图 1.调频频率(FM: frequency modulation)类型和固定频率(CF: constant frequency)类型的蝙蝠的回声定位叫声.
表 C802
共 10 页
第2页
另一个实验的焦点生物为高山田鼠,该实验的师长发现小田鼠在尚未开 眼时,会发出超音波,但此行为会在三个礼拜后消失,因此,他们想长 时间纪录小田鼠的音频讯号,来探讨超音波消失之谜. 生理电讯号: 目前该实验室也正在从事药物刺激对神经系统,循环系统影响之研 究,因此他们也有相关的软硬设备进行神经讯号,血压讯号的撷取与分 析. 目前困扰他们的问题有: (1) 当进行电讯号(如神经讯号,血压脉搏讯号)的测试时,讯号常受到日光灯 闪烁,60 Hz 电力线干扰与基准线漂移等干扰,这将会影响讯号判读. (2) 由於生物的音频讯号为非稳态讯号,因此传统的频谱工具如傅利叶转换往 往无法提供完整的讯号讯息. (3) ㄧ个实验往往需要使用到十多只不同的生物,当分析完讯号并得到所需的 特徵讯号后,实验资料的统计又必须仰赖其他的软体,这些流程常耗费许 多宝贵的时间. 因此,我们所设计的软体,除了会保留原使用软体的功能之外,也会增加 杂讯滤除功能,时频分析功能以及资料统计功能,预期本软体成功的开发 将有助於生物讯号的处理与统计.本计画之计划要点如下 计划要点 1. 友善的的使用者介 面开发 2. 滤波功能 , 频谱分 时频分析, 析 , 时频分析 , 资料 统计 3.软体测试 软体测试 利用 MATLAB 所提供之图形化介面设计功 能完成本软体的使用者介面设计. 研究并整合 MATLAB 内建工具箱或其他学 者所提供之相关函式来完成本软体之相关 功能设计. 请生科系师长进行测试并提供改善建议. 表 1.计划要点
表 C802
共 10 页
第3页
(三)文献回顾与探讨
生物讯号处理大致上可分为滤波与分析两大类.在本计划中,讯号的滤波将 采用数位滤波器与经验模态分解法(EMD)[1],[2],其中 EMD 具备滤波功能[3],可 以将讯号分解并达成杂讯的去除.至於讯号特性的分析将采用快速傅立叶转换 ( Fast Fourier Transform, FFT )[6],功率谱分析 (Power Spectrum Analysis) ,以及时 频 分 析 工 具 如 短 期 傅 立 叶 转 换 (STFT) , 小 波 转 换 (Wavelet Transform) [7] , Wigner-Ville 转换….等等,都将一一探讨并加以实现.,以下是学生对於本计划 相关文件的收集与研读之心得. 1. 数位滤波器: 数位滤波器: 滤波器 IIR(Infinite impulse register)滤波器: IIR 的设计架构含有回授的元件,所以有无限脉冲响应.这种系统表示某一 时刻的输出讯号仅与该时刻或更早时刻的输入讯号有关.一般而言,一个 IIR 滤波器,由於包含 AR 与 MA 两部分,故此类 IIR 滤波器又称为自动回归移动平 均(ARMA)滤波器[4]. FIR(Finite impulse response)滤波器: FIR 的设计架构没有回授的元件,所以为有限脉冲响应.也就是说,输出 讯号与输入讯号有关.FIR 滤波器的响应会在有限的取样时间内衰减,对於有 限的输入,其输出响应必为有限,因此可视为是输入值的加权平均,故又可称 为移动平均(Moving Average)滤波器,简称 MA 滤波器[4]. 2. 经验模态分解法(Empirical Mode Decomposition, EMD) 经验模态分解法 经验模态分解法(EMD)分解是将讯号分解成有限个 IMF 的组合,是藉著 不断重复筛选程序来逐步找出 IMF[3].但在分解过程中必须满足下列条件: (1)整笔资料中局部极大值与局部及小值之数目与跨零点数目必须相等或 差一. (2)任一时间点上,局部极大值所定义的上包络线与局部几小值所定义的 下包络线相加平均值要为零.
表 C802
共 10 页
第4页
图 2.使用 EMD 分析蝙蝠示意图 3. 频谱分析: 分析: 傅立叶转换(Fourier Transform, FT) [5]是将讯号由时域转成频域的方 法,其频谱分析表示为频率-振幅(能量)的分布情形,对於讯号分析上可提供 一简单而有效的方法,其运用的假设条件为以下特点:(1)讯号必须为线性 ( Linear).(2)讯号为稳态(Stationary).傅立叶转换缺点为:无法由频谱图 上看出与时间有关的讯息,也就是无法清楚表示非稳态 (时变) 讯号的频率 特性.某些生物讯号,如蝙蝠的声纳波是一种调频讯号,傅立叶转换无法呈 现该讯号的特性,因此,时频分析工具的开发相当重要. 4. 时频分析: 时频分析: 常 见 的 时 频 分 析 工 具 有 短 期 时 间 傅 立 叶 转 换 (Short-Time Fourier Transform, STFT)以及小波转换(Wavelet Transform)[7],分述如下: , 短时间傅立叶转换(Short-Time Fourier Transform, STFT) 是将讯号是为由许多很小时间区间讯号组成并将每一段时间区间内的讯 号做傅立叶转换,由此找出讯号在时间的特性.这样的作法是先将讯号与时 间轴上不断平移的窗型函数(window function)相乘,藉由窗型函数的平移, 取出特定时间的讯号,再做傅立叶转换找出频率分布.因此,窗型还数的选 取决定了频谱的解析度,但无法同时满足时间与频率的解析度. 小波转换(Wavelet Transform) 拥有多尺度的特性,可以找到局部的时域-频域关系,以函数转换方式 将原始资料分为数个分量 ,我们也可以将它是为一种有可调窗口的傅立叶转 换.但小波的基底含数有长度限制,并且可能产生讯号能量散布的泄露效益 (leakage effect).

上一页下一页