3.2信号弱，噪声强

　　一般直接从人体中检测到的电信号幅值比较小。因此，在处理各种生理信号之前要应用放大器。噪声是指其他信号对所研究对象信号的干扰，研究时需要对信号去除噪声再进行研究。

　　3.3频率范围低

　　经频谱分析可知，除声音信号(如心音)频谱成分较高外，其他电生理信号的频谱一般较低。

　　3.4周期性

　　生物信号的幅值会随着时间而产生周期性的变化，如图3所示的心电波形。首先，将连续信号分为单个波形，即找到电波的最高点为分割点;然后，将连续波形分为多个单段连续的波形。若分割点选取不准确，将会对信号的判断产生影响.生物信号具有维度高、数据多等特征，在相似性分析方面存在一定的难度。由于人们大都注意特征数据的提取方法，因此希望距离度量采用更简单的方法。生物信号经过复杂的特征数据提取后，距离度量通常采用简单方法降低运算复杂程度，提高准确率。生物信号具有信号弱、噪声强、频率范围低等特点，需要采用相应方法达到降维、去噪的功能。通常提取初次特征后，剩余的信息量仍然会很大，因此需要对特征数据进行再优化，采用该方法虽然能保证较高的准确率，但优化过程复杂度过高。

　　4窗口斜率的特征表示方法

　　特征提取方法是相似性分析的重要内容，是影响分析的效率和精确性的重要保证。由于生物信号波形的相似性，我们需要关注波形中特征点的微小差异，重视波形中的细节走势变化，对波形进行分类研究。上文提到，特征提取优化过程复杂度很高，难以同时兼顾提取的效率和准确性，但因为生物信号波形具有周期性，可以将波形按照周期进行划分，波形的变化走势可以用不同阶段内的斜率表示，因此本研究提出了采用窗口斜率的特征表示方法。

　　4.1窗口斜率表示法

　　基于X、Y轴的波形图表示方法。首先将该坐标内的区域进行网格划分，网格的大小可由两个参数:阈值t和网格高度h决定。对横坐标的划分网格大小由阈值t确定，对纵坐标的划分网格大小由网格高度h确定。两个参数t和h的大小对窗口效率法分析结果影响较大，对于不同的生物信号波形应选取合适的参数进行划分。在网格划分中，首先设定两个参数，窗口阈值为t，网格高度为h。则波形的任意一个窗口的幅值可表示为(at(i－1)+1，…，ati+1)。任意一个窗口内的纵向幅值差可以通过公式(3－1)来表示。(3－1)从公式可以看出，当阈值t固定后，公式所计算的值实际就是窗口内的斜率，因此这种方法称作窗口斜率表示法。

　　4.2参数确定

　　从上述公式的计算方法我们可以看出，窗口斜率特征法的参数t对于窗口内斜率的计算有着重要的影响，参数选择过大，则无法起到精细分析的效果;参数选择过小，会导致任务量增加，网格高度一般选择0.1且不变动。图5显示了心电波形和锋电位波形的形状，进行两种心电波形分析时，采用窗口斜率法首先确定阈值和高度。通常，窗口阈值在关键波峰的1/10～1/5内选择，经过大量实验数据表明，心电波形窗口阈值为4时效果最佳，锋电位波形窗口阈值为2时效果最佳.

　　4.3窗口斜率法特征提取结果

　　窗口斜率法的实质就是将坐标内的波形图进行网格划分，对网格内的数据进行斜率计算，计算结果表现在坐标内，从而对相似的波形区分开来。生物信号具有复杂性、纬度高等特征，非常适合采用窗口斜率法进行特征提取。在特征提取过程中主要关注窗口内斜率的变化规律，即使几个波形走势非常相似，但反映在斜率变化上会有很大的不同。图6显示了3种相似的波形经过窗口斜率法计算后，结果对比差异很明显。计算前可以看到3种原始波形很难区分，但通过窗口斜率计算后，特征体现在斜率上会有很大的变化，通过这些变化可以准确判断波形类别，再进行下一步研究分析。

　　4.4窗口斜率法特点

　　窗口斜率特征提取法是基于生物信号复杂性与相似性的难点而定。对3种相似的波形采用窗口斜率法计算后，其斜率波形表现出明显的差异，因此，窗口斜率法对于生物信号波形的特征提取非常有用，其原理较为简单，计算方法方便。经窗口斜率法对序列降维计算，能够节约计算量。此外，窗口斜率法能够维持灵敏度和特异度的平衡，使其均保持在较高水平，即在避免异常波形漏检的情况下，提高了波形识别的准确率。因此，窗口斜率法可作为生物信号相似波形处理的重要手段。然而，窗口斜率法的关键点在于选择合适的阈值参数，它很大程度影响计算的准确性。寻找最优阈值是一个烦琐的工作，需要不断地迭代计算。窗口斜率法的关键点在于窗口阈值的选取，该参数对斜率计算结果影响很大，而且对不同波形时要求不尽相同。通过手动选取分类阈值，计算结果会有误差，选不到最优阈值，分类结果也得不到最优。如果阈值范围很大，会造成任务量增大，如何选择确定合适的阈值参数，对于窗口斜率法的应用具有重要影响，这也是下一步工作的主要方向。此外，未来的工作还需要一些实验结果来论证此方法的效果，通过对不同信号波的研究，确定选择最佳阈值参数的方法与理论。