Biosignalverarbeitung 1 - Interaktive Studienpläne der TU Ilmenau

- Signale und Systeme
- Mathematik
- Medizinische Grundlagen
- Elektro- und Neurophysiologie
- Elektrische Messtechnik
- Prozessmess- und Sensortechnik

• Fachkompetenz: Die Studierenden kennen die wichtigsten Biosignale im Amplituden- und Frequenzverhalten sowie ihre stochastischen Eigenschaften.
• Methodenkompetenz: Die Studierenden sind in der Lage, grundlegende Algorithmen und Abläufe zur statistischen Beschreibung von Biosignalen zu analysieren und zu verstehen. Sie besitzen die Kompetenz, aus der Vielzahl der zur Verfügung stehenden Methoden die relevanten Ansätze zur Lösung einer speziellen Analyseaufgabe auszuwählen und die Möglichkeiten und Beschränkungen dieser zu bewerten.
• Sozialkompetenz: Die Studierenden sind in der Lage, Lösungsansätze und MatLab-Programme, welche in der Übung entworfen werden, im Team zu diskutieren und zu beurteilen. Sie können dabei ihre eigenen Argumente und Gedanken klar kommunizieren, sowie die Beiträge anderer Studierender wertschätzen.

- Grundlagen der Statistik zur Analyse stochastischer Prozesse
- Stationarität, Ergodizität, Ensemblemodell
- Leistungsdichtespektrum: Direkte und Indirekte Methoden
- Fensterung von Biosignalen
- Periodogramm: Methoden nach Bartlett und Welch
- Schätzung von Korrelationsfunktionen: Erwartungstreue und Biasbehaftete Methoden
- Kreuzleistungsdichte und Kohärenz
- Spektrale Schätzung mit parametrischen Modellen, lineare Prädiktion
- Fourierreihe und -transformation, DFT, FFT
- Methoden der Zeit-Frequenzanalyse, Zeitvariante Verteilungen
- STFT und Spektrogramm
- Wavelets: Theorie und algorithmische sowie technische Umsetzung

Folien mit Beamer für die Vorlesung, Tafel, Computersimulationen. Whiteboard und rechentechnisches Kabinett für das Seminar

1. Bronzino, J. D. (Ed.): The Biomedical Engineering Handbook, Vol. I + II, 2nd ed., CRC Press, Boca Raton 2000
2. Husar, P.: Elektrische Biosignale in der Medizintechnik, Springer, 2020, 2. Auflage von Biosignalverarbeitung, Springer, 2010.
3. Akay M.: Time-Frequency and Wavelets in Biomedical Signal Processing. IEEE Press, 1998
4. Bendat J., Piersol A.: Measurement and Analysis of Random Data. John Wiley, 1986
5. Hofmann R.: Signalanalyse und -erkennung. Springer Verlag, Berlin, Heidelberg, New York, 1998
6. Proakis, J.G, Manolakis, D.G.: Digital Signal Processing, Pearson Prentice Hall, 2007

Prof. Dr.-Ing. Patrique Fiedler