全文总字数：4995字

1. 研究目的与意义及国内外研究现状

生物学和医学的发展日益成熟，人们越来越重视个体健康，其中人体各个部位所反映出的信号对人体健康有着强烈的指导作用。现代医学的开端，始于听诊器的发明。以前，医生使用听诊器可以用来判别心跳血压呼吸等生命体，可以较为准确地为病人诊断；如今，医学界可以使用更高端的信号采集设备对所需要检测的人体部位进行信息收集，得到一系列相关的信号与标准范围相比较判别一个人的健康程度。但是，人体生物信号绝大部分是低频，甚至超低频信号，这就使得外界的干扰和人体内自身其他信号的干扰会对信号采集产生较大的干扰，比如在检测脉搏波信号时会受到运动伪迹、人体静电等噪声的影响，在检测心电信号是会受到呼吸波、肺电等噪声的影响。所以，目前设备所采集到的信号并不是我们所需要的目标信号，因为其中夹杂着一部分我们不需要的噪声。

基于以上情况，在所检测到的脉搏波信号和心电信号中，分离出目标信号、去除噪声就显得很有必要。在我们所得到的混合信号中，并不知晓哪一部份是目标信号所发出来的，对于我们来说是盲源的，所以有必要用到盲源信号分离技术（bbs）。其中，近几年独立成分分析（ica）在bbs方面的发展较为迅速，不妨我们就用ica技术来实现信号分离得到目标信号。在此之前，我们也有必要对所测得的信号进行预处理，因为脉搏波信号和心电信号都是低频信号，会受到一些高频信号和其他低频信号的干扰。预处理的过程，首先是对所检测的信号进行滤波处理去除高频成分，然后对信号进行集中化、白化、其余信号权重置0处理。针对预处理过的信号，应用基于ica算法的处理手段进行处理，分离出噪声和目标信号，并且从混合信号中分理出想要的呼吸波成份。

在得到最大相似的目标信号之后，结合呼吸波成分，我们也可以从中检测出呼吸率、心率、qrs波等参数。

2. 研究的基本内容

1、盲源分离（bbs）的发展历程及应用领域；

2、结合实例和理论分析独立成分分析（ica）算法的原理，并铺开展示由ica算法衍生出的其他算法，如fast ica算法、负熵算法等；

3. 实施方案、进度安排及预期效果

实施方案：

1、去图书馆或网上查阅人体生物信号的特征以及预处理所需要的注意点；

4. 参考文献

[1]史梦颖. 心电信号特征提取及心律失常分类算法研究[D].天津工业大学,2017. [2]李广康. 基于独立成分分析的噪音分离研究与应用[D].华中科技大学,2016. [3]杜鹏飞. 心电信号的预处理及特征提取算法研究[D].郑州大学,2015. [4]徐洁.基于小波分析的脉搏波信号处理[J].电子设计工程,2013,21(11):31-33. [5]王文波,张晓东,汪祥莉.基于独立成分分析和经验模态分解的混沌信号降噪[J].物理学报,2013,62(05):27-34. [6]赵志强,郑国维,沈巍,廖程.脉搏波信号降噪和特征点识别研究[J].电子设计工程,2013,21(05):57-60. [7]侯宏花,桂志国.基于小波熵的心电信号去噪处理[J].中国生物医学工程学报,2010,29(01):22-28 34. [8]董晓杰. 基于负熵的独立成分分析算法与应用研究[D].哈尔滨工业大学,2009. [9]行鸿彦,黄敏松.心电信号特征点提取的算法研究[J].仪器仪表学报,2008(11):2362-2366. [10]彭飞武,熊平,蔡晓珠,刘建庭,傅伟.论心电信号检测中的噪声与干扰及其消除方法[J].医疗卫生装备,2007(09):72-74. [11]吴逊. 基于独立成分分析的特征提取方法研究[D].厦门大学,2007. [12]徐燕. 脉搏波信号处理方法和临床实验研究[D].重庆大学,2007. [13]陈雪峰. 脉搏波特征提取算法及其应用研究[D].大连理工大学,2006. [14]张建明,林亚平,吴宏斌,杨格兰.独立成分分析的研究进展[J].系统仿真学报,2006(04):992-997 1001. [15]史振威. 独立成分分析的若干算法及其应用研究[D].大连理工大学,2005. [16]武振华,唐焕文,唐一源,潘丽丽.独立成分分析在生物医学信号处理中的应用[J].国外医学(生物医学工程分册),2004(04):211-214. [17]倪永斌,张维忠.脉搏波分析的临床价值[J].现代医学仪器与应用,2002(04):21-24. [18]杨竹青,李勇,胡德文.独立成分分析方法综述[J].自动化学报,2002(05):762-772.

[19]M. P. S. Chawla. Detection of indeterminaciesin corrected ECG signals using parameterized multidimensional independentcomponent analysis[J]. Computational and Mathematical Methods inMedicine,2009,10(2).

[20]Sung-Nien Yu,Kuan-To Chou. Integration of independentcomponent analysis and neural networks for ECG beat classification[J]. ExpertSystems With Applications,2007,34(4).