一、课程简介

生物医学信号处理(Biomedical Signal Processing)是国内外近年来迅速发展的数字信号处理应用的一个方面。信号处理的任务是从物理观察中提取针对研究目的的信息。在生物医学研究中有各种待提取和处理的信号，它们是对人体进行诊断、监护和治疗的重要依据，还有外界施加于人体、把人体作为通道、用以进行探查的被动信号。由于生命机理的复杂性，生物系统是一个很复杂的系统。因此，如何从这些信号中提取所需信息是一项困难而又重要的课题，也是研究生命科学的一种有力工具。

本课程为生物医学工程专业的一门专业课，它是在随机信号的基本分析方法基础上，结合生物医学信号的特点介绍常用的统计处理方法，包括生物电磁信号的起源及测量、离散随机信号、检测、估计、匹配滤波、维纳滤波、参数模型与自适应处理方法及上述方法的具体应用。通过本课程的学习，使学生理解信号处理在提取生物弱电信号中的作用，并掌握运用计算机数据处理技术分析处理心电、脑电等随机生理信号。

本课程于第七学期开设，为专业考查课。总学时数为36学时，2.0学分。

二、课程目标

（一）基本理论知识

1.正确理解随机信号的特点、特征，掌握基本的检测和估计原理。

2.掌握并会运用相关技术、谱估计、参数模型、自适应处理等方法。

3.掌握并会应用计算机语言实现相关技术、谱估计、参数模型等方法处理生理医学信号。

（二）基本技能

初步掌握匹配滤波、维纳滤波、参数建模、随机梯度法的自适应处理、最小二乘法的自适应处理和脑电信号的采集与处理等生物医学信息处理技术。

（三）基本素质

培养有理想、有道德、有文化、有纪律的四有新人；培养学生具有严谨的、实事求是的科学作风。培养学生独力观察、思考问题、分析问题、解决问题和科学思维的能力。

三、学时分配

四、理论教学目标与内容

第一单元 绪论

目标

1.熟悉：①信号处理学科的发展；②生物医学信号的特点。

2.了解数字信号处理在生物医学的主要应用。

内容

1.重点阐述生物医学信号的特点。

2.一般介绍：①信号处理学科的发展；②数字信号处理在生物医学的主要应用；③生物医学信号的处理与基础学科的关系与发展趋势。

第二单元 生物电磁信号的起源及测量

目标

1.掌握生物电信号的测量与分析方法。

2.熟悉生物电磁信号的起源。

3.了解生物电磁信号测量技术的应用。

内容

1.重点阐述生物电信号的测量与分析方法。

2.一般介绍：①生物电磁信号的起源；②生物电磁信号测量技术的应用。

第三单元 离散随机信号

目标

1.掌握离散随机过程、时间平均、功率谱等概念。

2.熟悉生物电磁信号的起源。

3.了解：①随机变量的描述；②相关序列和协方差序列的性质；③离散随机信号通过线性系统。

内容

1.重点阐述：①离散随机过程、时间平均、功率谱等概念；②离散随机信号通过线性系统。

2.详细了解随机变量的描述。

3.一般介绍相关序列和协方差序列的性质。

第四单元 检测方法的基本概念

目标

1.掌握多次观察、多元检测的信号检测方法。

2.熟悉各种检测准则（检测判据）。

内容

1.重点阐述各种检测准则（检测判椐）。

2.详细了解多次观察、多元检测。

第五单元 参数估计的基本原理

目标

1.掌握：①参数线性均方估计；②递归的线性最小均方误差估计；③最小二乘估计。

2.熟悉各种估计准则和估计量的性质。

内容

1.重点阐述：①线性均方估计；②递归的线性最小均方误差估计；③最小二乘估计等参数估计。

2.详细了解参数估计的基本准则。

3.一般介绍估计量的性质。

第六单元 噪声中确定性波形的检测与提取

目标

1.掌握离散时间形式下的匹配滤波器。

2.熟悉：①白噪声背景下的匹配滤波器。

3.了解：①非白噪声下的匹配滤波器；②相关检测—“似然比检验的扩展”技术。

内容

1.重点阐述：①白噪声背景下的匹配滤波器；②离散时间形式下的匹配滤波器。

2.一般介绍：①相关检测——似然比检验的扩展；②非白噪声下的匹配滤波器。

第七单元 维纳滤波

目标

1.掌握：①维纳滤波的基本概念；②维纳积分方程；③非因果的维纳滤波器。

2.熟悉：①因果的维纳滤波器；②波形线性均方估计的正交原理。

3.了解：①后验维纳滤波；②互补维纳滤波。

内容

1.重点阐述：①维纳滤波的基本概念；②维纳积分方程；③非因果的维纳滤波器。

2.详细了解因果的维纳滤波器。

3.一般介绍：①波形线性均方估计的正交原理；②后验维纳滤波；③互补维纳滤波。

第八单元 参数模型

目标

1.掌握：①AR模型系数的估计的基本概念和方法；②最小二乘—Marple算法。

2.熟悉自回归模型的一些性质。

3.了解：①AR模型阶次的估计；②ARMA模型参数的估计。

内容

1.重点阐述：①AR模型系数的估计的基本概念和方法；②最小二乘—Marple算法。

2.详细了解自回归模型的一些性质。

3.一般介绍：①AR模型阶次的估计；②ARMA模型参数的估计。

六、 措施和评价

（一）措施

本课程采用教师讲授、学生自学相结合的教学方式，努力形成教师和学生双向互动、对称平衡的最佳教学模式。在课堂教学过程中，注意充分发挥学生的自主性，进行课堂专题讨论。在教师的指导下，学生有计划地、系统地进行自学。学生必须认真地、系统地阅读教师指定的教材、教学参考书。

（二）评价

1.授课质量评价按“教师教学质量评价表”，由督导组、同行、学生和教研室予以评定。

2.学生成绩评价依据教学大纲和理论课考试权值分配进行期末理论考试。本课程考试用百分制计算，成绩达到60分以上者为合格；注重考察学生的综合能力和素质，根据做作业、上课提问、课堂讨论、实验等情况和期末考试相结合，综合确定。具体考试及计分方法如下：

能力和素质（40%）：根据作业、实验、考勤、上课提问、课堂讨论等情况而定，主要是实验技能。

期末考试（60%）：闭卷笔试；以教师讲授的内容为主要考试内容范围，辅之以教材和主要参考书中的内容。

【注】

1.本课程的先修课程：

工程数学、随机过程与数理统计、微机原理、信号与线性系统、数字信号处理。

2.本课程使用教材：

《生物医学信号处理》  杨福生，高上凯编.  高教出版社

3.主要参考书：

《生物医学随机信号处理》 沈凤麟，陈和晏编.  中国科学技术大学出版社

《现代生物医学工程》   朱翠玲 等编.  中国科学技术出版社

《生理系统分析白噪声法》 P.Z. 马黑雷斯，V.Z. 马黑雷斯 著

钟延炯 等译. 科学出版社

编写 董兵超

审校 张业宏