廣義正態(tài)分布下EP信號潛伏期變化的檢測研究.pdf

1、EP信號是中樞神經(jīng)系統(tǒng)在感受外界或內(nèi)在刺激過程中所產(chǎn)生的生物電活動,因此它的檢測與分析技術(shù)是臨床醫(yī)學(xué)診斷神經(jīng)系統(tǒng)損傷及病變的重要手段之一.通常用于激發(fā)EP信號的外部刺激是周期性的,因此接收到的EP信號也具有某些周期特性,并且總是伴有自發(fā)的EEG信號.EP信號的波峰所對應(yīng)的時間值則稱為潛伏期,潛伏期及其變化是利用EP信號檢測診斷神經(jīng)系統(tǒng)的主要參數(shù).通常將EEG信號作為隨機(jī)噪聲,并采用高斯模型進(jìn)行描述.但實際問題中的EEG信號往往不是高斯分

2、布的,這將導(dǎo)致在高斯假設(shè)下設(shè)計的最優(yōu)系統(tǒng)性能嚴(yán)重退化.α穩(wěn)定分布是高斯分布的推廣,可以用來描述帶有沖激特性的非高斯現(xiàn)象.本文綜述了自適應(yīng)時間延遲估計的理論和算法,并討論了穩(wěn)定分布的性質(zhì)及其應(yīng)用.文中采用α穩(wěn)定分布描述EP信號中的EEG噪聲,重點研究了基于分?jǐn)?shù)低階統(tǒng)計量的EP信號潛伏期變化的檢測.本文討論了在不同的噪聲下的DLMS(直接最小均方)和DLMP(直接最小p范數(shù))算法的性能,可以看到基于二階矩的DLMS算法在α穩(wěn)定分布噪聲下性能

3、嚴(yán)重退化.由于α穩(wěn)定分布不存在有限的方差,因此在進(jìn)行信噪比設(shè)定時不能采用傳統(tǒng)意義下的設(shè)定方法.本文采用混合信噪比的概念,并把它用于信號噪聲模型,以得到更加符合實際的EP和EEG設(shè)定.DLMP算法通過對自適應(yīng)系統(tǒng)誤差信號的絕對值進(jìn)行p次方處理,并與誤差信號本身的符號極性,可以有效地抑制尖峰脈沖,并保護(hù)誤差信號免受顯著失真的影響,從而有效地檢測并估計出分?jǐn)?shù)低階α穩(wěn)定分布噪聲條件下EP信號的潛伏期變化.通過分析、比較,可知DLMP算法作為一種