《統計信號處理:醫學信號分析與處理》內容簡介：醫學信號分析與處理是生物醫學工程專業本科生和研究生的專業基礎課，旨在培養學生基本掌握現代統計信號處理的理論與方法，並能夠結合臨床研究與套用，利用信號處理手段解決醫學診斷與治療方面的相關問題。《統計信號處理:醫學信號分析與處理》共分為10章，包括：緒論，常見的醫學信號及其檢測，隨機信號與非線性信號分析基礎，信號檢測與參數估計，隨機信號的相關函式估計與功率譜估計，維納濾波與卡爾曼濾波，自適應濾波及其套用，非平穩生物醫學信號分析與處理，非高斯生物醫學信號分析與處理，生物醫學信號分析與處理的套用實例。 《統計信號處理:醫學信號分析與處理》適合用作高等院校生物醫學工程專業或電子信息類專業本科生與碩士研究生的教材或教學參考書，也可以供相關教師和工程技術人員閱讀。
基本介紹
- 書名：統計信號處理:醫學信號分析與處理
- 類型：醫學
- 出版日期：2012年2月1日
- 語種：簡體中文
- ISBN：7030332865, 9787030332868
- 作者：邱天爽 唐洪
- 出版社：科學出版社
- 頁數：360頁
- 開本：16
- 品牌：科學出版社
內容簡介,圖書目錄,
內容簡介
《統計信號處理:醫學信號分析與處理》是信息科學技術學術著作叢書之一。
圖書目錄
《信息科學技術學術著作叢書》序
前言
第1章 緒論
1.1 醫學信號的分類與特點
1.1.1 醫學信號概述
1.1.2 醫學信號的分類
1.1.3 醫學信號的特點
1.2 醫學電信號及其產生機制
1.2.1 細胞的生物電現象
1.2.2 細胞生物電信號的產生機制
1.3 醫學信號的採集
1.3.1 醫學信號採集系統組成
1.3.2 醫學信號採集中的噪聲與干擾
1.3.3 安全問題
1.4 醫學信號分析與處理的作用
思考題
第2章 常見的醫學信號及其檢測
2.1 心電信號
2.1.1 心電信號的產生
2.1.2 心電信號的特點
2.1.3 心電信號的採集
2.2 腦電信號
2.2.1 腦電信號的產生
2.2.2 腦電信號的分類及其特點
2.2.3 腦電信號採集
2.2.4 腦電信號的套用
2.3 誘發電位信號
2.3.1 誘發電位的產生
2.3.2 皮層誘發電位的特點
2.3.3 誘發電位的採集
2.4 肌電信號
2.4.1 肌電信號的產生
2.4.2 肌電信號的特點
2.4.3 肌電信號的採集與套用
2.5 胃電信號
2.5.1 胃電信號的產生
2.5.2 胃電信號的特點及其套用
2.5.3 胃電信號的檢測
2.6 心音信號
2.6.1 心音信號的產生
2.6.2 心音信號的特點
2.6.3 心音信號的檢測
2.7 腦磁圖
2.7.1 腦磁信號的產生
2.7.2 腦磁信號的套用特點
2.7.3 腦磁信號的採集
2.8 常見的醫學圖像
2.8.1 常見醫學圖像及其產生原理
2.8.2 醫學圖像的發展趨勢
思考題
第3章 隨機信號與非線性信號分析基礎
3.1 醫學信號的隨機性與非線性
3.2 隨機變數的概念與特性
3.2.1 隨機變數的概念
3.2.2 隨機變數的分布
3.2.3 隨機變數的數字特徵
3.2.4 隨機變數的特徵函式
3.3 隨機信號與隨機過程
3.3.1 隨機過程與隨機信號及其統計分布
3.3.2 平穩隨機信號
3.3.3 各態歷經性
3.3.4 非平穩隨機信號
3.4 常見的隨機信號與隨機噪聲
3.4.1 高斯(正態)分布隨機信號
3.4.2 白噪聲與帶限白噪聲過程
3.4.3 高斯^馬爾可夫過程
3.4.4 其他常見隨機噪聲
3.5 隨機信號的統計分析方法
3.5.1 隨機信號的古典分析方法
3.5.2 隨機信號的現代參數模型方法
3.6 醫學信號非線性分析簡介
3.6.1 分形的概念
3.6.2 混沌信號處理
思考題
習題
第4章 信號檢測與參數估計
4.1 概述
4.1.1 信號檢測的基本任務
4.1.2 信號檢測問題中的各種機率描述
4.1.3 信號參數估計的基本任務
4.1.4 參數估計的評價準則
4.2 信號檢測的極大後驗機率準則
4.2.1 極大後驗機率準則的基本思路
4.2.2 二元問題的MAP準則推導
4.2.3 極大後驗機率準則的檢測性能
4.2.4 進一步的討論
4.3 信號檢測的最小錯誤率準則
4.3.1 最小錯誤率準則的基本思路
4.3.2 二元問題的MPE準則推導
4.4 信號檢測的貝葉斯準則
4.4.1 貝葉斯準則的基本思路
4.4.2 二元問題的貝葉斯準則推導
4.5 信號檢測的紐曼—皮爾遜準則
4.5.1 紐曼—皮爾遜準則的基本思路
4.5.2 二元問題的紐曼—皮爾遜準則推導
4.5.3 紐曼—皮爾遜準則的進一步討論
4.6 多次觀測與多元檢測簡介
4.6.1 多次觀測
4.6.2 多元檢測
4.7 參數的非線性估計
4.7.1 貝葉斯估計
4.7.2 極大似然估計
4.7.3 觀測為矢量的情況
4.8 估計量的性質
4.8.1 非隨機參數估計的克拉美—羅下界
4.8.2 隨機參數估計的克拉美—羅下界
4.8.3 MS估計的無偏性
4.9 參數的線性估計
4.9.1 參數非線性估計的局限性
4.9.2 線性均方估計
4.9.3 遞推估計
4.9.4 最小二乘估計
思考題
習題
第5章 隨機信號的相關函式估計與功率譜估計
5.1 相關函式與功率譜密度函式
5.1.1 相關函式
5.1.2 功率譜密度函式
5.2 自相關序列的估計
5.2.1 自相關序列的無偏估計
5.2.2 自相關序列的有偏估計
5.2.3 自相關序列的快速估計方法
5.3 功率譜估計的經典方法
5.3.1 功率譜估計的發展概況
5.3.2 周期圖譜估計方法
5.3.3 周期圖譜估計的性能
5.3.4 改善周期圖譜估計性能的方法
5.4 功率譜估計的現代方法
5.4.1 經典譜估計存在的問題
5.4.2 AR模型譜估計方法
5.4.3 最大熵譜估計方法
5.4.4 MA模型與ARMA模型譜估計方法
5.4.5 最小方差譜估計方法
5.4.6 皮薩倫科譜分解方法
5.4.7 基於矩陣特徵分解的譜估計方法
5.4.8 各類現代譜估計方法的比較
5.5 譜估計方法在醫學信號分析中的套用
5.5.1 脈搏信號的功率譜分析
5.5.2 基於腦電圖功率譜分析的讀字困難症識別
5.5.3 結腸壓力信號的功率譜分析
思考題
習題
第6章 維納濾波與卡爾曼濾波
6.1 概述
6.1.1 維納濾波器的概念
6.1.2 卡爾曼濾波器的概念
6.2 隨機信號預測、濾波與平滑的基本方法
6.2.1 隨機信號的預測
6.2.2 隨機噪聲的濾除
6.2.3 隨機信號的插值
6.3 維納濾波器的基本原理與方法
6.3.1 因果維納濾波器
6.3.2 維納—霍夫方程的求解
6.4 維納預測器
6.4.1 因果維納預測器
6.4.2 N步純預測器
6.4.3 一步線性維納預測器
6.5 維納濾波器在醫學信號處理中的套用
6.5.1 維納濾波器提取誘發電位
6.5.2 維納濾波器提取誘發電位信號的另一個例子
6.6 卡爾曼濾波器簡介
6.6.1 卡爾曼濾波器的基本原理
6.6.2 卡爾曼濾波器的分析
6.6.3 卡爾曼濾波器的計算
6.7 卡爾曼濾波器的套用舉例
思考題
習題
第7章 自適應濾波及其套用
7.1 自適應濾波的基本概念
7.2 橫向自適應濾波器結構與隨機梯度法
7.2.1 橫向自適應濾波器的結構及其性能函式
7.2.2 二次型性能表面的搜尋
7.3 自適應濾波器的最小均方算法
7.3.1 最小均方算法
7.3.2 LMS算法的性能分析
7.3.3 LMS自適應濾波器的改進形式
7.3.4 套用中需要注意的問題
7.4 自適應濾波器的遞歸最小二乘算法
7.4.1 線性最小二乘原理
7.4.2 遞歸最小二乘自適應濾波器
7.4.3 套用中需要注意的問題
7.5 自適應濾波器在醫學信號分析處理中的套用
7.5.1 自適應噪聲抵消及其在醫學信號噪聲抑制中的套用
7.5.2 自適應譜線增強及其在醫學信號分析處理中的套用
7.5.3 自適應系統辨識及其在醫學信號分析處理中的套用
思考題
習題
第8章 非平穩生物醫學信號分析與處理
8.1 概述
8.2 短時Fourier變換
8.2.1 短時Fourier變換的定義
8.2.2 短時Fourier分析的時間解析度與頻率解析度
8.2.3 不同類型的窗函式對短時Fourier變換的影響
8.2.4 離散短時Fourier變換
8.3 Gabor變換
8.3.1 臨界採樣Gabor分解
8.3.2 過採樣Gabor分解
8.3.3 離散Gabor變換
8.4 小波分析基礎
8.4.1 加窗Fourier變換與小波變換的時頻格線
8.4.2 連續小波的離散化
8.4.3 多分辨分析
8.5 經驗模式分解與希爾伯特—黃變換
8.5.1 經驗模式分解
8.5.2 希爾伯特—黃變換
8.6 時頻分析方法在心音信號分析中的套用
8.6.1 心音信號
8.6.2 第一心音的時頻分析
思考題
第9章 非高斯生物醫學信號分析與處理
9.1 概述
9.1.1 非高斯信號處理的發展
9.1.2 矩與統計量的概念
9.1.3 二階統計量及基於二階統計量的信號處理
9.1.4 高階統計量及基於高階統計量的信號處理
9.1.5 分數低階統計量及基於分數低階統計量的信號處理
9.2 高階矩與高階累積量
9.2.1 高階矩與高階累積量的定義
9.2.2 高斯信號的高階矩和高階累積量
9.3 非高斯信號及相關統計量
9.3.1 非高斯信號的定義
9.3.2 矩和累積量的轉換關係
9.3.3 矩和累積量的性質
9.3.4 高階譜
9.4 高階統計量在腦電信號處理中的套用
9.5 高階統計量在獨立分量分析技術中的套用
9.5.1 主分量分析
9.5.2 獨立分量分析原理
9.5.3 不確定性
9.5.4 數據預處理
9.5.5 快速ICA算法
9.6 α穩定分布與分數低階統計量信號處理
9.6.1 α穩定分布的概念
9.6.2 α穩定分布的性質
9.6.3 α穩定分布的參數估計及樣本產生
9.7 分數低階信號處理的基本理論
9.7.1 分數低階統計量
9.7.2 α穩定分布隨機變數的線性空間
9.7.3 α穩定分布過程的線性理論
9.7.4 分數階過程的時域自適應濾波
9.7.5 線性濾波
9.8 分數低階統計量理論在誘發電位潛伏期變化檢測中的套用
9.8.1 誘發電位概念及其臨床意義
9.8.2 傳統的檢測方法
9.8.3 基於分數低階統計量的EP潛伏期變化檢測方法
思考題
第10章 生物醫學信號分析與處理的套用實例
10.1 心電信號的分析與處理
10.1.1 心電信號的預處理方法
10.1.2 心電信號QRS複合波的檢測方法
10.1.3 基於心電信號的心率變異檢測
10.1.4 一種無需檢測R波的HRV計算方法
10.2 心音信號的分析與處理
10.2.1 心動周期與心音圖
10.2.2 聽診器及體表聽診區
10.2.3 心音信號的頻域及時頻域分析
10.2.4 心音包絡的提取方法及分析
10.2.5 心音信號循環平穩特性
10.2.6 在有關循環頻率域內消除心音信號的噪聲和干擾
10.3 血壓信號的測量與分析
10.3.1 柯氏音法測血壓
10.3.2 振動法測血壓
10.4 表面肌電信號及套用
10.4.1 肌電圖在神經傳導速度測定中的套用
10.4.2 肌電信號分析與特徵提取
10.4.3 肌電特徵在運動模式識別中的套用
10.4.4 肌電在假肢控制中的套用
思考題
參考文獻
前言
第1章 緒論
1.1 醫學信號的分類與特點
1.1.1 醫學信號概述
1.1.2 醫學信號的分類
1.1.3 醫學信號的特點
1.2 醫學電信號及其產生機制
1.2.1 細胞的生物電現象
1.2.2 細胞生物電信號的產生機制
1.3 醫學信號的採集
1.3.1 醫學信號採集系統組成
1.3.2 醫學信號採集中的噪聲與干擾
1.3.3 安全問題
1.4 醫學信號分析與處理的作用
思考題
第2章 常見的醫學信號及其檢測
2.1 心電信號
2.1.1 心電信號的產生
2.1.2 心電信號的特點
2.1.3 心電信號的採集
2.2 腦電信號
2.2.1 腦電信號的產生
2.2.2 腦電信號的分類及其特點
2.2.3 腦電信號採集
2.2.4 腦電信號的套用
2.3 誘發電位信號
2.3.1 誘發電位的產生
2.3.2 皮層誘發電位的特點
2.3.3 誘發電位的採集
2.4 肌電信號
2.4.1 肌電信號的產生
2.4.2 肌電信號的特點
2.4.3 肌電信號的採集與套用
2.5 胃電信號
2.5.1 胃電信號的產生
2.5.2 胃電信號的特點及其套用
2.5.3 胃電信號的檢測
2.6 心音信號
2.6.1 心音信號的產生
2.6.2 心音信號的特點
2.6.3 心音信號的檢測
2.7 腦磁圖
2.7.1 腦磁信號的產生
2.7.2 腦磁信號的套用特點
2.7.3 腦磁信號的採集
2.8 常見的醫學圖像
2.8.1 常見醫學圖像及其產生原理
2.8.2 醫學圖像的發展趨勢
思考題
第3章 隨機信號與非線性信號分析基礎
3.1 醫學信號的隨機性與非線性
3.2 隨機變數的概念與特性
3.2.1 隨機變數的概念
3.2.2 隨機變數的分布
3.2.3 隨機變數的數字特徵
3.2.4 隨機變數的特徵函式
3.3 隨機信號與隨機過程
3.3.1 隨機過程與隨機信號及其統計分布
3.3.2 平穩隨機信號
3.3.3 各態歷經性
3.3.4 非平穩隨機信號
3.4 常見的隨機信號與隨機噪聲
3.4.1 高斯(正態)分布隨機信號
3.4.2 白噪聲與帶限白噪聲過程
3.4.3 高斯^馬爾可夫過程
3.4.4 其他常見隨機噪聲
3.5 隨機信號的統計分析方法
3.5.1 隨機信號的古典分析方法
3.5.2 隨機信號的現代參數模型方法
3.6 醫學信號非線性分析簡介
3.6.1 分形的概念
3.6.2 混沌信號處理
思考題
習題
第4章 信號檢測與參數估計
4.1 概述
4.1.1 信號檢測的基本任務
4.1.2 信號檢測問題中的各種機率描述
4.1.3 信號參數估計的基本任務
4.1.4 參數估計的評價準則
4.2 信號檢測的極大後驗機率準則
4.2.1 極大後驗機率準則的基本思路
4.2.2 二元問題的MAP準則推導
4.2.3 極大後驗機率準則的檢測性能
4.2.4 進一步的討論
4.3 信號檢測的最小錯誤率準則
4.3.1 最小錯誤率準則的基本思路
4.3.2 二元問題的MPE準則推導
4.4 信號檢測的貝葉斯準則
4.4.1 貝葉斯準則的基本思路
4.4.2 二元問題的貝葉斯準則推導
4.5 信號檢測的紐曼—皮爾遜準則
4.5.1 紐曼—皮爾遜準則的基本思路
4.5.2 二元問題的紐曼—皮爾遜準則推導
4.5.3 紐曼—皮爾遜準則的進一步討論
4.6 多次觀測與多元檢測簡介
4.6.1 多次觀測
4.6.2 多元檢測
4.7 參數的非線性估計
4.7.1 貝葉斯估計
4.7.2 極大似然估計
4.7.3 觀測為矢量的情況
4.8 估計量的性質
4.8.1 非隨機參數估計的克拉美—羅下界
4.8.2 隨機參數估計的克拉美—羅下界
4.8.3 MS估計的無偏性
4.9 參數的線性估計
4.9.1 參數非線性估計的局限性
4.9.2 線性均方估計
4.9.3 遞推估計
4.9.4 最小二乘估計
思考題
習題
第5章 隨機信號的相關函式估計與功率譜估計
5.1 相關函式與功率譜密度函式
5.1.1 相關函式
5.1.2 功率譜密度函式
5.2 自相關序列的估計
5.2.1 自相關序列的無偏估計
5.2.2 自相關序列的有偏估計
5.2.3 自相關序列的快速估計方法
5.3 功率譜估計的經典方法
5.3.1 功率譜估計的發展概況
5.3.2 周期圖譜估計方法
5.3.3 周期圖譜估計的性能
5.3.4 改善周期圖譜估計性能的方法
5.4 功率譜估計的現代方法
5.4.1 經典譜估計存在的問題
5.4.2 AR模型譜估計方法
5.4.3 最大熵譜估計方法
5.4.4 MA模型與ARMA模型譜估計方法
5.4.5 最小方差譜估計方法
5.4.6 皮薩倫科譜分解方法
5.4.7 基於矩陣特徵分解的譜估計方法
5.4.8 各類現代譜估計方法的比較
5.5 譜估計方法在醫學信號分析中的套用
5.5.1 脈搏信號的功率譜分析
5.5.2 基於腦電圖功率譜分析的讀字困難症識別
5.5.3 結腸壓力信號的功率譜分析
思考題
習題
第6章 維納濾波與卡爾曼濾波
6.1 概述
6.1.1 維納濾波器的概念
6.1.2 卡爾曼濾波器的概念
6.2 隨機信號預測、濾波與平滑的基本方法
6.2.1 隨機信號的預測
6.2.2 隨機噪聲的濾除
6.2.3 隨機信號的插值
6.3 維納濾波器的基本原理與方法
6.3.1 因果維納濾波器
6.3.2 維納—霍夫方程的求解
6.4 維納預測器
6.4.1 因果維納預測器
6.4.2 N步純預測器
6.4.3 一步線性維納預測器
6.5 維納濾波器在醫學信號處理中的套用
6.5.1 維納濾波器提取誘發電位
6.5.2 維納濾波器提取誘發電位信號的另一個例子
6.6 卡爾曼濾波器簡介
6.6.1 卡爾曼濾波器的基本原理
6.6.2 卡爾曼濾波器的分析
6.6.3 卡爾曼濾波器的計算
6.7 卡爾曼濾波器的套用舉例
思考題
習題
第7章 自適應濾波及其套用
7.1 自適應濾波的基本概念
7.2 橫向自適應濾波器結構與隨機梯度法
7.2.1 橫向自適應濾波器的結構及其性能函式
7.2.2 二次型性能表面的搜尋
7.3 自適應濾波器的最小均方算法
7.3.1 最小均方算法
7.3.2 LMS算法的性能分析
7.3.3 LMS自適應濾波器的改進形式
7.3.4 套用中需要注意的問題
7.4 自適應濾波器的遞歸最小二乘算法
7.4.1 線性最小二乘原理
7.4.2 遞歸最小二乘自適應濾波器
7.4.3 套用中需要注意的問題
7.5 自適應濾波器在醫學信號分析處理中的套用
7.5.1 自適應噪聲抵消及其在醫學信號噪聲抑制中的套用
7.5.2 自適應譜線增強及其在醫學信號分析處理中的套用
7.5.3 自適應系統辨識及其在醫學信號分析處理中的套用
思考題
習題
第8章 非平穩生物醫學信號分析與處理
8.1 概述
8.2 短時Fourier變換
8.2.1 短時Fourier變換的定義
8.2.2 短時Fourier分析的時間解析度與頻率解析度
8.2.3 不同類型的窗函式對短時Fourier變換的影響
8.2.4 離散短時Fourier變換
8.3 Gabor變換
8.3.1 臨界採樣Gabor分解
8.3.2 過採樣Gabor分解
8.3.3 離散Gabor變換
8.4 小波分析基礎
8.4.1 加窗Fourier變換與小波變換的時頻格線
8.4.2 連續小波的離散化
8.4.3 多分辨分析
8.5 經驗模式分解與希爾伯特—黃變換
8.5.1 經驗模式分解
8.5.2 希爾伯特—黃變換
8.6 時頻分析方法在心音信號分析中的套用
8.6.1 心音信號
8.6.2 第一心音的時頻分析
思考題
第9章 非高斯生物醫學信號分析與處理
9.1 概述
9.1.1 非高斯信號處理的發展
9.1.2 矩與統計量的概念
9.1.3 二階統計量及基於二階統計量的信號處理
9.1.4 高階統計量及基於高階統計量的信號處理
9.1.5 分數低階統計量及基於分數低階統計量的信號處理
9.2 高階矩與高階累積量
9.2.1 高階矩與高階累積量的定義
9.2.2 高斯信號的高階矩和高階累積量
9.3 非高斯信號及相關統計量
9.3.1 非高斯信號的定義
9.3.2 矩和累積量的轉換關係
9.3.3 矩和累積量的性質
9.3.4 高階譜
9.4 高階統計量在腦電信號處理中的套用
9.5 高階統計量在獨立分量分析技術中的套用
9.5.1 主分量分析
9.5.2 獨立分量分析原理
9.5.3 不確定性
9.5.4 數據預處理
9.5.5 快速ICA算法
9.6 α穩定分布與分數低階統計量信號處理
9.6.1 α穩定分布的概念
9.6.2 α穩定分布的性質
9.6.3 α穩定分布的參數估計及樣本產生
9.7 分數低階信號處理的基本理論
9.7.1 分數低階統計量
9.7.2 α穩定分布隨機變數的線性空間
9.7.3 α穩定分布過程的線性理論
9.7.4 分數階過程的時域自適應濾波
9.7.5 線性濾波
9.8 分數低階統計量理論在誘發電位潛伏期變化檢測中的套用
9.8.1 誘發電位概念及其臨床意義
9.8.2 傳統的檢測方法
9.8.3 基於分數低階統計量的EP潛伏期變化檢測方法
思考題
第10章 生物醫學信號分析與處理的套用實例
10.1 心電信號的分析與處理
10.1.1 心電信號的預處理方法
10.1.2 心電信號QRS複合波的檢測方法
10.1.3 基於心電信號的心率變異檢測
10.1.4 一種無需檢測R波的HRV計算方法
10.2 心音信號的分析與處理
10.2.1 心動周期與心音圖
10.2.2 聽診器及體表聽診區
10.2.3 心音信號的頻域及時頻域分析
10.2.4 心音包絡的提取方法及分析
10.2.5 心音信號循環平穩特性
10.2.6 在有關循環頻率域內消除心音信號的噪聲和干擾
10.3 血壓信號的測量與分析
10.3.1 柯氏音法測血壓
10.3.2 振動法測血壓
10.4 表面肌電信號及套用
10.4.1 肌電圖在神經傳導速度測定中的套用
10.4.2 肌電信號分析與特徵提取
10.4.3 肌電特徵在運動模式識別中的套用
10.4.4 肌電在假肢控制中的套用
思考題
參考文獻
