Biomedical Signal Analysis（生物医学信号分析）

引用

Rangayyan, R. M., & Krishnan, S. (2024). Biomedical Signal Analysis (3rd ed.). Wiley-IEEE Press.

章节概要

第三版共十章，约720页，附有 Willis Tompkins 和 Alan Oppenheim 撰写的两篇前言、符号与缩写表以及配套网站。出版社介绍了各版共有的写法：每章先陈述一个生物医学信号问题，给出带有相关信号的真实案例，从简单的“教科书”方法讲到更精细的、以研究为依据的方法，最后以实际应用收尾。与有九章的第二版相比，第三版补充了基础背景和高级专题，并增加了第二作者 Sridhar Krishnan。各章末有思考题和实验练习或项目，在线资源库提供解答和数据文件。

第1章：生物医学信号导论

阐述生物医学信号的性质，并综述十七类实例：心肌细胞和神经元的动作电位、神经电图、肌电图、心电图和脑电图、事件相关电位、胃电图、心音图、颈动脉脉搏、光电容积脉搏波、导管尖端信号、语音信号、关节振动图和肌振动图信号、耳声发射以及生物声信号。随后说明信号分析的目标与挑战，以及采用计算机辅助监测与诊断的理由。

第2章：并发、耦合与相关过程的分析

同时记录的信号的案例，例如心电图与心音图、颈动脉脉搏、心房电图，心肺相互作用，心率变异性，以及膝关节与肌肉振动信号。应用包括心音图分段，以及睡眠呼吸暂停的诊断与监测，涉及多导睡眠监测、家庭监测和多变量、多器官分析。

第3章：去除伪迹的滤波

技术上篇幅最长的一章。它区分随机噪声、结构性噪声和生理干扰，以及平稳、非平稳和循环平稳过程；回顾滤波的基础（卷积、变换域分析、零极点图、傅里叶变换和离散傅里叶变换）；然后依次讲同步平均、时域滤波器、巴特沃斯滤波器以及陷波和梳状滤波器、顺序统计滤波器、维纳滤波器和自适应滤波器。应用包括事件相关电位和心电图中的伪迹、母体与胎儿心电图以及肌肉收缩干扰。

第4章：事件检测

讲P波、QRS波、T波和心音的检测、脑电节律的相关分析、互谱技术、匹配滤波器和同态滤波。应用包括心电节律分析、心音识别以及第二心音主动脉成分的检测。

第5章：波形与波形复杂度分析

从发现事件转向描述其形状：事件相关电位分析、心电波形的形态分析、包络提取和活动度分析。应用包括正常与异位搏动、运动心电图、与力相关的肌电图、呼吸、关节振动图信号的统计分析以及肌电图的分形分析。

第6章：信号与系统的频域表征

讲功率谱密度的估计及由其导出的度量，应用于人工心脏瓣膜、关节振动图信号的分形分析和脑电信号的谱分析。

第7章：生物医学信号产生过程与系统的建模

涉及点过程、参数系统建模、自回归和极零点建模、信号产生的机电模型以及心脏的电生理模型。应用包括心率变异性、心音图信号的谱建模和冠状动脉疾病。

第8章：非平稳信号的自适应分析

时变系统、固定与自适应分段、用于分段的自适应滤波器、卡尔曼滤波器、小波分析和双线性时频分布。应用面很广：脑电和心音图分段、心率变异性、婴儿哭声、光电容积脉搏波去噪、心肺复苏研究、心室颤动、癫痫发作以及用于假肢控制的神经解码。

第9章：基于自适应分解的信号分析

匹配追踪、经验模态分解、字典学习、基于分解的自适应时频分布以及混合信号的分离。应用包括癫痫发作检测、关节振动图信号、T波交替、从单通道提取胎儿心电图以及用于脑机接口的脑电分析。

第10章：计算机辅助诊断与医疗保健

模式分类（有监督与无监督）、概率模型与统计决策、逻辑回归、神经网络、诊断准确性与成本，以及特征和分类器的可靠性。应用包括异位心电搏动、膝关节软骨病变、睡眠呼吸暂停和帕金森病监测，本章以计算机辅助诊断的优势与局限收尾。

核心概念

第1–3章

• 生物医学信号的特征：心电图、肌电图、脑电图等信号的来源与典型形态。
• 并发、耦合与相关过程：对相互作用的生理系统的信号合并分析。
• 随机噪声、结构性噪声与生理噪声：滤波必须应对的干扰类别。
• 同步平均、维纳滤波与自适应滤波：去除伪迹的主要滤波方法。

第4–7章

• 事件检测与匹配滤波器：在记录中找出波形和声音。
• 波形与复杂度：包络、活动度和分形度量。
• 功率谱密度估计：信号的频谱描述。
• 自回归与极零点模型：信号产生的参数模型。

第8–10章

• 自适应分段与小波分析：处理性质随时间变化的信号的方法。
• 匹配追踪、经验模态分解与字典学习：对多分量信号的基于分解的分析。
• 模式分类与诊断准确性：从特征走向计算机辅助决策。

评析

优点

• 以问题为先的结构。 每章按问题陈述、案例、方法、应用的模式展开，使技术与具体信号相联系；各章的小节列表显示十章布局一致。
• 方法由浅入深。 出版社称先介绍基本的教科书方法，再介绍以研究为依据的方法，各章内容印证了这一点：第3章从滑动平均滤波器讲到自适应滤波器，第8、9章则涉及小波、经验模态分解和字典学习。
• 信号与应用范围广。 应用涵盖心脏、神经、肌肉、呼吸和关节信号，从心电节律分析到脑机接口。
• 练习材料。 每章末都有思考题和实验练习，在线资源库提供数据文件和解答。

局限

• 数学与信号处理基础。 书中说，关于信号、系统和变换的入门部分使非电气工程专业的读者也能读懂，但没有这方面基础的读者会觉得第3、7、8章要求较高。
• 案例取自作者自己的研究。 出版社指出案例来自作者自己的工作，有些反复出现：例如关节振动图（VAG）信号出现在第1、3、5、6和9章。
• 版本差异。 第三版有十章，第二版为九章，因此章节编号、练习和页码与旧课程材料不同。

在课程中的定位

Rangayyan 是本课程中以案例驱动的研究生层次教材。Semmlow 的 Biosignal and Medical Image Processing 专为生物医学工程师而写，在图像处理之外也涵盖滤波以及频谱和时频分析。Tompkins 的 Biomedical Digital Signal Processing（1993）是以心电图为中心、偏重实验的入门书。Circuits, Signals, and Systems for Bioengineers 借助 MATLAB 讲授电气工程基础，Smith 的 The Scientist and Engineer’s Guide to Digital Signal Processing 则是通俗易懂的数字信号处理入门。

如果滤波、卷积和傅里叶变换对你还是新内容，可先读后两本之一。然后由 Rangayyan 补上生物医学的深度：信号本身、影响信号的伪迹，以及从分析走向诊断的路径。

如何使用本书

本书适合生物医学工程和电气工程的高年级本科生与研究生，以及需要生理信号分析方法的研究人员。主要预备知识是信号、系统和变换，开篇几节提供了复习。

实用的阅读计划：

• 核心： 第1至4章，了解信号、噪声和检测。
• 随后： 第5至7章，学习波形、频谱分析和建模。
• 进阶： 第8、9章（非平稳信号与分解）和第10章（分类与诊断）；若目标是计算机辅助诊断，可提前读第10章。
• 练习： 做思考题，并利用实验练习和在线数据文件在真实记录上复现结果。