1．目的及意义

生物医学信号处理是国内外近年来迅速发展的一个数字信号处理领域，在生物医学研究中有各种各样待提取和处理的信号，有由生理过程自发产生的主动信号，如心电（ECG）、脑电（EEG）、肌电（EMG）等电生理信号和体温、血压、脉搏、呼吸等非电生理信号；还有由外界施加于人体，用以探测的被动信号，如超声波、同位素、X射线等，此时关于生理状态的信息将通过被动信号的某些参数来携带。生物医学信号受到人体诸多因素的影响，具有一些一般信号所没有的特点，由于生命机理的复杂性，使生物医学信号的信号特征变得复杂，因此，从这些信号中提取所需的信息是一个困难而重要的课题。

传统生物医学信号信息的处理方法都是以傅里叶分析理论为基础的，虽然傅里叶分析理论广泛应用与各大科研领域，但是它同样也存在缺陷和不足：傅里叶变换（FT：Fourier transform）在信号频谱分析方面以及与谱分析相关联的信号检测、滤波、数据压缩等领域有着不可取代的地位，但是根据傅里叶变换的表达式我们不难发现傅里叶变换表示的是信号的整体谱，而如果想要得到部分谱无法直接实现，窗口傅里叶函数（WFT：window Fourier transform）的提出只是在一定程度上克服了傅里叶变换的不足，但并没有彻底的解决问题。

为了更为精准的发现生物医学信号当中细微的、局部的变化，更好地解决信号在时域和频域上的精准信息，寻找平稳信号更有效的分析处理方法，近几年发展起来了小波变换（WT：wavelet transforms），小波变换（WT）的基础仍是傅里叶变换（FT），它既保留了傅里叶变换（FT）的全部优点，又能弥补傅里叶变换（FT）和窗口傅里叶变换（WFT）存在的不足，小波变换（WT）在处理复杂生物医学信号上取得了令人满意的结果。

小波分析理论在生物医学信号处理中的应用才刚刚起步，小波分析理论自身也在不断的发展中。从近几年的情况来看，小波变换（WT）主要应用在生物医学信号的信号特征提取方面。小波分析理论为生物医学信号处理提供了新的思路。未来可能在小波变换（WT）的生物医学信号分析与处理软件系统的开发、基于小波变换（WT）的生物医学信号数据的压缩技术及在远程医疗和家庭医疗监护等方面取得较大的应用成果。{title}

2. 研究的基本内容与方案

{title}

研究（设计）的基本内容：

生物医学信号由于受到人体诸多因素的影响，具有一些一般信号所没有的特点，使得生物医学信号处理成为当代信号处理技术最可发挥威力的一个重要理论，而小波变换方法的提出可为临床诊断提供更多的信息和手段。论文要求研究小波变换的基本理论和分析方法，利用小波分析方法对生物医学信号进行处理，并采用MATLAB仿真软件对其进行仿真。

目标：

生物医学信号大多都属于微电位信号，而且生物医学信号相较于其他信号更为复杂化、多样化，其中受身体机理影响变化的幅度以及时间长度有很大差异，并且生物医学信号中好夹杂了许多来自于机体的噪声信号。所以我们的目的就是利用小波变换优良的时域局部化特性来将生物医学信号中能够反映身体机理情况的微电位信号给提取出来再进一步尽心分析和处理。

拟采用的技术方案：

生物医学信号来自于人体，所以它具有信号幅度小。噪声强。随机性强、非线性、混沌现象等特点，要交好的处理信号，我们首先通过MATLAB的去噪设计将信号进行去噪，最基本的去噪方法是线性滤波和小波去噪，核心是将含噪信号投影到一系列的空间频带，并对噪声控件的分量施加各种阈值，，然后进行信号重建。然后是对信号的特征进行提取，主要有时域特征：信号周期、瞬变点位置、幅度等；频域特征：频谱范围和形态，谱峰的个数、宽度及各个谱峰之间的距离等；随机信号的特征：数字特征，均值、方差、自相关函数和功率谱等，基于信号模型的特征：对信号建模通过模型参数来体现信号特征。最后通过MATLAB的图形用户界面（GUI）以及MATLAB提供的各种数据处理和分析工具箱，如小波分析工具箱、图像处理工具箱、时域分析工具箱、医学上常用的信号处理工具箱等来实现生物医学信号的分析、显示和存储等功能。3. 参考文献