生物医学信号处理习题集详解 下载本文

生物医学信号处理习题集

第一章 第二章 第三章 第四章 第五章 第六章 第七章 第八章

生物医学信号处理绪论 ..................................................................................................... 1 数字信号处理基础 ............................................................................................................. 1 随机信号基础 ..................................................................................................................... 5 数字卷积和数字相关 ......................................................................................................... 9 维纳滤波 ........................................................................................................................... 10 卡尔曼滤波 ....................................................................................................................... 13 参数模型 ........................................................................................................................... 16 自适应信号处理 ............................................................................................................... 19

第一章 生物医学信号处理绪论

1. 生物医学信号处理的对象是什么信号? 解答:

包括生理过程自发产生的信号,如心电、脑电、肌电、眼电、胃电等电生理信号和血压、体温、脉搏、呼吸等非电生理信号;还有外界施加于人体的被动信号,如超声波、同位素、X射线等。

2. 生物信号的主要特点是什么? 解答:

随机性强,噪声背景强。

第二章 数字信号处理基础

You can use Matlab where you think it’s appropriate. 1.FIR滤波器和IIR滤波器的主要区别是什么? 解答:

FIR滤波器的单位脉冲响应是有限长的序列,该滤波器没有极点,具有稳定性。 IIR滤波器的单位脉冲响应是无限长的序列,该滤波器有极点,有可能不稳定。

2.两个滤波器级联,第一个的传递函数为H1(z)?1?2z-1?z?2,第二个为H2(z)?1?z-1,当输入为单位脉冲时,求输出序列,画出级联滤波器的频率响应。 解答:

H(z)?(1?2z-1?z?2)(1?z?1)=1?z-1?z?2?z?3

h(n)=[1,1,-1,-1],n=0,1,2,3。即输入单位脉冲时的输出序列值。 freqz(h,1)

3.A 3rd-order lowpass filter is described by the difference equation: y(n)?0.0181x(n)?0.0543x(n?1)?0.0543x(n?2)?0.0181x(n?3)

?1.76y(n?1)?1.1829y(n?2)?0.2781y(n?3)Plot the magnitude and the phase response of this filter and verify that it is a lowpass filter. 解答:

b = [0.0181, 0.0543, 0.0543, 0.0181]; a = [1.0000, -1.7600, 1.1829, -0.2781]; m = 0:length(b)-1; l = 0:length(a)-1; K = 500; k = 1:1:K;

w = pi*k/K; % [0, pi] 分成501个点. num = b * exp(-j*m'*w); % 分子计算 den = a * exp(-j*l'*w); % 分母计算 H = num ./ den;

magH = abs(H); angH = angle(H); subplot(1,1,1);

subplot(2,1,1); plot(w/pi,magH); grid; axis([0,1,0,1]) xlabel(''); ylabel('|H|'); title('幅度响应');

subplot(2,1,2); plot(w/pi,angH/pi); grid on; axis([0,1,-1,1])

xlabel('以pi为单位的频率'); ylabel('以pi弧度为单位的相位'); title('相位响应');

或freqz(b,a)

明显是低通滤波器,Wc大概在0.25pi。(衰减3个dB,下降一半)

4.Find the inverse z-transform of x(z)=解答:

zz?111X(z)?2??1/2(?)

3z?4z?13?4z?1?z?21?z?11?1z?13z.To check the result using Matlab function residuez.

3z2?4z?1b = [0,1]; a = [3,-4,1]; [R,p,C] = residuez(b,a) [b,a] = residuez(R,p,C) R = 0.5000 -0.5000 p = 1.0000 0.3333 C = []

b = -0.0000 0.3333

a = 1.0000 -1.3333 0.3333 笔算和程序结果一致。

5.Choose an appropriate window to design a digital FIR lowpass filter with the following specifications:

?p?0.2?,Ap?0.25dB,?s?0.3?,As?50dB

Determine the impulse response and provide a plot of the frequency response of the designed filter. (help fir1 function ) 解答:

wp = 0.2*pi; ws = 0.3*pi; tr_width = ws – wp;

M = ceil(6.6*pi/tr_width) ;%查表求得窗长度,hamming window即可 n=[0:1:M-1]; wc = (ws+wp)/2 b= fir1(M,wc/pi); h=b(1:end-1);

[hh,w] = freqz(h,[1],'whole');%默认就是hamming window hhh=hh(1:255);ww=w(1:255); % 画图

subplot(2,2,3); stem(n,h);title('实际脉冲响应') axis([0 M-1 -0.1 0.3]); xlabel('n'); ylabel('h(n)')

subplot(2,2,4); plot(ww/pi,20*log10(abs(hhh)));title('幅度响应(单位: dB)');grid axis([0 1 -100 10]); xlabel('频率(单位:pi)'); ylabel('分贝') set(gca,'XTickMode','manual','XTick',[0,0.2,0.3,1]) set(gca,'YTickMode','manual','YTick',[-50,0])

第三章 随机信号基础

1.什么是平稳各态遍历的随机过程? 解答:

如果随机信号的统计特性与开始进行统计分析的时刻无关,则为平稳随机过程,否则为非平稳随机过程。对于平稳过程,如果所有样本在固定时刻的统计特征和单一样本在全时间上的统计特征一致,则为各态遍历的随机过程。平稳且各态遍历是本课程分析医学信号的一个前提假设

2.判断随机相位正弦波在均值意义下是否各态遍历。x(t)?Asin(?0t??),A ?0是固定值,?是随机变量,分布为均匀分布:p(?)?解答:

1,0???2?,其它为零。 2?1T该随机过程的时间平均为:mx?lim?Asin(?0t??)dt?0 T??2T?T该随机过程的总体平均为:E(x)??xp(x)dx??Asin(?0t??)p(?)d??0

-A0A2?因此该过程在均值意义下是各态遍历的。

3.讨论相互独立、互不相关、相互正交的区别和联系。 解答:

随机变量统计独立的条件为:p(x,y)?p(x)p(y) 互不相关的条件为:cov(x,y)?0 正交的条件为:E(xy)?0

对于一般的随机变量:统计独立则互不相关;当其中有任意一个变量的均值为零,则互不相关和正交可以互相推导。

对于高斯随机变量,统计独立和互不相关可以相互推导;当其中有任意一个变量的均值为零,则三者都能互相推导。

4.输入序列xn的一阶概率密度函数是

p(xn)?2e?2xnu(xn)。证明:

E(xn)?0.5;如y?2x1?4x2,

x1、x2都是具有上述分布的随机序列,求E(y)。

解答:

E(xn)????xnp(xn)dxn??0xn2e-2xndxn??0-xnde-2xn

????????xne?2xn????????-2xn??-2xn??edxn??edxn??0.5?de-2xn=?0.5(e?2xn)=0.5 00000E(y)=E(2x1+4x2)=E(2x1)+E(4x2)=3