- •1(Часть 1) Разделы дисциплины.
- •1.1Биометрия
- •1.2Этапы истории
- •2Предмет и основные понятия биометрии
- •2.1Группировка первичных данных
- •2.2Признаки и их свойства.
- •2.3Классификация признаков
- •2.4Причины варьирования результатов наблюдений
- •2.5Точность измерений и действия над приближенными числами
- •2.6Способы группировки первичных данных
- •2.7Статистические ряды.
- •2.8Графики вариационных рядов
- •2.9Особенности биообъекта и экспериментальных данных о его свойствах и состоянии. Основные источники медико-биологических данных.
- •3Общая характеристика биологических сигналов и медико-биологических данных
- •3.1Случайный сигнал и случайная величина
- •3.2Одномерные случайные сигналы. Функция распределения и плотность вероятности
- •3.3Усреднение. Моменты случайной величины
- •3.4Равномерное распределение случайной величины
- •3.5Гауссово (нормальное) распределение
- •3.6Статистические характеристики систем случайной величины (Многомерные сигналы)
- •3.7Функция распределения и плотность вероятности.
- •3.8Вычисление моментов
- •3.9Корреляция
- •3.10Статистическая независимость случайных величин.
- •3.11Многомерное Гауссово распределение.
- •3.12Случайные процессы.
- •3.12.1Предварительная обработка сигналов.
- •3.12.2Моментальные функции случайных процессов.
- •3.12.3Взаимная функция корреляции двух случайных процессов.
- •3.13Помехи и их математические модели.
- •3.13.1Виды аддитивных помех.
- •3.13.2Законы распределения помех.
- •3.13.3Отношение сигнала помехи на прмере гауссовских помех.
- •4Основные понятия теории обнаружения сигнала
- •4.1Проверка статистических гипотез.
- •4.2Критерий Неймана-Пирсона.
- •4.3Алгоритмы обнаружения.
- •5Фильтрация сигналов
- •5.1Временная фильтрация.
- •5.2Частотная фильтрация.
- •5.3Связь между фильтрацией и сверткой.
- •5.4Физически реализуемые линейные фильтры частоты.
- •5.5Идеальный фильтр.
- •5.6Реализуемые непрерывные аналоговые фильтры.
- •5.7Узкополосные фильтры.
- •5.8Оптимальная фильтрация.
- •6(Часть 2) Корреляционный анализ
- •6.1Функциональная зависимость и корреляция
- •6.2Параметрические показатели связи. Коэффициент корреляции
- •6.3Вычисление коэффициента корреляции при малых выборках
- •6.4Минимальный объем выборки для точной оценки коэффициента корреляции
- •6.5Вычисление коэффициента корреляции при больших выборках
- •6.6Оценка разности между коэффициентами корреляции
- •7Качественное описание задач распознавания
- •7.1Основные задачи построения системы распознавания
- •7.2Параметрические и непараметрические методы и критерии
- •7.3Параметрические критерии
- •7.4Непараметрические критерии
- •7.5Статистические методы классификации многомерных наблюдений
- •7.6Минимаксный критерий
- •8Вопросы планирования исследований
- •8.1Приближенные оценки основных статистических показателей
- •8.2Определение необходимого объема выборки
- •9Типы медицинских изображений. Способы их обработки
- •9.1Иднтификация пространственных объектов. Схема этапов распознавания
- •9.2Обработка точечных изображений
- •9.3Моделирование процесса идентификации точечных изображений на эвм
- •9.4Основные принципы цифровых операций над изображениями
- •9.5Операции над изображениями. Хранение и представление изображений.
- •9.6Цветные изображения
- •9.7Окружающие и примыкающие пиксели
- •9.8Основные требования к аппаратуре
- •9.9Устройства ввода изображений
- •9.9.1Видеокамеры
- •9.9.2Насадки
- •9.9.3Другие устройства ввода изображений
- •9.10Устройства вывода изображений на дисплей
- •9.11Процессоры
- •9.12Критерий полезности признаков при распознавании объектов
- •9.13Геометрическая модель биологических данных. Система геометрических признаков при распознавании объектов
- •9.14Простые методы обработки изображений
3.13.3Отношение сигнала помехи на прмере гауссовских помех.
Обозначенное отношение сигналов помехи по мощности на входе типового звена q0, а соответствующее отклонение на выходе первого, второго, третьего элементов через q1, q2, q3.Таким образом, величина q3 определяет отношение сигнал-помеха на выходе типового звена. При гауссовской помехе, поступающей вместе с сигналом на вход типового звена ФВЧ для обеспечения максимального отношения на выходе должен быть выполнен в виде линейного оптимального фильтра с характеристиками, согласованными с характеристиками сигнала. Если полоса оптимального фильтра существенно меньше ширины спектра помехи, то помеху рассматривают как гауссовский белый шум и отношение сигнал-помеха на выходе ФВЧ единого сигнала определяют соотношением: g=2Э1/N0, где Э1- энергия единичного сигнала; N0- спектральная плотность шума.
С выхода фильтра 1 на вход амплитудного детектора поступает аддитивная смесь сигнала S1 и помехи x:
Y=S+x.
При квадратном детекторе, когда помеха x=x(t) имеет характер гауссовского шума, отношение сигнала к помехе по мощности q2 на выходе детектора будет следующей: q2=kmq12/(1+2q1), где km- коэффициент, зависящий от функции распределения сигнала, q1-отношение сигнал-помеха по мощности на входе детектора, т.е. на выходе высокочастотного фильтра 1.
При сильном сигнале, когда q1 1 отношение сигнал- помеха: q2=kmq1/2.
При слабом сигнале, когда q1 1 отношение сигнал-помеха: q2=kmq12.
Значение коэффициента:
km= ,
где M{A(t)4}- математическое ожидание или среднее значение,
A(t)- огибающая сигнала, т.е. его моделирующая функция. Для постоянного сигнала A(t)=A0=const.
Для гармонического немоделирующего сигнала km=1.
4Основные понятия теории обнаружения сигнала
4.1Проверка статистических гипотез.
При рассмотрении задач по обнаружению сигналов одним из наиболее удобных методов является метод статистических гипотез. Предположим, что ведется наблюдение некоторого случайного события, которое может произойти вследствие одной из двух взаимоисключающих причин А0 и А1.
Гипотезу о том, что событие обусловлено причиной А0 обозначим М0. Гипотезу о том, что событие обусловлено причиной А1обозначим М1. Для проведения исследований требуется предложить решающие правила, по которым будет производиться выбор М0 и М1. Предположим , что для события А0 известен вероятный закон Р0, соответствующей плотности вероятности ω0, а для события А1 соответствующий закон Р1 и ω1. Можно назвать гипотезу М0-нулевой гипотезой, а М1- альтернативной, вследствие того, что М1 отрицает М0. При принятии решения об этом выборе можно допустить два рода ошибок. Возможны ошибки, состоящие в отклонении правильной нулевой гипотезы, такие ошибки называются ошибками первого рода, также можно признать правильной ложную гипотезу М0-ошибка второго рода. При обнаружении сигнала в помехах может иметь место два основных случая: нет сигнала и есть сигнал. Причем первый случай соответствует гипотезе М0, второй- М1. Рассмотрим случаи обнаружения детерминированного сигнала s(t) в аддитивном шуме, имеющем нормальное распределение. Ошибки первого рода будут возникать в случае принятия решения о том, что есть сигнал при верной гипотезе М0, предполагающей, что сигнала нет. Эту ошибку называют ложным обнаружением. Ошибке второго рода соответствует случай принятия решения об отсутствии сигнала в то время, как он естественно не обнаружен в помехах. Эту ошибку называют пропуском сигнала, здесь ошибка возникает вследствие того, что признается правильной ложная гипотеза М0. Ошибки при обнаружении сигнала представляют собой случайные события, которые можно охарактеризовать их вероятностью.
Вероятность ошибок первого рода обозначим через α, а второго рода через β. Вероятность пропуска сигнала β непосредственно связано с вероятностью правильного обнаружения D=1-β. В технических системах для принятия решения о наличии или отсутствии сигнала применяются пороговые устройства, с некоторым порогом Uc, если U в приемном устройстве, подаваемое на пороговое, больше Uc (U Uc) , то сигнал есть. Если
U Uc, то сигнала нет. Существует некоторая отличная от 0 вероятность того, что при отсутствии сигнала уровень порога будет больше за счет шумов.
Это соответствует вероятности ложного обнаружения (ошибка первого рода).
α= ,
где ωn(u) - плотность вероятности напряжения шумов.
Для вероятности пропуска сигнала (ошибка второго рода):
β=1-
Вероятность правильного обнаружения:
D=1-β= ;
где ωsn(u)- плотность вероятности смеси помехи и сигнала.