电阻抗成像技能(Electrical Impedance Tomography， EIT)是当今生物医学工程严重研讨课题之一，是继形状、结构成像之后，于八十年代呈现的新一代有用的无损伤功用成像技能。本章首要介绍电阻抗成像技能理论，生物电阻抗丈量体系原理以及生物电阻抗丈量体系中弱信号检测技能理论，剖析了常用的弱信号检测办法并介绍了阻抗丈量中弱信号检测的噪声来历及处理办法。
2.1电阻抗成像技能
电阻抗成像是一种依据传统CT思维，以人体内部电阻率(电导率)的散布为成像方针的新式医学成像技能，它是一种廉价的无损伤勘探技能。它不运用放射源，对人体无害，可作为对患者进行长时刻的、接连的监护的医学监护技能。它依据人体安排与器官的电特性(电阻率、电容率)，通过外表电极阵列施加鼓励电流或电压，丈量鸿沟电压或电流信号来获取物体内部电特性参数散布，然后重建物体内部结构与功用特性图画。因为人体不同安排和器官的电特性不同，这种EIT图画不只包括了丰厚的解剖学信息，而且能够取得与安排和器官电特性相应的生理、病理状况和功用信息，在研讨人体安排与器官功用改变和疾病诊断方面有重要的临床价值。
EIT的首要研讨问题有：EIT正问题、逆问题核算和硬件体系规划。硬件体系规划首要由三部分组成，电极阵列传感器、数据收集和图画重建核算机。传感器将多相流体散布转化成输出电极，数据收集体系将电极值转化为数字量并传送给核算机，核算机依据图画重建算法重建出被测物体的介质散布。
电阻抗断层成像EIT的方针是检测安排电特性的差异然后发生断层图画。EIT检测出来的安排电特性的信息是其它成像手法所不能够检测的，这样或许就会揭开一些其它检测手法所不能够供给的重要临床医疗信息。它注入人体电流的崎岖和频率都比较低，与其他检测手法如x射线、CT、核磁共振(MRI)比较，具有对人体无创无害、设备本钱低价、成像速度方便、运用安全和带着方便的长处。
人体能够看作是一个包括很多的具有不同电特性和不同空间散布的安排构成的杂乱的导体。人体不同部位不同器官不同的安排具有不同的构成特色和组成成份，表现出相应的阻抗特性，它们之间的差异也十分显着。而且安排的阻抗与施加信号的频率有直接的联系。表2.l和表2.2给出了不同离体安排在不同频率下的电阻率和介电常数。
从表2.1和表2.2能够看出，频率越高，生物安排的电导率越大，相对介电常数越小。EIT技能也在往高速高精度开展，体系中采样速度和精度是最要害的要素。
2.2弱信号检测办法
弱小信号检测是EIT体系的前端处理技能，通过前端检测预处理，不至于使有用信号吞没于噪声之中，更有利于获取有用的信号。整个EIT体系精度随之进步，功能一起也得到较大的改进。
2.2.1典型的阻抗丈量体系原理
阅历了近20年的开展，EIT成了一个有必定根底的研讨范畴。各研讨机构也相继推出各自的研讨办法与体系。大多数研讨机构都是通过在人体成像部位周围安置电极，将信号源通过电流施加到人体成像部位，一起丈量鸿沟电压或电流，通过各种办法取得或存储剖析测得传输复阻抗数据，使用这些数据通过重建算法进一步处理成像。其原理如图2.1所示。
体系中操控及信号检测收集单元常常是硬件规划的中心，这个要害要素直接影响后期算法重建及成像成果。给信号检测与收集供给杰出的前端信号正是本文研讨的要点之一。
2.2.2典型的前端弱信号检测体系原理
典型的前端信号收集的硬件电路首要包括收集电极、扩大滤波电路和AD改换。依据生物肌体的电特性和收集技能的基本要求，生物肌体所反应回来的电信号十分弱小，散布在mV级和μV级。因而，需要对弱小信号进行扩大，扩大后才干到达AD收集单元的要求。典型的弱小信号检测调度组成框图如图2.2所示，前端检测预处理模块的规划包括以下几个部分：电极传感器、电压/电流丈量扩大、前置扩大、ADC转化电路等。
数据收集技能是信息获取进程中的要害技能，是模仿国际到数字国际的桥梁。
数据收集技能作为信息技能的重要组成部分，现已广泛使用于国民经济和国防建设各个范畴，跟着科学技能的开展，尤其是核算机技能的开展和遍及，数据收集技能有着广泛的开展前景。
弱小信号检测作为数据收集的前端作业，直接影响数据收集的采样精度和采样速度。在生物电阻抗丈量中，数据收集有其特殊性，因为生物肌体自身便是电导体，工频搅扰和体外的电场、磁场感应都会在人体内构成丈量噪声，搅扰信号检测，因而，弱小信号检测就成了整个体系研讨的要点之一。
2.2.3阻抗丈量中弱信号检测的噪声来历
在生物弱信号检测进程中，因为实践作业情况并非抱负状况，检测信号中往往含有很强的布景噪声。这些噪声既包括肌电噪声、呼吸波噪声、脑电噪声、心电噪声等生物噪声，一起也有工频噪声、电路板内部噪声、共模噪声等电噪声。
噪声关于弱信号检测，几乎是无处不在无处没有的，它总是与信号共存的。在传统检测办法中，总是想方设法的通过按捺噪声来检测有用信号，但是按捺噪声一起，不免会引起信号遭到衰减和丢失，因而，怎样处理这个对立常常是研讨人员需处理的问题。
一般以为，信号是确认的，是时刻的函数，咱们能够事前核算且丈量出它在某一时刻的值。在实践的信号检测中，信号常常随同有噪声或其他搅扰。
因为生物医学的特殊性，传感器的输出信号一般都很弱小，而且吞没在强噪声布景中，然后噪声成为信号检测的首要问题。弱小信号检测的意图是将信号和噪声区别，把吞没与噪声中的信号提取康复。在信号检测体系中，能够处理的最高信号电平受电路特性的约束，但最小可检测的电平取决于噪声，即噪声约束了体系的动态规模和传感器的分辨率。关于生物电阻抗丈量体系来说，更是如此。生物电阻抗丈量中的噪声包括两个部分，一部分是由生物肌体自身阻抗等特性带来的搅扰，它通过传感器、电极接触面和个人自身个体差异构成噪声；另一部分是由电路中的随机扰动发生的电噪声。
2.2.3.1生物肌体噪声
电源鼓励信号的幅值小、噪声强。因而，能否有用去除弱小的电源鼓励信号中的噪声并提取其特征信息对电源鼓励信号的研讨和临床使用具有重要意义。生物的脑电、心电、肌电都会成为噪声发生的原因。脑电是人脑神经元突触后电位的归纳成果，是脑神经细胞电生理活动在大脑皮层或头皮外表的整体反映[20]。在不受外界影响的天然状况下，人脑发生的自发脑电信号一般被看做对错平稳比较突出的随机信号。生物自身的心电和肌电信号是人体在天然状况下发生的相似周期性的信号，也会引起噪声。
2.2.3.2电噪声
检测中的电噪声首要是由检测体系内部噪声引起，由电阻和各种器材发生的。绝大多数的电噪声是一个接连型随机变量，是一种前后独立的平稳随机进程，在任何时刻，它的崎岖、相位以及波形都是随机的，但仍是服从于必定的核算散布规则。
电阻热噪声是由电阻内部自由电子的热运动而发生的。崎岖电流，电阻中的带电微粒(自由电子)在必定温度下遭到热激起后，在导体内部作无规则的运动(热骚乱)而彼此磕碰，两次磕碰之间进行时，就发生一持续时刻很短的脉冲电流。许多这样的随机热骚乱电子所发生的这种脉冲电流组合，就在电阻内部构成了无规则的电流。在一满足长的时刻内，其电流的均匀值等于零，而瞬时值就在均匀值上下变化。当实践电路中包括多个电阻时，每一个电阻都将引进一个噪声源。一般若有多个电阻并联时，总噪声电流等于各个电导所发生的噪声电流的均方值相加。
2.3常用弱信号检测算法
生物弱信号的特色是崎岖小，往往吞没在噪声之中。为了检测被布景噪声掩盖的弱小信号，人们进行了长时刻的研讨作业，剖析噪声发生原因及规则，研讨被测信号的特色、相关性及噪声的核算特性，以寻觅从布景噪声中检测出有用信号的办法。常用的弱小信号检测办法有：相干检测法、依据混沌振子的弱小信号检测、同步累积法、双路消噪法、窄带滤波法等。
2.3.1相干检测法
相关接纳技能是使用信号周期性和噪声随机性的特色，通过自相关或互相关运算，到达去除噪声、检测出信号的一种技能[13][15]。因为信号和噪声是彼此独立的进程，依据相关函数和互相关函数界说，信号只与信号自身相关，与噪声不相关，而噪声之间一般也不相关。
2.3.1.1自相关检测
完成自相关检测的原理框图[13]如图2.3所示。
设输入x i(t)由被测信号s i(t)和噪声n i(t)组成，即：
x i(t)一起输入到相关接纳机两个通道，其间一路将通过延时器，使它拖延一段时刻τ。通过拖延的x i(t-τ)和未经拖延的x i(t)均送入乘法器内，再将其乘积积分，然后输出均匀值，然后得到相关函数上一点的相关值。假如改变拖延时刻τ，重复上述核算就能得到相关函数R xx(τ)与τ的联系曲线，即得自相关的输出为：
依据互相关函数性质，因为信号s(t)与噪声n(t)不相关，而且噪声的均匀值为零，得到R sn(τ)=0，R ns(τ)=0，则R xx(τ)= R ss(τ) +R nn(τ)。跟着τ的增大，R nn(τ)→0，则对充沛大的τ，可得R xx(τ)= R ss(τ)。这样就得到了信号s i(t)的自相关函数R xx(τ)，它将包括着s i(t)所带着的某些信息。
跟着时刻τ的添加，噪声的自相关函数敏捷衰减，而信号的自相关函数是小衰减的周期函数，然后可检测出有用信号。
2.3.1.2互相关检测
假如发送信号的重复周期或频率已知，就可在接纳端宣布一路重复周期与发送信号相同的本地信号，将本地信号与混有噪声的输入信号进行互相关。如图2.4是完成互相关检测的原理框图，设输入x(t)为：x (t ) = s (t ) +n (t )
s(t)为待测信号，n(t)为信号s(t)中混入的噪声，y(t)为己知参阅信号，若y(t)与信号s(t)有相关性，而与噪声n(t)无相关性，输入经延时、相乘、积分及均匀运算后，得到互相关输出R xy(τ)为：
因为参阅信号y(t)与信号s(t)有某种相关性，而y(t)与噪声n(t)没有相关性，且噪声的均匀值为零，则有R ny(τ)=0，即：
依据互相关函数的性质R xy(τ)中包括了信号s(t)所带着的信号，然后将待测的信号s(t)检测出来。
