- •Часть 2
- •1.1. Клиническая оценка эффективности
- •1.2 Инженерные методы оценок качества приборов.
- •1.3 Информативность методик обследования
- •2 Электроды
- •Характеристики электродов
- •3 Усилители электробиосигналов (убс)
- •3.1. Построение усилителей биосигналов (убс)
- •3.2 Согласование усилителя с электродами
- •3.4. Методы подавления сетевой помехи
- •3.5. Подавление сетевой помехи вычитанием в усилителе
- •3.6. Типовое построение схем убс (Рис 2.7-2.9)
- •3.7. Шумовые характеристики убс
- •3.8. Защита убп от статических разрядов и импульса дефибриллятора.
- •3. Современное построение эк
- •4. Выбор частоты квантования ацп
- •4.1. Влияние неограниченности спектра сигнала
- •4.3. Искажение сигнала во входном фильтре. Метод парных эхо
- •4 .4. Погрешности амплитудного квантования ацп
- •4.5. Погрешности за счет выходного интерполирующего фильтра
- •4.6. Пример выбора частоты квантования
- •5. Простейшие элементы цифровой фильтрации
- •5.1 Общие свойства цифровой фильтрация
- •5.2 Примеры простых, легко реализуемых фильтров
- •5.3 Использованием пропуска и добавления отсчетов
- •5.4 Комбинаторика структур простейших фильтров.
- •5.6. Дифференцирующие фильтры
- •7.16. Распознавание образов
- •6. Морфологический, контурный анализ, измерение
- •6.1 Выделение комплексов
- •6.2 Измерение параметров
- •6.3 Обнаружители r пика
- •6.3.2. Технологии "Фильтр - ограничитель - фильтр (фоф)
- •6.4 Измерение амплитуды и длительности
- •Измерение моментов точек начала и конца
- •7. Математические методы обработки биосигналов
- •7.1. Удобными считаются аналитические функции
- •7.4. Преобразование Фурье
- •7.5 Равенство Парсеваля
- •7.6. Системы базисных функций
- •7.7. Разложение функций по ортогональным полиномам
- •7.8. Векторное представление сигнала.
- •7.9. Интегральное преобразование Фурье
- •7.10 Использование интегральных преобразований
- •7.12. Теорема отсчетов как преобразование Фурье
- •7.13. Фильтрация
- •7.14 . Интерполяция
- •7.15. Экстраполяция
- •8. Статистические методы
- •8.2 Оптимальная фильтрация сигнала в шуме
- •8.3 Оценка параметров. Потенциальная точность
- •8.3.1. Байесовский метод
- •8.3.2 Разделение сигнальной и шумовой функции
- •8.3.3 Ошибки случайного смещения
- •8.3.4 Ошибки неоднозначности
- •8.3.5 Метод функции правдоподобия. Проблема априорной недостаточности
- •8.4. Фильтрация Калмана - Бьюиси
- •8.5 Проверка гипотез
- •8.6 Статистические методы распознавания образов
- •8.8 Персептрон Розенблата
- •Приложение 1
- •Доказательство принципа взаимности
- •Приложение 2.
- •Приложение 3.
- •Приложение 4
- •Приложение 5
- •5.1 Проверка гипотез
- •5.2 Последовательный анализ
- •Приложение 6 Технический уход за электродами и их подготовка.
- •1) Удаление с электродов старого слоя хлористого серебра
- •2) Хлорирование серебряных электродов
- •Приложение 7
- •Приложение 8
- •8.1. Работа процессора в реальном времени
- •Приложение 9
- •Приложение 10
- •9.1. Требования к защите медицинских приборов от питающей сети 220в 50Гц.
- •6.4 Обеспечение безопасности
- •9.2. Безопасность при комплексировании приборов
- •9 .3 Безопасность при работе с электродефибрилятором
- •9.4. Измерение токов утечки
5.1 Общие свойства цифровой фильтрация
Цифровой
фильтр имеет наглядный эквивалент в
виде линии задержки с отводами, в каждом
отводе имеется весовой коэффициент
перемножения (Рис
4.1). Далее
все парциальные отводы суммируются (мы
получили так называемый "транверсальный"
фильтр). На входе линии задержки (или на
выходе, ибо система линейна и элементы
перестановочны) должен стоять фильтр
НЧ с идеально прямоугольной частотной
характеристикой (его граничная частота
1/2Т, где Т равно задержке между отводами
нашей линии). Отклик этого фильтра
Тsin(πt/Т)/πt.
Фильтр устраняет помехи от сигналов,
имеющих частоту выше 1/2Т. В структуре
могут присутствовать обратные связи,
в этом случае фильтр называется
рекурсивным.
Если имеются только прямые связи - не
рекурсивным
(показан на
рис 4.1).
Для нахождения общей частотной
характеристики трансверсального фильтра
нагляднее сперва найти его отклик
(подавая на вход испытательный δ-импульс),
а частотную характеристику получать
через преобразование Фурье этого
отклика.
Полное значение числа отводов трансверсального фильтра называется базой N или окном фильтра . На базе (окне) формируется весовая функция фильтра. Формы весовых функций разнообразны, но если выделяется центральная часть с величинами, близкими к 1 (например с уровнем ≥ 0.7), то можно приближенно оценить полосу пропускания ΔF такого фильтра НЧ:
ΔF
≈ 1/N0,72T,
где N0,7 - число отводов с весами, близкими к 1, а Т - период взятия выборки АЦП. Форма весовой функции вне зентральной части определяет поведение частотной характеристики в полосе задержания.
Если все весовые коэффициенты àN заменить на коэффициенты (1-àN), то получим сопряженный фильтр: ФВЧ вместо ФНЧ и наоборот (Рис 4.2).
5.2 Примеры простых, легко реализуемых фильтров
Фильтр
с прямоугольным окном. Простейшим
является не рекурсивный фильтр с
прямоугольным окном. Схема показана на
рис 4.1
с заменой линий задержки на операциями
сдвига. Алгебраическая запись алгоритма
фильтра имеет вид:
.
На каждый такт нужно выполнить только три операции: заполнить основной и запаздывающий сумматоры, взять разность. Частотная характеристика такого ФНЧ имеет вид sinπx/x. Характерные точки фильтра (нули, полоса по уровню 0,7) так же показаны на рис 4.2. Обычно нули частотной характеристики совмещают с частотой сетевой помехи (например, с частотой 50Гц. Если частота квантования АЦП равна 500Гц, расстояние между выборками 2мс, то при суммировании 10 выборок (требующих 9 сдвигов) мы получаем фильтр, давящий частоту 50Гц). Отметим другие характерные особенности: фазовая характеристика такого фильтра линейно ломанная. Для всех спектральных составляющих формируется одна величина задержки, а именно NТ/2.
Работу фильтра с прямоугольным откликом можно так же представлять как нахождение наименее уклоняющейся оценки коэффициента а^ интерполирующего полинома у=(а + бх) на скользящем интервале. Оценка находится по формуле
,
К=1,2,3..N,
см рис 4.3.
Таким
образом есть три интерпретации структуры
фильтра: 1) структурная по типу
трансверсального фильтра. Эту же форму
можно считать как представление фильтра
интегралом свертки
,
если интеграл заменим набором сумм,
2)
алгебраическая запись в виде разностного
уравнения
,
3) в виде оценки постоянного члена а^ интерполирующего полинома на скользящем интервале.
Разные интерпретации позволяют наглядно выделять, что мы теряем и что подавляем в сигнале в результате фильтрации.
У каждого фильтра НЧ имеется сопряженный с ним ФВЧ. ФВЧ=(1-ФНЧ). Выходной сигнал такого фильтра формируется как остаток между графиком входного сигнала и графиком оценки a^, т.е. отфильтрованного усредненного сигнала, как показано на рис 4.3. Некоторые примеры параметров простейших фильтров представлены в таблицах 1.
Таблица 1. Частота квантования 1 кГц (d=1мс)
Граничная частота Гц |
База (ФВЧ) рис 3 |
База (ФНЧ) рис 1 |
ФНЧ/ФВЧ рис 4 |
5 |
|
N=118 |
A=31 |
15 |
N=30 |
N=40 |
A=10 |
35 |
N=13 |
N=17 |
A=4 |
90 |
N=5 |
N=6 (99Гц) |
|
100 |
N=5 |
N=6 |
|
250 |
N=2 |
N=2 |
|
Частотные характеристики приведены ранее на рис 4.2. Отметим, что начальный участок частотной характеристики такого фильтра имеет вид К(f)=f2, т.е. прохождение сигнала через этот фильтр эквивалентно выделению второй производной.
Рекурсивные фильтры рис 4.4
Это
фильтры с обратными связями. Фильтры
первого порядка показаны на рис
4.4. Его отклик
и частотные характеристики соответствуют
таковым у RC
цепочки с постоянной времени τRC=Ткв(а+1)
(1/а
- величина ослабления сигнала в цепи
обратной связи при рекурсивном
суммировании). Алгебраическая запись
Рис 4.4 Диферецирующие фильтры
фильтра:
Интегратор
yi=Т*xi+yi-1
Дифференциатор yi=1/Т(xi-хi-1).
