林嵐、吳水纔主編的《現代醫學信號處理》的主
要內容有隨機信號分析基礎、平穩隨機信號的線性模
型及譜估計、維納濾波器與卡爾曼濾波器、自適應濾
波、時頻分析與小波變換、主成分分析與獨立成分分
析。為加深對基本概念和基本理論的理解，加強對基
本方法和基本技能的掌握，本書第1章對現代信號處
理理論及其數學基礎進行了扼要的復習，並在各個章
節末安排了習題，書中還給出了某些重要公式的推導
過程。現代醫學信號處理是一門理論和技術發展十分
迅速、應用非常廣泛的前沿交叉性學科。因此在使用
本教材時，要特別注意對基本概念、基本理論、基本
方法和基本技能的掌握，在此基礎上努力把理論和實
際應用很好地結合起來，不斷跟蹤本學科本領域的新
發展。這樣，纔有可能在自己的工作和學習中爭取作
出創造性的成果。
本書可作為高等學校研究生的學習教材，也可作
為報考生物醫學工程、電子信息專業及其他相關專業
研究生的復習參考書。

前言
第1章 隨機信號分析基礎
1.1 信號的分類
1.1.1 信息與信號的概念及性質
1.1.2 信號的一般分類方法
1.1.3 幾種簡單的信號處理方法
1.2 隨機事件及其概率
1.2.1 隨機事件
1.2.2 排列與組合
1.2.3 頻率與概率的定義
1.3 隨機變量及其概率分布
1.3.1 離散型隨機變量定義
1.3.2 離散型隨機變量的分布列
1.4 隨機變量的數字特征
1.4.1 數學期望
1.4.2 方差
1.4.3 協方差和矩
1.5 平穩隨機過程
1.5.1 隨機過程的各態歷經性
1.5.2 各態歷經平穩隨機過程自相關函數的性質
1.6 生物醫學信號的分類及特點
1.6.1 生物醫學信號的分類
1.6.2 生物醫學信號的特點
習題
參考文獻
第2章 平穩隨機信號的線性模型及譜估計
2.1 平穩隨機信號模型分類
2.2 AR模型
2.2.1 AR模型的正則方程與參數計算
2.2.2 AR模型譜估計的性質
2.3 MA模型
2.3.1 MA模型及其正則方程
2.3.2 MA模型的參數求解方法
2.4 ARMA模型
2.5 ARMA、MA和AR模型間的關繫
2.6 功率譜估計
2.6.1 經典功率譜估計
2.6.2 *大熵譜估計方法
2.7 應用舉例
習題
參考文獻
第3章 維納濾波器和卡爾曼濾波器
3.1 概述
3.2 維納濾波器
3.2.1 線性*優濾波
3.2.2 正交性原理
3.2.3 *小均方誤差
3.2.4 維納.霍夫方程
3.2.5 維納濾波器的設計與實現
3.3 卡爾曼濾波器
3.3.1 卡爾曼濾波器的初步認識
3.3.2 卡爾曼濾波器的實現
3.4 應用舉例
習題
參考文獻
第4章 自適應濾波
4.1 概述
4.1.1 自適應濾波技術的發展
4.1.2 自適應濾波器的組成
4.1.3 自適應濾波器原理
4.2 基於*小均方差誤差的自適應濾波
4.2.1 濾波器*優化算法
4.2.2 自適應濾波器的性能參數
4.2.3 *小均方誤差（MMSE）準則與正交原理
4.2.4 均方誤差（MSE）曲面
4.2.5 *小均方誤差濾波器
4.3 LMS自適應濾波
4.3.1 概述
4.3.2 LMS算法
4.3.3 權矢量噪聲
4.3.4 改進的LMS算法
4.3.5 影響LMS算法性能的因素
4.4 應用舉例
4.4.1 用於脈搏血氧飽和度檢測中消除運動偽差
4.4.2 基於LMS算法的胎兒心電信號提取方法
習題
參考文獻
第5章 時頻分析與小波變換
5.1 概述
5.1.1 時頻分析的基本概念
5.1.2 短時傅裡葉變換
5.2 連續小波變換
5.3 離散小波變換
5.4 多分辨率分析（Mallat算法）
5.4.1 多分辨率分析的概念
5.4.2 小波基的構造
5.4.3 MaUat算法
5.5 應用舉例
5.5.1 小波在醫學圖像去噪中的應用
5.5.2 基於小波分析的乳腺x射線圖像鈣化點特征提取
習題
參考文獻
第6章 主成分分析與獨立成分分析
6.1 概述
6.1.1 主成分分析
6.1.2 獨立成分分析
6.2 主成分分析
6.2.1 數據降維技術
6.2.2 主成分分析技術
6.2.3 主成分的定義、性質與求法
6.3 獨立成分分析
6.3.1 多元數據的線性表示
6.3.2 盲源分離
6.3.3 獨立成分分析模型
6.3.4 獨立成分分析模型的估計方法
6.4 應用舉例
6.4.1 主成分分析在腦年齡預測建模中的應用
6.4.2 獨立成分分析在醫學信號處理中的應用
習題
參考文獻