您当前的位置：
首页 > 文献资料
所属专业：
α-稳定分布文献资料
-
低阶非高斯噪声下基于BOREL谱测度的诱发电位少次提取方法
EEG信号的非高斯特性导致了传统的EP信号提取算法的退化,为提高EP信号提取方法的韧性并实现少次提取,本研究利用BOREL谱测度的峰值确定欠定混合矩阵的基矢量,从而确定各个独立分量,并实现诱发电位的少次提取.仿真表明,利用基于BOREL测度的新方法分离前后的EP信号与EEG噪声的相关系数为0.9以上.这种方法是一种在分数低阶稳定分布噪声条件下具有良好韧性的诱发电位少次提取的新方法.
-
基于分数低阶矩的非高斯噪声中诱发电位提取新方法
诱发电位(EP)信号检测与分析技术是临床医学诊断神经系统损伤及病变的重要手段之一.传统的EP信号提取与分离方法中,通常认为EP信号中混入的EEG等噪声是高斯分布的.近年来一些研究表明了EEG信号具有一定的非高斯特性.α-稳定分布可以更好地描述实际应用中所遇到的具有显著脉冲特性的EEG噪声.文中简要介绍了稳定分布统计特性,推导了一种适用于EP信号分离提取的新算法.计算机模拟和分析表明,这种算法是一种在分数低阶α稳定分布背景噪声条件下具有良好韧性的EP信号分离提取方法.
-
基于多层小波分解与稳定分布的超声图像散粒噪声抑制新方法
医学超声图像在应用中遇到的一个重要问题是如何消除图像中由于散射现象的相干本质而引起的多径乘性散粒噪声.对数超声图像的二维小波系数服从具有尖峰和拖尾的边缘分布的非高斯分布.α稳定分布可以用来描述这类重拖尾非高斯尖峰脉冲信号和噪声.本研究利用一种散粒噪声模型,通过对对数超声图像的多层小波分解的高频系数的分析与稳定分布建模,提出了一种新的基于阈值的二维小波分解系数的检测分类方法,得到一种基于多层小波分解与稳定分布模型的超声图像散粒噪声的抑制新方法.仿真结果表明,该方法比传统的基于高斯假设下的阈值去噪方法性能更好.
