诱发电位潜伏期化估计方法的研究.pdfVIP

摘要 诱发电位(EP)中包含了丰富的有关神经系统传导通路上各个部位的信息，特别是 潜伏期及其变化(延迟)表示了神经系统的传导及延迟，从而反映了神经系统的状态和 变化。因此，检测这种潜伏期及其变化，对于诊断神经系统的损伤和病变具有十分重要 的意义。 本课题属于时间延迟估计的范畴。传统的EP信号潜伏期变化检测算法主要包括基 于相关的方法和基于自适应的方法。在这些算法中，带噪EP信号及EP信号中存在的 EEG等加性噪声被假定为服从高斯分布。然而，分析和实验表明，采用分数低阶a稳定 分布模型描述带噪EP信号及其EEG等加性噪声比常规的高斯分布模型具有更好的适应 性。由于分数低阶a稳定分布信号不存在有限的二阶矩，因此这些传统的基于二阶矩有 限的潜伏期变化检测算法都出现了很大程度的性能退化。 本文详细阐述了a稳定分布模型和时间延迟估计的基本理论知识，并着重分析了基 于不同噪声分布模型假定下的EP信号潜伏期变化检测算法。在此基础上，通过对误差 函数取绝对值后进行对数的变换，将原本不存在二阶矩的分数低阶0‘稳定分布噪声变换 N-阶矩有限的范围，并借鉴DLMP(直接最小P均值)算法的思想，本文提出了一种 新的低阶0L稳定分布噪声下EP信号潜伏期变化检测算法一LOG算法。新算法相对已有 算法具有 (1)无需预知噪声信号的Ⅱ值： (2)扩展现有算法的适用范围，适用于伴随噪声为0位≤2稳定分布的场合。 两个显著优点。模拟实验数据结果表明，新算法无论在收敛速度上或是在估计结果上均 具有相对现有算法更好的韧性。本文还从理论上初步给出了算法的收敛性证明。 DLMP算法作为一种在高斯噪声环境和分数低阶Ⅱ稳定分布噪声环境下均具有良好 韧性的EP信号潜伏期变化检测算法。本文基于分数低阶统计量的原理，根据确定性平 均方法，结合文中给出并证明的两个引理，对DLMP算法的估计结果的无偏性进行了理 论分析和证明。结果表明，若EP潜伏期变化为EP信号采样间隔的整数倍，则DLMP 算法对这种变化的估计是无偏估计。若整数倍的条件不满足，则DLMP算法的估计偏差 不大于半个采样间隔。 关键词：诱发电位(EP)，分数低阶0【稳定分布，DLMP算法，分数低阶统计量，无偏性， 确定性平均 Abstract abundant aboutneuralconduction Evoked 0／Ps)carry information pathways． potentials EP andthe theactu8lconductionand changes(delays)indicate latency latency Especially，the variations the inEP reflectthestateand of system．Since latency delay neurological changes the detectionand of contributeto of system,the quantificationlatencychanges neurological thedetectionandidentification ofneurologicalsystem蝎uries． fractionalIower showthat orderⅨstabledistributionmodeI Previousstudies adopting