资源描述：
《《生物医学信号处理》实验3报告.doc》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、《生物医学信号处理》实验报告评分大理大学实验报告2015—2016学年度第3学期课程名称生物医学信号处理实验名称数字相关和数字卷积专业班级2013级生物医学工程1班姓名张雪路康学号20131661332013166148实验日期2016年5月13日星期五实验地点理科楼GC612第14页共14页《生物医学信号处理》实验报告一、实验目的熟悉数字相关的运算，初步在信号处理中应用相关技术。二、实验环境1.硬件配置：处理器（Intel(R)Pentium(R)4cpu2.80GHz）、CD-ROM驱动器、鼠标、内存1GB(1024MB)、
2、32位操作系统2.软件环境：MATLABR2012b三、实验内容1.实验原理相关可以从时域角度表现信号间的相似（关联）程度，是统计信号处理最基本的一种手段之一。设有离散信号x(n)和y(n)，线性相关函数定义为：实际采集的信号总是有限长度，用有限的样本估计相关（自相关）函数求和项总数不是N而是N-
3、m
4、，因为当n=N-
5、m
6、-1时，n+
7、m
8、=N-1。此时xn+m已经到了数据边沿。这种估计是渐进无偏估计和一致估计。计算中，只要将其中一个序列反转，就可以用计算线性卷积的程序计算线性相关因此可以用FFT来加速相关运算，即对序列补零后
9、，用循环相关计算线形相关，然后用循环卷积的快速算法计算循环相关，得到最终结果。2.实验内容已知发射波形，利用相关技术，在有强背景噪声的情况下检测回波的延时和强度。首先使用已知信号模版及其若干次衰减延迟生成仿真回波波形，然后与白噪声背景叠加，构造仿真信号。然后计算模版与仿真信号的相关函数，判断回波位置及相对强度。3.思考题尝试修改程序，包括改变仿真信号中模版的形状，噪声的强弱，噪声的类型（对白噪声滤波可以获得各种有色噪声），哪些因素会影响相关函数的结果？第14页共14页《生物医学信号处理》实验报告四、实验结果与分析程序代码：cle
10、ar;clc;disp('请选择信号');disp('1----实际测量的心电信号');disp('2----实际测量的脑电信号');disp('3----实际测量的颅内压信号');disp('4----实际测量的呼吸信号');disp('5----方波信号');disp('6----正弦信号');disp('7----指数衰减信号');disp('8----指数衰减正弦信号');b=input('信号：');np=0:99; %生成0到99的序列switchb %输入序号，产生相应信号％心电、脑电、颅内压、呼吸case
11、1loadecgdata;p=ecgdata(1:100);p=p'case2loadeegdata;p=eegdata(1:100);p=p'case3loadicpdata;p=icpdata(1:100);p=p'case4loadrespdata;p=respdata(1:100);p=p'case5p=ones(size(np));%方波case6p=sin(pi/5*np);%正弦case7p=exp(-0.06*np);%指数衰减case8p=sin(pi/5*np).*exp(-0.06*np);%指数衰减正弦e
12、nd第14页共14页《生物医学信号处理》实验报告%估计两个相似信号间的时间延迟np=0:99; figure;subplot(1,1,1);plot(np,p); %绘制方波函数图像n=0:1000;w=randn(size(n)); %产生白噪声均值为0方差为一%%%改变噪声类型%%A=fspecial('average'); %生成均值滤波器%%w=filter2(A,w); %用生成的滤波器进行滤波%%w=medfilt1(w); %中值滤波%%%改变噪声强度%w=2+sqrt(1)*w%w=4+s
13、qrt(1)*w%w=sqrt(0.5)*w%w=sqrt(2)*ws=zeros(size(n));A=3; %衰减系数%构造仿真回波信号s(100:199)=s(100:199)+A*(p);s(500:599)=s(500:599)+A/3*(p);s(800:899)=s(800:899)+A/3/3*(p);%构造仿真信号x=s+w;figure;subplot(3,1,1);plot(n,w);title('Noise');subplot(3,1,2);plot(n,s);title('Signal');subpl
14、ot(3,1,3);plot(n,x);title('SignalwithNoise');p=[p,zeros(1,length(x)-length(p))];%如果要求归一化相关系数（相干系数），两个序列要同样长%计算线性相关函数Rps=xcorr(s,p);
