首页 > 文献资料
-
α稳定分布噪声环境下基于μ律压缩的诱发电位潜伏期变化自适应检测方法
诱发电位潜伏期变化的自适应检测对于诊断神经系统的损伤和病变具有重要的意义.本研究根据数字通信系统中广泛使用的μ律压缩原理,给出了一种在分数低阶α稳定分布噪声环境下,具有良好韧性的诱发电位潜伏期变化检测方法.计算机仿真结果表明,该算法能够根据信号噪声特性的变化,动态地调整自身的参数值,在抑制了分数低阶α稳定分布噪声的同时,有效保留了信号成分,具有较高的估计精度和良好的韧性.
-
基于Infomax预处理的诱发电位潜伏期变化自适应检测
诱发电位(EP)信号的检测与分析技术是临床医学诊断神经系统损伤及病变的一种重要手段.本研究提出一种预处理EP潜伏期变化动态检测方法,即利用独立分量分析方法(ICA)对含有α稳定分布噪声的EP信号做预处理,再利用DLMS、DLMP算法动态检测EP潜伏期变化,形成了p-DLMS和p-DLMP算法.仿真结果及实验数据分析表明,p-DLMS和p-DLMP收敛速度分别高于DLMS和DLMP算法;在混合信噪比较低的情况下,p-DLMS和p-DLMP算法可以自适应地检测出潜伏期变化,且比DLMS和DLMP算法具有较好的估计精度和收敛速度;对不同的α的值(0<α2),p-DLMS算法和p-DLMP算法性能基本不变.
-
基于分数低阶空间时频矩阵的脑电诱发电位盲提取
对诱发电位(EP)信号中具有强脉冲过程的脑电图(EEG)噪声,可以用α稳定分布模型来描述.基于分数低阶矩对传统的Cohen类时频分布进行了改进,得到了新的分数低阶空间时频分布(FLO-STFM),据此提出了一种新的可在α稳定分布环境下工作的分数低阶空间时频欠定盲分离算法(FLO-TF-UBSS).将该盲分离算法应用到EP信号的提取,仿真实验结果表明所提出的盲分离算法能较好地在EEG噪声环境下实现对EP信号的盲提取,相关系数以及盲提取效果都优于基于二阶的TF-UBSS算法.
-
α稳定分布噪声下诱发电位潜伏期变化的自适应检测方法及研究进展
诱发电位潜伏期变化的自适应检测对于诊断神经系统的损伤和病变具有重要的意义.本文介绍了近年来在低阶稳定分布噪声下,利用分数低阶统计量对诱发电位潜伏期变化进行自适应检测的多种方法,并且对各种算法进行了分析比较.