认识。

生物医学传感器的认识

一、定义

我们定义：传感器是能感受（或响应）规定的被测量并按照一定规律转换成可用信号输出的器件或装置。传感器通常由直接响应于被测量的敏感元件和产生可用信号输出的转换元件以及相应的电子线路组成。也可把传感器狭义地定义为：能把外界非电信号转换成电信号输出的器件或装置。

二、分类

生物医学传感器是一类特殊的电子器件，它能把各种被观测的生物医学中的非电量转换为易观测的电量，扩大人地感官功能，是构成各种医疗分析和诊断仪器与设备的关键部件。我们将生物医学传感技术中常用的传感器按被观测的量划分为以下三类：

（1）物理传感器：用于测量和监护生物体的血压、呼吸、脉搏、体温、心音、心电、血液的粘度、流速和流量等物理量的检测。

（2）化学传感器：用于生物体中气味分子，体液（血液、汗液、尿液等）中的PH值，氧和二氧化碳含量（pO2、pCO2），Na+、K+、Ca2+、Cl-以及重金属离子等化学量的检测。

（3）生物传感器：用于生物体中组织、细胞、酶、抗原、抗体、受体、激素、胆酸，乙酰胆碱、五羟色胺等神经递质，DNA与RNA以及蛋白质等生物量的检测。

传感器按尺寸划分有：常规传感器（毫米级，可用于组织检测），微型传感器（微米级，可用于细胞检测）和纳米传感器（纳米级，可用于细胞内检测）。

三、对传感器的性能要求：

（1）有较高的灵敏度和信噪比。

灵敏度高时，输入较小的信号即可产生较大的输出信号。传感器输出信号电压与噪声电压之比称为信噪比。信噪比越高，说明获得的有用的输出信号就越大，信噪比越小，信号与噪声越难分辨，严重时将出现信号被噪声淹没的现象，无法获得有用的信号，测量无效。

（2）有良好的线性和较高的响应速度

线性好是指传感器的输出信号在规定的工作范围内与输出信号成比例关系，而不产生信号非线性失真。响应速度快表明输出和输入的延迟时间短、实时性好。

（3）重复性、一致性和选择性好

重复性好是指传感器反复使用，其性能不变。一致性好是指传感器的互换性强，在生产与修理中尤为重要。选择性好是指传感器只对确定目标的变量有响应，不受其他变量的影响。

（4）化学、物理性能好

传感器必须与人体的化学成分相容，既不会腐蚀也不会给人体带来毒性。传感器的形状、尺寸和结构应与待测部位的解剖结构相适应，对被测对象的影响要小，使用时应不损伤组织。

（5）电气安全性好

传感器要与人体有足够的电绝缘，即使在传感器损伤的情况下，人体收到的电击也应在安全之下。

（6）操作性好

传感器应操作简单、维护方便、便于消毒。

生物医学传感器的意义

随着生物传感技术的不断发展，生物传感器必将在医学领域掀起一股热潮。

（1）生物传感器采用固定化生物活性物质作催化剂，价值昂贵的试剂可以重复多次使用，克服了过去酶法分析试剂费用高和化学分析繁琐复杂的缺点。因此，这一技成本低，在连续使用时，每例测定仅需要几分钱人民币，术在很大程度上减轻病患医疗费用上的负担。（2）生物传感器专一性强，只对特定的底物起反应，而且不受颜色、浊度的影响，准确度高，一般相对误差可以达到1％；分析速度快，可以在一分钟得到结果。因此，这一技术应用于医学上不仅提高了检测结果的准确性，更是缩短了整个过程所需的时间，进一步提供了救治病人的先机。

（3）操作系统比较简单，容易实现自动分析。在临床中，许多操作对于病患来说是痛苦的，若能很好的利用生物传感器的这一特点，我相信将为他们减少很多的痛苦。

当前各种利用生物传感技术开发的仪器也已问世，但是在应用上还有许多技术需要深入研究。诊断各种疾病的医用传感器，还有待于引深研发，例如谷氨酸传感器是一种稳定的脱氢酶、转氨酶、血氨的指示性传感器，它在临床急症室等许多场合可取代光度法测定，有潜在应用前景；测定胸外科病人乳酸指标的生物传感器也已开始应用,与肾透析联用的几种生物传感器也有产业化开发价值。今后这些生物传感器将逐渐得到普及，给广大病患带来更多的福音。

生物医学信号

生物医学信号有一维、二维之分一般而言, 将一维信号称为信号, 二维信号称为图像自然界广泛存在的生物医学信号是连续的, 由于计算机巨大的计算能力, 一般先用转换器将

连续信号转换成数字信号, 然后在计算机内用各种方法编制成的软件进行分析处理限于篇幅, 这里只论一维生物医学信号的处理方法。

信号处理的领域是相当广泛而又深人的, 已在不同程度上渗透到几乎所有的医疗卫生领域从预防医学、基础医学到临床医学, 从医疗、科研到健康普查, 都已有许多成功的例子如心电图分析, 脑电图分析, 视网膜电图分析, 光片处理, 图像重建, 健康普查的医学统计, 疾病的自动诊断, 细胞、染色体显微图像处理, 血流速度测定, 生物信号的混沌测量等等。

一、生物医学信号特点

（1）信号弱：直接从人体中检测到的生理电信号其幅值一般比较小。如从母体腹部取到的胎儿心电信号仅为10～50μV，脑干听觉诱发响应信号小于1μV，自发脑电信号约5～150μV，体表心电信号相对较大，最大可达5mV。

因此，在处理各种生理信号之前要配置各种高性能的放大器。

（2）噪声强：噪声是指其它信号对所研究对象信号的干扰。如电生理信号总是伴随着由于肢体动作、精神紧张等带来的干扰，而且常混有较强的工频干扰；诱发脑电信号中总是伴随着较强的自发脑电；从母腹取到的胎儿心电信号常被较强的母亲心电所淹没。这给信号的检测与处理带来了困难。

因此要求采用一系列的有效的去除噪声的算法。

（3）频率范围一般较低：经频谱分析可知，除声音信号（如心音）频谱成分较高外，其它电生理信号的频谱一般较低。如心电的频谱为0.01～35Hz，脑电的频谱分布在l～30Hz之间。

因此在信号的获取、放大、处理时要充分考虑对信号的频率响应特性。

（4）随机性强：生物医学信号是随机信号，一般不能用确定的数学函数来描述，它的规律主要从大量统计结果中呈现出来，必须借助统计处理技术来检测、辨识随机信号和

估计它的特征。而且它往往是非平稳的，即信号的统计特征（如均值、方差等）随时间的变化而改变。这给生物医学信号的处理带来了困难。

因此在信号处理时往往进行相应的理想化和简化。当信号非平稳性变化不太快时，可以把它作为分段平稳的准平稳信号来处理；如果信号具有周期重复的节律性，只是周期和各周期的波形有一定程度的随机变异，则可以作为周期平稳的重复性信号来处理。更一般性的方法是采用自适应处理技术，使处理的参数自动跟随信号的非平稳性而改变。

二、生物医学信号的检测方法

（1）AEV方法

AEV方法原是通信研究中用于提高信噪比的一种叠加平均法, 在医学研究中也叫平均诱发反应法,简称方法所谓诱发反应是指肌体对某个外加刺激所产生的反应,AEV方法常用来检测那些微弱的生物医学信号如希氏束电图、脑电图、耳蜗电图等希氏束电图的信号幅度仅一拼, 它们在用丫方法检测出之前, 几乎或完全淹没在很强的噪声中, 这些噪声包括自发反应, 外界干扰, 仪器噪声方法要求噪声是随机的, 并且其协方差为零, 信号是周期或可重复产生的, 这样经过平方次叠加, 信噪比可提高N倍, 使用方法的关键是寻找叠加的时间基准点。

（2）生物医学信号的混沌测量

传统的测量技术以线性方法为主, 强调的是稳定、平衡和均匀性而非线性系统是在不稳定、非平衡的状态中提取信息、处理信息, 从而显示它特有的优点混沌用于测量闭可以说是一种尝试, 也许人们很难想象一个极不稳定的混沌系统能进行精确的测量, 可是生物的感觉器官就是极不稳定的混沌系统, 其检测灵敏度却远远超出目前的科技水平, 这是一个全

混沌系统的最大特点是初值敏感性和参数敏感性, 即所谓蝴蝶效应混沌测量的基本思路就是把蝴蝶效应倒过来应用将敏感元件作为混沌电路的一部分, 其敏感参数随待测量变化而变化, 并使系统的混沌轨道变化, 测出馄沌轨道的变化就可得到待测量, 这是一种不同于传统测量的新方法。

三、生物医学信号的处理方法

简单的信号处理是建立在线性时不变系统理论基础上的，这种理论只适用于平稳信号的处理，非平稳信号是多种多样的。其中有一种是均值缓慢变化而方差不变的信号。由于生物体对处界刺激的适应能力，生物体在接受外界刺激的适应过程中产生的生物信号就具有这样的特点。均值变化的规律称为趋势函数，一旦从这类信号中除去趋势函数，信号就变成了平稳的。因而在分析这种信号时，首先应进行消除趋势函数处理；另一类非平稳的信号可近似地看成是分段平稳的。脑电信号常具有这个特点，因为脑电信号随着精神状态的改变而改变，造成逐段平稳的状态。在处理这类信号的第一步是把它正确地分段，使它的每一段都可以认为是平稳的，再用平稳信号处理方法处理它们。

由于计算机技术的普及与发展，以及数字处理方法的通用性和灵活性，数字信号处理技术己成了信号处理技术的主流。为了进行数字信号处理，必须在正式处理前先把模拟信号时间离散化、量化。在数字信号处理中已经指出，采样导致信号频谱的周期延托，周期延拓结果造成频谱混叠。对一个频带宽度有限的信号，只要采样频率大于信号最高频率的两倍，就可以避免这种频谱混叠。然而，实际信号的频谱并不像理想的那样，在高于某个最高频率的区域上幅度就截然变为零，而只是比较小而已。因此，采样定理只能近似地满足，实际频谱混叠仍然存在。为了克服这个问题，必须在采样以前，将信号通过一个高频抑制能力较理想的低温滤波器(称为抗混迭滤波器)进行限带滤波处理。

根据信号处理系统任务要求，有时在取得信号后，不需立即得到处理结果，这时就可以来用离线处理。大多数情况下，要求处理结果在采集同时或采集结束后立即得到，就要用实时的或在线的处理方法。在实时和在线的处理中，处理(运算)速度要足够快，占用内存空间也有一定限制，均比离线处理要求高，有时为了实现足够快的处理速度，不得不采用专用的硬件处理器。

参考文献：

《现代仪器分析在生物医学研究中的应用》化学工业出版社钱小红 谢剑炜 主编 《生物医学测量与仪器》西安交通大学出版社李天钢马春排主编

《生物传感器的应用现状和发展趋势》 马莉萍毛斌 等著

《生物医学信号数字处理技术及应用》 科学出版社聂能 尧德中 等著

《生物医学信号处理》 电子科技大学出版社 李凌 饶妮妮 著