硕研生医一甲 MA0P0102 张家睿 1001 Biosignal Processing ex#2 L.DOC

碩研生醫一甲 MA0P0102 張家睿 1001 Biosignal Processing ex#2 Load the ex2_1.csv as attached Plot the original waveform(the base line adjust to 0.0) 對DATA進行LOAD並使用detrend進行歸0 Add the noise ( -30 db) to the original waveform 使用一randn產生亂數，並加回原來訊號，藉此產生雜訊。 Compute the heart rate( beat/min, mean +- standard deviation) of (2) 使用取樣並取得該點最大值，之後對照回原先數值進行比對，得知心跳率，而-30db雜訊太大不易找尋其規律性，雖然找到了七個點算出heart rate=84，故無法得到該訊號之心跳率，所以改使用自相關係數算出相似區段，並進行訊號相關性比較。 Using the template technique to compute the heart rate of (2) 取樣原始訊號區段(650:750)的一段訊號，做自相關，得到了九次，(9/5)*60=108 所以heart rate=108。 另外又以更大區段的取樣頻率做自相關，取樣訊號(620:740)長度為120，得到結果為八點， (8/5)*60=96，因為頻率取樣點數為1000點，所以自相關取樣距離為120會最接近八，得到非常接近的答案96，因-30db雜訊過大做自相關，訊號會有一定的位移，故此訊號準確度很低。 Compare the spectrum between (1) and (2) 原始訊號的頻譜響應，高頻區段的訊號較少，所以雜訊較少，而加上-30db的頻譜響應圖，全頻段都有雜訊存在，所以加上-30db的訊號是無法使用的。 Use the Welch method to estimate the power spectrum of (1) ( choice the optimal window and overlap parameter) 使用[PS,f] = pwelch(ecgdata(:,2),window(128),overlap,512,200);函數 Overlap為64%的情況下使用hamming,、blackman及parzenwin Overlap為44%的情況下使用hamming,、blackman及parzenwin Tell me your finding 使用自相關在加上雜訊的訊號找心跳率，雖然能準確算出心跳率，但訊號的些許位移，會使醫生在醫療診斷上的判斷出現誤差。 未加雜訊的圖形能明顯看出其PQRST波，而加上-30db後的圖形，訊號無法辨識，調整為-20db時雜訊有降低些許，再調整為-10db雜訊也只有些許差異，可能是randn時的數值每次都不相同所導致三張圖看起來相似。 -30db -20db 而使用hamming window可得到最高的斜率(接近理想濾波器曲線)，故hamming window能得到最好的濾除雜訊的效果， 而over lap使用了兩種百分比數，得到了不同的結果，在百分比為64%的時候，得到的斜率明顯高於44%時的斜率，故越高的over lap能得到越好的雜訊濾除效果。 Use sig_noise to generate a 512 points array that contains two closely spaced sinusoid at 150 and 180 Hz both with an SNR of -20 dB, assumes a sampling rate of 1 kHz. Use the Welch method and find the spectrum of waveform for segment length 512 (no overlap), and 128 point overlap. 將sig_noise.m檔複製到今次所使用的.m檔相同路徑，並套用其函數 No overlap [PS,f] = pwelch(waveform_noise,Blackman(128),0,128,1000); Overlap [PS,f] = pwelch(waveform_noise,Blackman(128),75,128,1000); 使用over lap