誘發(fā)電位信號(hào)提取新方法的研究.pdf

1、誘發(fā)電位(Evoked Potentials,EP)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(dòng).通常情況下,EP信號(hào)淹沒在很強(qiáng)的背景噪聲中,信噪比通常在-10dB左右,甚至更低,所以噪聲中誘發(fā)電位的檢測(cè)技術(shù)一直是神經(jīng)科學(xué)領(lǐng)域的重要課題.該文對(duì)提取EP信號(hào)的新方法作了簡(jiǎn)要的概述,并引出了獨(dú)立分量分析(ICA)這一新興的信號(hào)處理技術(shù).ICA起源于上世紀(jì)九十年代,現(xiàn)有算法大體上可以分為兩類,一類是基于非高斯性測(cè)度的算法,另一類

2、是基于信息論的算法.該文對(duì)這兩類算法中的比較有代表性的算法進(jìn)行了詳細(xì)的研究,并通過仿真實(shí)驗(yàn)將各算法應(yīng)用于EP信號(hào)的提取,取得了比較滿意的效果.基于信息論的ICA算法主要有三種算法:信息極大(Infomax)算法、最大似然算法和互信息最小化算法.這三種準(zhǔn)則函數(shù)都可以表示為K-L散度的形式.而K-L散度對(duì)于可逆變換的不變性,使得這三種基本算法是等價(jià)的.該文在理論上驗(yàn)證了這三種基本算法的等價(jià)性.ICA的兩類基本算法各有所長(zhǎng).基于非高斯性測(cè)度的

3、算法收斂快,但不能在線學(xué)習(xí).基于信息論的算法可以在線學(xué)習(xí),但收斂較慢.該文把這兩類算法的優(yōu)點(diǎn)結(jié)合起來,提出了一種加快在線學(xué)習(xí)算法收斂速度的新算法——FastInfomax算法.該算法利用FastICA算法通過少量數(shù)據(jù)獲得一個(gè)接近最優(yōu)解的權(quán)矩陣,然后對(duì)該權(quán)矩陣進(jìn)行線性變換,將變換后的矩陣作為Infomax算法的初始權(quán)值,進(jìn)行在線學(xué)習(xí).其中,FastICA算法是基于非高斯性測(cè)度的算法中最具代表性的,可以說該算法是現(xiàn)有的收斂最快的ICA算法.