生物信号是通过物理方法获得的,定量描述人体健康状况的物理信号。它可以是电信号,也可以是压力信号,例如脑电信号、心电信号、脉搏信号等,医生通常根据这些生物信号的变化诊断各类疾病。随着计算机技术的发展,这些信号通过离散化处理,转换成向量,被各种智能处理技术分析后,辅助医疗诊断。生物信号分析的关键内容是描述信号间的相似性程度,其度量值的精确性直接影响医学诊断。然而,鉴于生物信号伴随噪声、基线漂移、振幅收缩、时间轴弯曲等干扰,以及自身信号微弱的原因,将传统的相似性度量方法,应用于生物信号的相似性度量的计算效果并不令人满意。本文通过深入了解生物医学信号的特征,从信号的时序性和曲线形态入手,提出了一种适于生物信号特征的信号间相似性度量方法,并从以下三方面展开研究:本文根据生物信号的医学和时序特性,科学地分析出代表生物信号关键信息的特征点,并依据这些特征点将生物信号分段,再以每段信号对诊断的贡献率赋予不同的权重,为融合于相似性度量公式提供预处理准备。本文通过对生物信号的曲线形态的研究,提出将用于度量二值图像的相似性的Hausdorff距离用于度量生物信号的相似性,有效地克服了由于噪声、基线漂移、振幅收缩、时间轴弯曲所引起的信号曲线的变化。同时,为了提高Hausdorff距离的区分度,对Hausdorff距离计算方法进行了改进,即将生物信号特征点划分、赋予权重等预处理用于计算Hausdorff距离,从而使得计算结果能更多地体现生物信号的曲线特征。通过对MIT/BIH数据库中的数据进行实验表明,该方法具有更好的区分度。为了在相似性度量计算中进一步体现生物信号的曲线特征,本文在Hausdorff距离的思想基础上,提出基于通道的相似性度量策略。它通过图形化叠加已知类别数据集的方法,使得相似的信号曲线形成图示化通道,然后利用图像处理方法确定通道边界,从而达到判断未知信号对通道的归属关系。实验证明,该方法能够有效地区分不同形态的生物信号,并有一定的包容性。本文研究内容及其所获得的结果具有广泛的应用价值。它不仅可用于度量生物信号间的相似性,还可用于构建生物信号的类别模板库、生物信号聚类效果的评价、基于生物信号的身份识别等领域。此外,本文还对具有时序特性的非线性曲线数据,提出了图示化分类方法的思路和具体实验,为生物信号的进一步研究提供了新的思路。