電阻抗成像技術(Electrical Impedance Tomography， EIT)是當今生物醫學工程重大研究課題之一，是繼形態、結構成像之后，于八十年代出現的新一代有效的無損傷功能成像技術。本章主要介紹電阻抗成像技術理論，生物電阻抗測量系統原理以及生物電阻抗測量系統中弱信號檢測技術理論，分析了常用的弱信號檢測方法并介紹了阻抗測量中弱信號檢測的噪聲來源及處理方法。

2.1電阻抗成像技術

電阻抗成像是一種基于傳統CT思想，以人體內部電阻率(電導率)的分布為成像目標的新型醫學成像技術，它是一種廉價的無損傷探測技術。它不使用放射源，對人體無害，可作為對患者進行長期的、連續的監護的醫學監護技術。它根據人體組織與器官的電特性(電阻率、電容率)，通過表面電極陣列施加激勵電流或電壓，測量邊界電壓或電流信號來獲取物體內部電特性參數分布，進而重建物體內部結構與功能特性圖像。因為人體不同組織和器官的電特性不同，這種EIT圖像不僅包含了豐富的解剖學信息，而且可以獲得與組織和器官電特性相應的生理、病理狀態和功能信息，在研究人體組織與器官功能變化和疾病診斷方面有重要的臨床價值。

EIT的主要研究問題有：EIT正問題、逆問題計算和硬件系統設計。硬件系統設計主要由三部分組成，電極陣列傳感器、數據采集和圖像重建計算機。傳感器將多相流體分布轉換成輸出電極，數據采集系統將電極值轉化為數字量并傳送給計算機，計算機根據圖像重建算法重建出被測物體的介質分布。

電阻抗斷層成像EIT的目標是檢測組織電特性的差異從而產生斷層圖像。EIT檢測出來的組織電特性的信息是其它成像手段所不能夠檢測的，這樣可能就會揭開一些其它檢測手段所不能夠提供的重要臨床醫療信息。它注入人體電流的幅度和頻率都比較低，與其他檢測手段如x射線、CT、核磁共振(MRI)相比，具有對人體無創無害、設備成本低廉、成像速度快捷、使用安全和攜帶方便的優點。

人體可以看作是一個包含大量的具有不同電特性和不同空間分布的組織構成的復雜的導體。人體不同部位不同器官不同的組織具有不同的構成特點和組成成份，表現出相應的阻抗特性，它們之間的差異也非常明顯。而且組織的阻抗與施加信號的頻率有直接的關系。表2.l和表2.2給出了不同離體組織在不同頻率下的電阻率和介電常數。

從表2.1和表2.2可以看出，頻率越高，生物組織的電導率越大，相對介電常數越小。EIT技術也在往高速高精度發展，系統中采樣速度和精度是最關鍵的因素。

2.2弱信號檢測方法

微弱信號檢測是EIT系統的前端處理技術，通過前端檢測預處理，不至于使有用信號淹沒于噪聲之中，更有利于獲取有用的信號。整個EIT系統精度隨之提高，性能同時也得到較大的改善。

2.2.1典型的阻抗測量系統原理

經歷了近20年的發展，EIT成了一個有一定基礎的研究領域。各研究機構也相繼推出各自的研究方法與系統。大多數研究機構都是通過在人體成像部位周圍布置電極，將信號源通過電流施加到人體成像部位，同時測量邊界電壓或電流，通過各種方法獲得或存儲分析測得傳輸復阻抗數據，利用這些數據通過重建算法進一步處理成像。其原理如圖2.1所示。

系統中控制及信號檢測采集單元常常是硬件設計的核心，這個關鍵因素直接影響后期算法重建及成像結果。給信號檢測與采集提供良好的前端信號正是本文研究的重點之一。

2.2.2典型的前端弱信號檢測系統原理

典型的前端信號采集的硬件電路主要包括采集電極、放大濾波電路和AD變換。依據生物肌體的電特性和采集技術的基本要求，生物肌體所反饋回來的電信號非常微弱，分布在mV級和μV級。因此，需要對微弱信號進行放大，放大后才能達到AD采集單元的要求。典型的微弱信號檢測調理組成框圖如圖2.2所示，前端檢測預處理模塊的設計包括以下幾個部分：電極傳感器、電壓/電流測量放大、前置放大、ADC轉換電路等。

數據采集技術是信息獲取過程中的關鍵技術，是模擬世界到數字世界的橋梁。

數據采集技術作為信息技術的重要組成部分，已經廣泛應用于國民經濟和國防建設各個領域，隨著科學技術的發展，尤其是計算機技術的發展和普及，數據采集技術有著廣泛的發展前景。

微弱信號檢測作為數據采集的前端工作，直接影響數據采集的采樣精度和采樣速度。在生物電阻抗測量中，數據采集有其特殊性，由于生物肌體本身就是電導體，工頻干擾和體外的電場、磁場感應都會在人體內形成測量噪聲，干擾信號檢測，因此，微弱信號檢測就成了整個系統研究的重點之一。

2.2.3阻抗測量中弱信號檢測的噪聲來源

在生物弱信號檢測過程中，由于實際工作情況并非理想狀態，檢測信號中往往含有很強的背景噪聲。這些噪聲既包括肌電噪聲、呼吸波噪聲、腦電噪聲、心電噪聲等生物噪聲，同時也有工頻噪聲、電路板內部噪聲、共模噪聲等電噪聲。

噪聲對于弱信號檢測，幾乎是無處不在無處沒有的，它總是與信號共存的。在傳統檢測方法中，總是千方百計的通過抑制噪聲來檢測有用信號，然而抑制噪聲同時，難免會引起信號受到衰減和損失，因此，怎么處理這個矛盾常常是研究人員需解決的問題。

一般認為，信號是確定的，是時間的函數，我們能夠事先計算且測量出它在某一時刻的值。在實際的信號檢測中，信號常常伴隨有噪聲或其他干擾。

由于生物醫學的特殊性，傳感器的輸出信號通常都很微弱，并且淹沒在強噪聲背景中，從而噪聲成為信號檢測的主要問題。微弱信號檢測的目的是將信號和噪聲區分，把淹沒與噪聲中的信號提取恢復。在信號檢測系統中，可以處理的最高信號電平受電路特性的限制，但最小可檢測的電平取決于噪聲，即噪聲限制了系統的動態范圍和傳感器的分辨率。對于生物電阻抗測量系統來說，更是如此。生物電阻抗測量中的噪聲包括兩個部分，一部分是由生物肌體自身阻抗等特性帶來的干擾，它通過傳感器、電極接觸面和個人自身個體差異形成噪聲；另一部分是由電路中的隨機擾動產生的電噪聲。

2.2.3.1生物肌體噪聲

電源激勵信號的幅值小、噪聲強。因此，能否有效去除微弱的電源激勵信號中的噪聲并提取其特征信息對電源激勵信號的研究和臨床應用具有重要意義。生物的腦電、心電、肌電都會成為噪聲產生的原因。腦電是人腦神經元突觸后電位的綜合結果，是腦神經細胞電生理活動在大腦皮層或頭皮表面的總體反映[20]。在不受外界刺激的自然狀態下，人腦產生的自發腦電信號一般被看做是非平穩比較突出的隨機信號。生物本身的心電和肌電信號是人體在自然狀態下產生的類似周期性的信號，也會引起噪聲。

2.2.3.2電噪聲

檢測中的電噪聲主要是由檢測系統內部噪聲引起，由電阻和各種器件產生的。絕大多數的電噪聲是一個連續型隨機變量，是一種前后獨立的平穩隨機過程，在任何時刻，它的幅度、相位以及波形都是隨機的，但還是服從于一定的統計分布規律。

電阻熱噪聲是由電阻內部自由電子的熱運動而產生的。起伏電流，電阻中的帶電微粒(自由電子)在一定溫度下受到熱激發后，在導體內部作無規則的運動(熱騷動)而相互碰撞，兩次碰撞之間進行時，就產生一持續時間很短的脈沖電流。許多這樣的隨機熱騷動電子所產生的這種脈沖電流組合，就在電阻內部形成了無規律的電流。在一足夠長的時間內，其電流的平均值等于零，而瞬時值就在平均值上下變動。當實際電路中包含多個電阻時，每一個電阻都將引入一個噪聲源。一般若有多個電阻并聯時，總噪聲電流等于各個電導所產生的噪聲電流的均方值相加。

2.3常用弱信號檢測算法

生物弱信號的特點是幅度小，往往淹沒在噪聲之中。為了檢測被背景噪聲覆蓋的微弱信號，人們進行了長期的研究工作，分析噪聲產生原因及規律，研究被測信號的特點、相關性及噪聲的統計特性，以尋找從背景噪聲中檢測出有用信號的方法。常用的微弱信號檢測方法有：相干檢測法、基于混沌振子的微弱信號檢測、同步累積法、雙路消噪法、窄帶濾波法等。

2.3.1相干檢測法

相關接收技術是應用信號周期性和噪聲隨機性的特點，通過自相關或互相關運算，達到去除噪聲、檢測出信號的一種技術[13][15]。由于信號和噪聲是相互獨立的過程，根據相關函數和互相關函數定義，信號只與信號本身相關，與噪聲不相關，而噪聲之間一般也不相關。

2.3.1.1自相關檢測

實現自相關檢測的原理框圖[13]如圖2.3所示。

設輸入x i(t)由被測信號s i(t)和噪聲n i(t)組成，即：

x i(t)同時輸入到相關接收機兩個通道，其中一路將經過延時器，使它遲延一段時間τ。經過遲延的x i(t-τ)和未經遲延的x i(t)均送入乘法器內，再將其乘積積分，然后輸出平均值，從而得到相關函數上一點的相關值。如果變更遲延時間τ，重復上述計算就能得到相關函數R xx(τ)與τ的關系曲線，即得自相關的輸出為：

根據互相關函數性質，由于信號s(t)與噪聲n(t)不相關，并且噪聲的平均值為零，得到R sn(τ)=0，R ns(τ)=0，則R xx(τ)= R ss(τ) +R nn(τ)。隨著τ的增大，R nn(τ)→0，則對充分大的τ，可得R xx(τ)= R ss(τ)。這樣就得到了信號s i(t)的自相關函數R xx(τ)，它將包含著s i(t)所攜帶的某些信息。

隨著時間τ的增加，噪聲的自相關函數迅速衰減，而信號的自相關函數是小衰減的周期函數，從而可檢測出有用信號。

2.3.1.2互相關檢測

如果發送信號的重復周期或頻率已知，就可在接收端發出一路重復周期與發送信號相同的本地信號，將本地信號與混有噪聲的輸入信號進行互相關。如圖2.4是實現互相關檢測的原理框圖，設輸入x(t)為：x (t ) = s (t ) +n (t )

s(t)為待測信號，n(t)為信號s(t)中混入的噪聲，y(t)為己知參考信號，若y(t)與信號s(t)有相關性，而與噪聲n(t)無相關性，輸入經延時、相乘、積分及平均運算后，得到互相關輸出R xy(τ)為

由于參考信號y(t)與信號s(t)有某種相關性，而y(t)與噪聲n(t)沒有相關性，且噪聲的平均值為零，則有R ny(τ)=0，即：