信息科学技术学术著作丛书·统计信号处理：医学信号分析与处理

　　目录《信息科学技术学术著作丛书》序前言第1章 绪论 11.1 医学信号的分类与特点 11.1.1 医学信号概述 11.1.2 医学信号的分类 21.1.3 医学信号的特点 31.2 医学电信号及其产生机制 41.2.1 细胞的生物电现象 41.2.2 细胞生物电信号的产生机制 71.3 医学信号的采集 101.3.1 医学信号采集系统组成 101.3.2 医学信号采集中的噪声与干扰 111.3.3 安全问题 141.4 医学信号分析与处理的作用 14思考题 15第2章 常见的医学信号及其检测 162.1 心电信号 162.1.1 心电信号的产生 162.1.2 心电信号的特点 182.1.3 心电信号的采集 202.2 脑电信号 232.2.1 脑电信号的产生 232.2.2 脑电信号的分类及其特点 242.2.3 脑电信号采集 252.2.4 脑电信号的应用 272.3 诱发电位信号 272.3.1 诱发电位的产生 272.3.2 皮层诱发电位的特点 282.3.3 诱发电位的采集 292.4 肌电信号 292.4.1 肌电信号的产生 292.4.2 肌电信号的特点 312.4.3 肌电信号的采集与应用 322.5 胃电信号 322.5.1 胃电信号的产生 322.5.2 胃电信号的特点及其应用 332.5.3 胃电信号的检测 342.6 心音信号 342.6.1 心音信号的产生 342.6.2 心音信号的特点 342.6.3 心音信号的检测 352.7 脑磁图 362.7.1 脑磁信号的产生 362.7.2 脑磁信号的应用特点 362.7.3 脑磁信号的采集 372.8 常见的医学图像 372.8.1 常见医学图像及其产生原理 382.8.2 医学图像的发展趋势 39思考题 40第3章 随机信号与非线性信号分析基础 413.1 医学信号的随机性与非线性 413.2 随机变量的概念与特性 423.2.1 随机变量的概念 423.2.2 随机变量的分布 433.2.3 随机变量的数字特征 453.2.4 隨机变量的特征函数 483.3 随机信号与随机过程 483.3.1 随机过程与随机信号及其统计分布 483.3.2 平稳随机信号 513.3.3 各态历经性 523.3.4 非平稳随机信号 533.4 常见的随机信号与随机噪声 543.4.1 高斯（正态）分布随机信号 543.4.2 白噪声与带限白噪声过程 553.4.3 高斯-马尔可夫过程 563.4.4 其他常见随机噪声 563.5 随机信号的统计分析方法 573.5.1 随机信号的古典分析方法 573.5.2 随机信号的现代参数模型方法 603.6 医学信号非线性分析简介 663.6.1 分形的概念 663.6.2 混沌信号处理 67思考题 69习题 70第4章 信号检测与参数估计 734.1 概述 734.1.1 信号检测的基本任务 734.1.2 信号检测问题中的各种概率描述 744.1.3 信号参数估计的基本任务 744.1.4 参数估计的评价准则 754.2 信号检测的极大后验概率准则 764.2.1 极大后验概率准则的基本思路 764.2.2 二元问题的MAP准则推导 774.2.3 极大后验概率准则的检测性能 794.2.4 进一步的讨论 804.3 信号检测的最小错误率准则 814.3.1 最小错误率准则的基本思路 814.3.2 二元问题的MPE准则推导 814.4 信号检测的贝叶斯准则 821.4.1 贝叶斯准则的基本思路 824.4.2 二元问题的贝叶斯准则推导 834.5 信号检测的纽曼-皮尔逊准则 844.5.1 纽曼-皮尔逊准则的基本思路 844.5.2 二元问题的纽曼-皮尔逊准则推导 844.5.3 纽曼-皮尔逊准则的进一步讨论 864.6 多次观测与多元检测简介 884.6.1 多次观测 884.6.2 多元检测 884.7 参数的非线性估计 894.7.1 贝叶斯估计 894.7.2 极大似然估计 934.7.3 观测为矢量的情况 944.8 估计量的性质 954.8.1 非随机参数估计的克拉美-罗下界 954.8.2 随机参数估计的克拉美-罗下界 964.8.3 MS估计的无偏性 974.9 参数的线性估计 974.9.1 参数非线性估计的局限性 974.9.2 线性均方估计 984.9.3 递推估计 1004.9.4 最小二乘估计 102思考题 104习题 105第5章 随机信号的相关函数估计与功率谱估计 1085.1 相关函数与功率谱密度函数 1085.1.1 相关函数 1085.1.2 功率谱密度函数 1105.2 自相关序列的估计 1115.2.1 自相关序列的无偏估计 1115.2.2 自相关序列的有偏估计 1135.2.3 自相关序列的快速估计方法 1145.3 功率谱估计的经典方法 1155.3.1 功率谱估计的发展概况 1155.3.2 周期图谱估计方法 1185.3.3 周期图谱估计的性能 1185.3.4 改善周期图谱估计性能的方法 1215.4 功率谱估计的现代方法 1255.4.1 经典谱估计存在的问题 1255.4.2 AR模型谱估计方法 1255.4.3 最大熵谱估计方法 1295.4.4 MA模型与ARMA模型谱估计方法 1315.4.5 最小方差谱估计方法 1325.4.6 皮萨伦科谱分解方法 13415.4.7 基于矩阵特征分解的谱估计方法 1355.4.8 各类现代谱估计方法的比较 1375.5 谱估计方法在医学信号分析中的应用 1395.5.1 脉搏信号的功率谱分析 1395.5.2 基于脑电图功率谱分析的读字困难症识别 1395.5.3 结肠压力信号的功率谱分析 140思考题 141习题 142第6章 维纳滤波与卡尔曼滤波 1456.1 概述 1456.1.1 维纳滤波器的概念 1456.1.2 卡尔曼滤波器的概念 1466.2 随机信号预测、滤波与平滑的基本方法 1476.2.1 随机信号的预测 1476.2.2 随机噪声的滤除 1486.2.3 随机信号的插值 1496.3 维纳滤波器的基本原理与方法 1506.3.1 因果维纳滤波器 1506.3.2 维纳-霍夫方程的求解 1516.4 维纳预测器 1586.4.1 因果维纳预测器 1586.4.2 N步纯预测器 1606.4.3 一步线性维纳预测器 1616.5 维纳滤波器在医学信号处理中的应用 1616.5.1 维纳滤波器提取诱发电位 1616.5.2 维纳滤波器提取诱发电位信号的另一个例子 1626.6 卡尔曼滤波器简介 1636.6.1 卡尔曼滤波器的基本原理 1636.6.2 卡尔曼滤波器的分析 1666.6.3 卡尔曼滤波器的计算 1676.7 卡尔曼滤波器的应用举例 169思考题 172习题 175第7章 自适应滤波及其应用 1757.1 自适应滤波的基本概念 1757.2 横向自适应滤波器结构与随机梯度法 1767.2.1 横向自适应滤波器的结构及其性能函数 1767.2.2 二次型性能表面的搜索 1787.3 自适应滤波器的最小均方算法 1827.3.1 最小均方算法 1827.3.2 LMS算法的性能分析 1847.3.3 LMS自适应滤波器的改进形式 1917.3.4 应用中需要注意的问题 1957.4 自适应滤波器的递归最小二乘算法 2007.4.1 线性最小二乘原理 2007.4.2 递归最小二乘自适应滤波器 2017.4.3 应用中需要注意的问题 2047.5 自适应滤波器在医学信号分析处理中的应用 2047.5.1 自适应噪声抵消及其在医学信号噪声抑制中的应用 2047.5.2 自适应谱线增强及其在医学信号分析处理中的应用 2107.5.3 自适应系统辨识及其在医学信号分析处理中的应用 212思考题 213习题 214第8章 非平稳生物医学信号分析与处理 2178.1 概述 2178.2 短时Fourier变换 2188.2.1 短时Fourier变换的定义 2188.2.2 短时Fourier分析的时间分辨率与频率分辨率 2228.2.3 不同类型的街函数对短时Fourier变换的影响 2228.2.4 离散短时Fourier变换 2248.3 Gabor变换 2258.3.1 临界采样Gabor分解 2268.3.2 过采样Gabor分解 2278.3.3 离散Gabor变换 2278.4 小波分析基础 2338.4.1 加窗Fourier变换与小波变换的时频网格 2348.4.2 连续小波的离散化 2388.4.3 多分辨分析 2408.5 经验模式分解与希尔伯特-黄变换 2468.5.1 经验模式分解 2468.5.2 希尔伯特-黄变换 2488.6 时频分析方法在心音信号分析中的应用 2528.6.1 心音信号 2528.6.2 第一心音的时频分析 253思考题 254第9章 非高斯生物医学信号分析与处理 2569.1 概述 2569.1.1 非高斯信号处理的发展 2569.1.2 矩与统计量的概念 2589.1.3 二阶统计量及基于二阶统计量的信号处理 2599.1.4 高阶统计量及基于高阶统计量的信号处理 2599.1.5 分数低阶统计量及基于分数低阶统计量的信号处理 2609.2 高阶矩与高阶累积量 2619.2.1 高阶矩与高阶累积量的定义 2619.2.2 高斯信号的高阶矩和高阶累积量 2629.3 非高斯信号及相关统计量 2639.3.1 非高斯信号的定义 2639.3.2 矩和累积量的转换关系 2649.3.3 矩和累积量的性质 2669.3.4 高阶谱 2679.4 高阶统计量在脑电信号处理中的应用 2719.5 高阶统计量在独立分量分析技术中的应用 2759.5.1 主分量分析 275

　　医学信号分析与处理是生物医学工程专业本科生和研究生的专业基础课，旨在培养学生基本掌握现代统计信号处理的理论与方法，并能够结合临床研究与应用，利用信号处理手段解决医学诊断与治疗方面的相关问题。《统计信号处理：医学信号分析与处理》共分为10章，包括：绪论，常见的医学信号及其检测，随机信号与非线性信号分析基础，信号检测与参数估计，随机信号的相关函数估计与功率谱估计，维纳滤波与卡尔曼滤波，自适应滤波及其应用，非平稳生物医学信号分析与处理，非高斯生物医学信号分析与处理，生物医学信号分析与处理的应用实例。