1、对医学信号处理的认识医学信号处理的主要任务是：1研究不同生物医学信号检测和提取的方法；2研究突出信号本身、抑制或除去噪声的各种算法；3研究对不同信号的特征的提取算法；4研究信号特征在临床上的应用。根据生物医学信号特点，应用信息科学的基本理论和方法，研究如何从被干扰和噪声淹没的观察记录中提取各种生物医学信号中所携带的信息，并对它们进步分析、解释和分类。生物信号从性质来分可分为生物电信号、磁信号、化学信号、力学信号、声学信号等；从来源来分可分为主动信号和被动信号。医学信号处理的特点有：1信号弱 直接从人体中检测到的生理电信号其幅值一般比较小。因此，在处理各种生理信号之前要配置各种高性能的放大器。2
2、噪声强 要侦测的信号总是受到其它多种信号的干扰，这给信号的检测与处理带来了困扰。因此要采用抑制噪声的处理技术，例如AVE（平均诱发反应方法）、频域滤波、自适应滤波、混沌测量法、人工神经网络算法等。对于工频干扰、运动、呼吸引起的不同信号之间的相互干扰等进行处理。3频率范围一般较低 在信号的获取、放大、处理时要充分考虑对信号的频率响应特性。4随机性强 它的规律必须借助统计处理技术，并且信号的统计特性是随时间而变的,还是非先验性的.在信号处理时使用适当的处理方法如短时傅立叶变换、时频分布（维格纳分布） 、小波变换、时变参数模型、自适应处理等算法进行相应的理想化和简化。从医疗、科研到健康普查方面看，医
3、学信号处理都已有许多成功的例子。如：心电图ECG分析，脑电图EEG分析，视网膜电图ERG分析，X光片处理，CT图像重建，健康普查的医学统计，细胞、染色体显微图像处理，血流速度测定，生物信号的混沌测量等等 信号处理的内容：滤波、变换、检测、谱分析、估计、压缩、识别等一系列的加工处理。 用数字集成电路制成数字信号处理系统. 数字信号处理的算法需要利用计算机或专用处理设备如数字信号处理器（DSP）和专用集成电路（ASIC）等。数字信号处理技术及设备具有灵活、精确、抗干扰强、设备尺寸小、造价低、速度快等突出优点。核心算法是离散傅立叶变换(DFT)， 快速傅立叶变换(FFT)和谱分析。信号处理在生物医学
4、方面主要是用来辅助生物医学基础理论的研究和用于诊断检查和监护。系统软件主要有上位机应用程序、DSP数据采集和处理程序、USB固件和应用程序3个层次构成。现有的生物信号采集和分析系统大部分都是以Pc机或工作站为核心的。近年来，随着大规模集成电路的发展，半导体制造厂商推出了高速低功耗特别适合于数字信号处理的嵌人式DSP处理器和高增益、高共模抑制比集成化仪用放大器等高性能芯片。为研制新一代的采集和实时分析系统提供了物质基础。建立在通用计算机和数据采集(DAQ)设备基础上的虚拟仪器技术的发展为牛物医学仪器的发展带来了广阔的前景。在医学临床和科学研究中，需要采集各种生物电信号、识别信号的主要特征，并判断其规律，特别是对于生物体发出的非周期、随机的生理电信号，需要应用数字滤波、模式识别算法等对信号进行处理。医学信号采集、分析和处理在医学研究、临床诊断与治疗都具有重要意义。近年来。随着信息处理理论，处理芯片的不断进步，生物医学信号处理技术必将以更快的速度发展下去，得到更加广泛的应用。
