現(xiàn)代醫(yī)學(xué)信號(hào)處理
林嵐、吳水才主編的《現(xiàn)代醫(yī)學(xué)信號(hào)處理》的主要內(nèi)容有隨機(jī)信號(hào)分析基礎(chǔ)、平穩(wěn)隨機(jī)信號(hào)的線性模型及譜估計(jì)、維納濾波器與卡爾曼濾波器、自適應(yīng)濾波、時(shí)頻分析與小波變換、主成分分析與獨(dú)立成分分析。為加深對基本概念和基本理論的理解，加強(qiáng)對基本方法和基本技能的掌握，本書**章對現(xiàn)代信號(hào)處理理論及其數(shù)學(xué)基礎(chǔ)進(jìn)行了扼要的復(fù)習(xí)，并在各個(gè)章節(jié)末安排了習(xí)題，書中還給出了某些重要公式的推導(dǎo)過程。現(xiàn)代醫(yī)學(xué)信號(hào)處理是一門理論和技術(shù)發(fā)展十分迅速、應(yīng)用非常廣泛的前沿交叉性學(xué)科。因此在使用本教材時(shí)，要特別注意對基本概念、基本理論、基本方法和基本技能的掌握，在此基礎(chǔ)上努力把理論和實(shí)際應(yīng)用很好地結(jié)合起來，不斷跟蹤本學(xué)科本領(lǐng)域的新發(fā)展。這樣，才有可能在自己的工作和學(xué)習(xí)中爭取作出創(chuàng)造性的成果。
本書可作為高等學(xué)校研究生的學(xué)習(xí)教材，也可作為報(bào)考生物醫(yī)學(xué)工程、電子信息專業(yè)及其他相關(guān)專業(yè)研究生的復(fù)習(xí)參考書。
更多科學(xué)出版社服務(wù)，請掃碼獲取。
目 錄
前言
第1章 隨機(jī)信號(hào)分析基礎(chǔ)1
l.1信號(hào)的分類1
l.1.1信息與信號(hào)的概念及性質(zhì)1
1.1.2信號(hào)的一般分類方法3
1.1.3幾種簡單的信號(hào)處理方法6
1.2隨機(jī)事件及其概率8
1.2.1隨機(jī)事件8
1.2.2排列與組合9
1.2.3頻率與概率的定義9
1.3隨機(jī)變量及其概率分布10
1.3.1離散型隨機(jī)變量定義10
1.3.2離散型隨機(jī)變量的分布列11
1.4隨機(jī)變量的數(shù)字特征12
1.4.1數(shù)學(xué)期望12
1.4.2方差14
1.4.3協(xié)方差和矩16
1.5平穩(wěn)隨機(jī)過程17
1.5.1隨機(jī)過程的各態(tài)歷經(jīng)性19
1.5.2各態(tài)歷經(jīng)平穩(wěn)隨機(jī)過程自相關(guān)函數(shù)的性質(zhì)20
1.6生物醫(yī)學(xué)信號(hào)的分類及特點(diǎn)22
1.6.1生物醫(yī)學(xué)信號(hào)的分類22
1.6.2生物醫(yī)學(xué)信號(hào)的特點(diǎn)24
習(xí)題25
參考文獻(xiàn)26
第2章 平穩(wěn)隨機(jī)信號(hào)的線性模型及譜估計(jì)27
2.1平穩(wěn)隨機(jī)信號(hào)模型分類27
2.2AR 模型29
2.2.1AR模型的正則方程與參數(shù)計(jì)算29
2.2.2AR模型譜估計(jì)的性質(zhì)34
2.3MA 翻38
2.3.1MA模型及其正則方程38
2.3.2MA模型的參數(shù)求解方法40
2.4ARMA 模型41
2.5ARMA、MA和AR模型間的關(guān)系43
2.6功率譜估計(jì)44
2.6.1經(jīng)典功率譜估計(jì)44
2.6.2最大熵譜估計(jì)方法52
2.7應(yīng)用舉例55
習(xí)題56
參考文獻(xiàn)58
第3章 維納濾波器和卡爾曼濾波器59
3.1概述59
3.2維納濾波器59
3.2.1線性最優(yōu)濾波59
3.2.2正交性原理60
3.2.3最小均方誤差62
3.2.4維納-霍夫方程64
3.2.5維納濾波器的設(shè)計(jì)與實(shí)現(xiàn)68
3.3卡爾曼濾波器76
3.3.1卡爾曼濾波器的初步認(rèn)識(shí)76
3.3.2卡爾曼濾波器的實(shí)現(xiàn)82
3.4應(yīng)用舉例88
習(xí)題90
參考文獻(xiàn)91
第4章 自適應(yīng)濾波93
4.1概述93
4.1.1自適應(yīng)濾波技術(shù)的發(fā)展93
4.1.2自適應(yīng)濾波器的組成94
4.1.3自適應(yīng)濾波器原理97
4.2基于最小均方差誤差的自適應(yīng)濾波100
4.2.1濾波器最優(yōu)化算法100
4.2.2自適應(yīng)濾波器的性能參數(shù)101
4.2.3最小均方誤差(MMSE)準(zhǔn)則與正交原理102
4.2.4均方誤差(MSE)曲面104
4.2.5最小均方誤差濾波器105
4.3LMS自適應(yīng)濾波110
4.3.1概述110
4.3.2LMS 算法111
4.3.3權(quán)矢量噪聲113
4.3.4改進(jìn)的LMS算法115
4.3.5影響LMS算法性能的因素116
4.4應(yīng)用舉例117
4.4.1用于脈搏血氧飽和度檢測中消除運(yùn)動(dòng)偽差117
4.4.2基于LMS算法的胎兒心電信號(hào)提取方法121
習(xí)題123
參考文獻(xiàn)126
第5章 時(shí)頻分析與小波變換127
5.1概述127
5.1.1時(shí)頻分析的基本概念127
5.1.2短時(shí)傅里葉變換133
5.2連續(xù)小波變換138
5.3離散小波變換144
5.4多分辨率分析(Mallat算法)147
5.4.1多分辨率分析的概念147
5.4.2小波基的構(gòu)造148
5.4.3Mallat 算法152
5.5應(yīng)用舉例154
5.5.1小波在醫(yī)學(xué)圖像去噪中的應(yīng)用154
5.5.2基于小波分析的乳腺X射線圖像鈣化點(diǎn)特征提取160
習(xí)題162
參考文獻(xiàn)163
第6章 主成分分析與獨(dú)立成分分析164
6.1概述164
6.1.1主成分分析164
6.1.2獨(dú)立成分分析165
6.2主成分分析165
6.2.1數(shù)據(jù)降維技術(shù)165
6.2.2主成分分析技術(shù)166
6.2.3主成分的定義、性質(zhì)與求法170
6.3獨(dú)立成分分析173
6.3.1多元數(shù)據(jù)的線性表示173
6.3.2盲源分離174
6.3.3獨(dú)立成分分析模型177
6.3.4獨(dú)立成分分析模型的估計(jì)方法184
6.4應(yīng)用舉例188
6.4.1主成分分析在腦年齡預(yù)測建模中的應(yīng)用188
6.4.2獨(dú)立成分分析在醫(yī)學(xué)信號(hào)處理中的應(yīng)用189
習(xí)題191
參考文獻(xiàn)191
書單推薦
