生物电阻抗测量系统中弱信号检测技术研究--EIT 中弱信号检测理论

并非理想状态，检测信号中往往含有很强的背景噪声。这些噪声既包括肌电噪声、呼吸波噪声、脑电噪声、心电噪声等生物噪声，同时也有工频噪声、电路板内部噪声、共模噪声等电噪声。

噪声对于弱信号检测，几乎是无处不在无处没有的，它总是与信号共存的。在传统检测方法中，总是千方百计的通过抑制噪声来检测有用信号，然而抑制噪声同时，难免会引起信号受到衰减和损失，因此，怎么处理这个矛盾常常是研究人员需解决的问题。

一般认为，信号是确定的，是时间的函数，我们能够事先计算且测量出它在某一时刻的值。在实际的信号检测中，信号常常伴随有噪声或其他干扰。

由于生物医学的特殊性，传感器的输出信号通常都很微弱，并且淹没在强噪声背景中，从而噪声成为信号检测的主要问题。微弱信号检测的目的是将信号和噪声区分，把淹没与噪声中的信号提取恢复。在信号检测系统中，可以处理的最高信号电平受电路特性的限制，但最小可检测的电平取决于噪声，即噪声限制了系统的动态范围和传感器的分辨率。对于生物电阻抗测量系统来说，更是如此。生物电阻抗测量中的噪声包括两个部分，一部分是由生物肌体自身阻抗等特性带来的干扰，它通过传感器、电极接触面和个人自身个体差异形成噪声；另一部分是由电路中的随机扰动产生的电噪声。

2.2.3.1生物肌体噪声

电源激励信号的幅值小、噪声强。因此，能否有效去除微弱的电源激励信号中的噪声并提取其特征信息对电源激励信号的研究和临床应用具有重要意义。生物的脑电、心电、肌电都会成为噪声产生的原因。脑电是人脑神经元突触后电位的综合结果，是脑神经细胞电生理活动在大脑皮层或头皮表面的总体反映[20]。在不受外界刺激的自然状态下，人脑产生的自发脑电信号一般被看做是非平稳比较突出的随机信号。生物本身的心电和肌电信号是人体在自然状态下产生的类似周期性的信号，也会引起噪声。

2.2.3.2电噪声

检测中的电噪声主要是由检测系统内部噪声引起，由电阻和各种器件产生的。绝大多数的电噪声是一个连续型随机变量，是一种前后独立的平稳随机过程，在任何时刻，它的幅度、相位以及波形都是随机的，但还是服从于一定的统计分布规律。

电阻热噪声是由电阻内部自由电子的热运动而产生的。起伏电流，电阻中的带电微粒(自由电子)在一定温度下受到热激发后，在导体内部作无规则的运动(热骚动)而相互碰撞，两次碰撞之间进行时，就产生一持续时间很短的脉冲电流。许多这样的随机热骚动电子所产生的这种脉冲电流组合，就在电阻内部形成了无规律的电流。在一足够长的时间内，其电流的平均值等于零，而瞬时值就在平均值上下变动。当实际电路中包含多个电阻时，每一个电阻都将引入一个噪声源。一般若有多个电阻并联时，总噪声电流等于各个电导所产生的噪声电流的均方值相加。

2.3常用弱信号检测算法

生物弱信号的特点是幅度小，往往淹没在噪声之中。为了检测被背景噪声覆盖的微弱信号，人们进行了长期的研究工作，分析噪声产生原因及规律，研究被测信号的特点、相关性及噪声的统计特性，以寻找从背景噪声中检测出有用信号的方法。常用的微弱信号检测方法有：相干检测法、基于混沌振子的微弱信号检测、同步累积法、双路消噪法、窄带滤波法等。

2.3.1相干检测法

相关接收技术是应用信号周期性和噪声随机性的特点，通过自相关或互相关运算，达到去除噪声、检测出信号的一种技术[13][15]。由于信号和噪声是相互独立的过程，根据相关函数和互相关函数定义，信号只与信号本身相关，与噪声不相关，而噪声之间一般也不相关。

2.3.1.1自相关检测

实现自相关检测的原理框图[13]如图2.3所示。

设输入x i(t)由被测信号s i(t)和噪声n i(t)组成，即：

x i(t)同时输入到相关接收机两个通道，其中一路将经过延时器，使它迟延一段时间τ。经过迟延的x i(t-τ)和未经迟延的x i(t)均送入乘法器内，再将其乘积积分，然后输出平均值，从而得到相关函数上一点的相关值。如果变更迟延时间τ，重复上述计算就能得到相关函数R xx(τ)与τ的关系曲线，即得自相关的输出为：

根据互相关函数性质，由于信号s(t)与噪声n(t)不相关，并且噪声的平均值为零，得到R sn(τ)=0，R ns(τ)=0，则R xx(τ)= R ss(τ) +R nn(τ)。随着τ的增大，R nn(τ)→0，则对充分大的τ，可得R xx(τ)= R ss(τ)。这样就得到了信号s i(t)的自相关函数R xx(τ)，它将包含着s i(t)所携带的某些信息。

随着时间τ的增加，噪声的自相关函数迅速衰减，而信号的自相关函数是小衰减的周期函数，从而可检测出有用信号。

2.3.1.2互相关检测