matlab在生物学中的应用,MATLAB在生物医学信 处理中的应用

福建电脑

2010年第2期

MATLAB在生物医学信 处理中的应用

高智贤，张业宏

(新乡医学院河南新乡453003)

【摘要】：介绍了MATLAB在生物医学信 处理中的简单应用。文中以实际程序介绍了基本序列运算、频谱分析以及现代的参数建模等几方面的设计。可以看到，采用MATLAB可以大大简化运算，并能得到足够的精度，有着广泛的应用前景。

【关键词】：MATLAB生物医学信 处理参数建模

0、绪论

生物医学工程作为理、工、医科的交叉学科,在生命科学的发展中有着巨大的潜力。生物医学信 处理课程作为生物医学工程专业重要的专业基础课程,是综合性、理论性和实验性都很强的新技术学科，在数字化和信息化高速发展的今天其地位越来越重要，它的主要任务是根据生物医学的信 特点，应用信息科学的基本理论和方法，研究如何从被干扰和噪声淹没的观察记录中提取各种生物医学信 中所携带的信息，并对它们进行分析、解释和分类。在对生理信 进行分析的过程中，都是借用计算机来进行实现的。MA TLAB在生物医学信 分析中的应用,将会使生理信 处理技术简单化、实用化,原本神秘复杂的数学运算和变化可用一简单的命令输入,很快得到信 的处理结果。学科发展过程中产生如FTRAN语言、C语言等计算语言,相对这些语言语法要求较高,MATLAB支持演草纸式计算环境,MA TLAB要比使用Basic、Delphi、Fortran和C语言等提高效率许多倍。

1、生物医学信 处理基础

生物医学信 的研究对象是复杂的生理信 ，处理的目的是通过滤波技术去识别和分离生理信 中的有用成份和无用成份，对其进行定量描述，从而揭示产生生物医学信 的本质，对生理信 进行预测以得到未来可能产生的信 。根据所得到的结果去判断人体生理情况，对医生的判断其重要的辅助作用。生物医学信 处理的主要内容包括频谱分析与数字滤波、信 的识别及信 估计等。常用的运算有：差分方程计算、矩阵计算、离散傅里叶变换计算、功率谱密度计算、卷积和计算、相关计算、对数和指数运算、复频率变化及没梳和数值变换等。很多的信 处理问题，都可以用上述运算加上其他的基本运算，通过适当的组合来实现。

2、Matlab在生物医学信 处理中的应用

2.1基本序列运算的实现

生物医学信 处理是以数字信 处理为基础的离散信 及离散系统的研究，因此，其预算过程基本上都是卷积或者相关预算。在MATLAB中可以很容易实现这种运算。定义两个信 x1= 0:15;x2=[1,1,1,1,1,1,1,1];然后定义卷积长度，k=length(x1)+length (x2)-1;对x1和x2进行傅里叶变化，y1=fft(x1,k);y2=fft(x2,k);，最后根据傅里叶变化的性质求逆傅里叶变换得到卷积结果y=ifft (y1.*y2)。

2.2在频谱分析中的应用

图1原始信 图2功率谱图图1为一段未知脑电EEG序列，利用MATLAB对其进行功率分析。得到图2256点的谱分析结果。分析程序如下：N=256;n=0:1:N-1;y=abs(fft(a21)).^2/N;stem(n,y,’fill’);原始信 经过傅里叶变换的道奇功率谱。

2.3利用参数建模对信 进行估计

在生物医学信 处理中，信 估计是很重要的一部分能容。现代常用的估计方法是利用AR模型法对信 进行估计。下边我们就来看一段AR模型估计的实例。

主程序：p=input(‘输入AR模型的阶数p:’);

a=zeros(1,p);

for i=1:p,

str=sprintf(‘请输入AR模型的参数a(%d)’,i);

a(i)=input(str);

end

deltaW=input(‘请输入白噪声方差:’);

L=input(‘请输入信 s(n)样本个数L:’);

w=randn(1,L);

s=zeros(1,L);

for i=1:L,

temp=0;

for m=1:p,

if i-m>0,

temp=temp+a(m)*s(i-m);

end

s(i)=w(i)-temp;

end

end

Rss=zeros(p+1,p+1);

for m=1:p+1,

for n=1:p+1,

Fi=0;

for i=1:L-abs(m-n),

Fi=Fi+s(i)*s(i+abs(m-n));

end

Fi=Fi/(L-abs(m-n));

Rss(m,n)=Fi;

end

end

A=zeros(p+1,1);

e=zeros(p+1,1);

e(1)=deltaW;

A=Rss^(-1)*e;

for i=1:p,

sprintf(‘a(%d)=%fn’,i,A(i+1))

end

deltaW_estimate=0;

for i=1:p,

deltaW_estimate=deltaW_estimate+a(i)*Rss(1,i+1);

end

deltaW_estimate=deltaW_estimate+Rss(1,1);

sprintf(‘deltaW_estimate=%f’,deltaW_estimate)

运行AR模型参数估计程序，选择p=1,1a=-0.6,L=100,

观察得到，与理论值进行比较可以发现大致相同，但是有误差。

3、结束语

在现在计算机技术与日常工作联系越来越密切的今天,可以把这项技术做成嵌入系统与其它相关信 处(下转第90页

)109

相关资源：橘子快速启动软件(橘子启动器)v3.0绿色免费版-其它代码类资源…