信号处理的领域是相当广泛而又深入的，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。对生物医学信号进行的处理称为生物医学信号处理。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。1生物医学信号检测[1]
生物医学信号检测是对生物体中包含的生命现象、状态、性质和成分等信息进行检测和量化的技术。生物医学传感器是获取各种生物信息并将其转换成易于测量和处理的信号(一般为电信号)的器件，是生物医学信号检测的关键技术。
绝大部分生物医学信号都是信噪比很低的微弱信号，且一般都是伴随着噪声和干扰的信号。而对于此类信号必须采用抑制噪声的处理技术。对于生物医学信号检测来说，经常需要考虑的噪声有:工频干扰、电极接触噪声、运动轨迹、呼吸引起的基线漂移和不同信号之间的相互干扰。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。2生物医学信号处理
生物医学信号是从被干扰和噪声淹没的信号中提取有用的生物医学信息特征，它涉及生物体各层次的生理，生化和生物信号，受到人体诸多因素的影响，因而有着一般信号所没有的特点。1)信号弱，例如从母体腹部取到的胎儿心电信号(FECG)仅10～50微伏。脑干听觉诱发响应信号小于1微伏。2)噪声强，由于人体自身信号弱，加之人体又是一个复杂的整体，因此信号易受噪声的干扰。3)频率范围一般较低，除心音信号频谱成份稍高外，其他电生理信号频谱一般较低。4)随机性强，生物医学信号不但是随机的，而且是非平稳的。因此若要把掺杂在噪声和干扰信号中的有用的生物医学信号检测出来，除要求用于检测的传感器系统具有灵敏度高，噪声小，抗干扰能力强，分辨力强，动态特性好之外，对信号提取和分析的手段亦有较高的要求。
生物医学信号的检测与处理的方法，包括在强噪声背景下对微弱生理信号的动态提取，多道生理信号的同步观察与处理，生理信号的时间频率表示，自适应处理，医学专家系统等。另外，生物传感器输出的信号一般十分微弱，需要放大。生物信号的特征部分才包含着生物信息，把这些信号的特征识别出来也是生物医学信号处理的主要任务。3生物医学信号的检测方法[2]3.1AEV 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AEV （Averaged Evoked Response ）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。AEV 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N 平方次叠加，信噪比可提高N 倍，使用AEV 方法的关键是寻找叠加的时间基准点。
3.2频域滤波
频域滤波[3]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，可用频域滤波的方法来消除干扰。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。4生物医学信号的分析方法4.1频域和序域分析
频域分析方法可对脑电进行分析，因为用电极记录到的脑电图本身就是由大脑各部分发出的各种频率的脑电的总和。正常脑电图有一个频谱，当大脑的某一部分发生病变时，频谱就有了改变，因此常用频域分析方法对脑电图进行处理。另据研究，在视网膜电图中，振荡电位与视网膜电图的分界频率约为77Hz，据此，可将其从视网膜电图中分离出来。4.2小波分析
小波分析[4]或多分辨分析是时频信号的一种分析方法，是傅立叶分析发展史上里程碑式的进展。它同时具有理论深刻与应用广泛的双重意义。一方面，小波分析被看成是调和分析这一数学领域半个世纪以来工作的结晶；另一方面，它已经被广泛应用于信号处理、图像处理、量子力学、电子对抗、音乐和语音人工合成、计算机识别、地震勘探数据处理、边缘检测、机械故障诊断等许多方面。
4.3神经网络分析
人工神经网络的研究从一开始就借助于人脑神经元的生理结构模型，是从微观结构与功能上对人脑神经系统的模拟而建立起来的一类模型，具有模拟人的部分形象思维的能力，是一种复杂的、分布并行的、有学习能力的非线性动力系统。5结束语
本文讨论了生物医学信号处理的一些现代方法，这些方法包括生物医学信号的检测、AEV 方法、频域滤波生物医学信号的频域分析和序域分析以及最近兴起的小波分析和神经网络分析这些新兴的方法解决了许多以前难以解决的问题可以预见，新的生物医学信号处理方法将在今后不断涌现，一些目前尚难解决的问题将在今后不断得到解决。
参考文献：
[1]侯静.生物医学信号的检测与处理[J].中国高新技术企业,2007:102.
[2]王大雄.生物医学信号处理方法初探[J].湖州师范学院学报,2004,26(1):95-98.
[3]Oppenheim A.V.,Schater R.M..数字信号处理[M].羞士嘉译,北京:科学出版社,1982:64.
[4][美].崔锦泰小波分析导论[M].程正兴译,西安:西安交通大学出版社,1995:86.
作者简介：吴建盛（1979-），男，江西临川人，博士，讲师，主要研究方向为机器学习和生物信息学；在重要的国际国内期刊和会议发表论文10余篇,南京邮电大学地理与生物信息学院，江苏南京210046吴建孟，江西省抚州市临川区东馆初级中学，江苏南京344124
基金项目：南京邮电大学2011年实验室建设与设备管理研究课题（2011XSG12）和南京邮电大学教学改革研究招标项目(JG01611JX02)。
生物医学信号检测与处理
吴建盛吴建孟
摘要：本文简要介绍了生物医学信号处理的研究现状，并针对生物医学数字信号的特点介绍了生物医学信号处理的一些现代方法。这些方法包括生物医学信号的检测、滤波、频谱分析、小波分析和神经网络分析。
关键词：生物医学信号信号检测信号处理中图分类号：Q811文献标识码：A DOI：10.3969/j.issn.1672-8181.2011.09.004
-
-6
