α穩(wěn)定分布噪聲下誘發(fā)電位潛伏期變化的自適應(yīng)檢測.pdf

1、誘發(fā)電位(Evoked Potential,EP)是中樞神經(jīng)系統(tǒng)(CNS)在感受外在或內(nèi)在刺激時(shí)產(chǎn)生的生物電信號(hào).EP信號(hào)潛伏期及其變化表示了神經(jīng)系統(tǒng)的傳導(dǎo)和延遲,從而反映了神經(jīng)系統(tǒng)的狀態(tài)和變化.因此,檢測潛伏期的變化,對于診斷神經(jīng)系統(tǒng)的疾病具有重要的作用.在傳統(tǒng)的EP信號(hào)潛伏期變化檢測算法中,帶噪EP信號(hào)及EP信號(hào)中存在的EEG等加性噪聲通常被假定服從高斯分布.然而,研究表明,用分?jǐn)?shù)低階α穩(wěn)定分布的噪聲模型來描述EP信號(hào)及其噪聲的特性

2、,比常規(guī)的高斯噪聲模型具有更廣泛的適用性.由于分?jǐn)?shù)低階α穩(wěn)定分布信號(hào)不存在有限的二階矩,一些傳統(tǒng)的基于二階矩有限的潛伏期變化檢測算法,如LMS、DLMS算法,其性能出現(xiàn)了很大程度的退化.因此,發(fā)展在分?jǐn)?shù)低階α穩(wěn)定分布模型假設(shè)下具有良好韌性的EP潛伏期檢測算法對于臨床上神經(jīng)系統(tǒng)損傷和疾病的診斷具有十分重要的意義.在分?jǐn)?shù)低階α穩(wěn)定分布噪聲環(huán)境下,對EP信號(hào)潛伏期變化檢測算法中的誤差函數(shù)進(jìn)行連續(xù)非線性變換,可以有效地抑制分?jǐn)?shù)低階α穩(wěn)定分布的噪

3、聲效應(yīng).本文根據(jù)數(shù)字通信系統(tǒng)中廣泛使用的μ律壓縮原理,給出了一種新的非線性函數(shù)形式,并將其應(yīng)用到EP信號(hào)潛伏期變化檢測算法中.計(jì)算機(jī)仿真結(jié)果表明,該方法能夠根據(jù)信號(hào)噪聲特性的變化,動(dòng)態(tài)地調(diào)整自身的參數(shù)值,在抑制了分?jǐn)?shù)低階α穩(wěn)定分布噪聲的同時(shí),有效保留了信號(hào)成分,具有較高的估計(jì)精度和良好的韌性.在不同噪聲分布模型假定下的EP信號(hào)潛伏期變化檢測算法中,EP參考信號(hào)的構(gòu)造是一個(gè)亟待解決的問題.本文根據(jù)臨床上EP潛伏期變化檢測的要求,給出了一種

4、基于信號(hào)譜函數(shù)分析的EP信號(hào)構(gòu)造方法.此方法只需根據(jù)EP信號(hào)的種類及生理特點(diǎn),利用醫(yī)學(xué)上常用的主要EP參數(shù),確定其波形參數(shù).再由信號(hào)譜函數(shù)的零極點(diǎn)與幅頻特性的關(guān)系,構(gòu)造出無潛伏期延遲的EP信號(hào).將此構(gòu)造出的EP信號(hào)作為參考信號(hào)應(yīng)用到EP信號(hào)潛伏期的變化檢測算法中,得到了良好的結(jié)果.本文最后對α穩(wěn)定分布模型的應(yīng)用進(jìn)行了擴(kuò)展,給出了一種在分?jǐn)?shù)低階α穩(wěn)定分布噪聲環(huán)境下,利用多層前向BP神經(jīng)網(wǎng)絡(luò)對確定性信號(hào)進(jìn)行檢測的方法.此方法只需在特定虛警概