【摘 要】
：
听力损失是导致儿童聋哑的首要原因，也是困扰老年人正常生活的重要问题之一，因此听力损失的早期诊断具有重要的研究和现实意义。听觉脑干诱发电位(Auditory brainstem response，ABR)检测作为一种客观、无创的听力损失诊断技术,其波形的准确提取对临床诊断结果具有重要影响。 现有ABR检测方法主要基于叠加平均技术，存在信号失真严重、检测时间过长、对患者和测试环境要求过高等问题。卡尔
论文部分内容阅读
听力损失是导致儿童聋哑的首要原因，也是困扰老年人正常生活的重要问题之一，因此听力损失的早期诊断具有重要的研究和现实意义。听觉脑干诱发电位(Auditory brainstem response，ABR)检测作为一种客观、无创的听力损失诊断技术,其波形的准确提取对临床诊断结果具有重要影响。
现有ABR检测方法主要基于叠加平均技术，存在信号失真严重、检测时间过长、对患者和测试环境要求过高等问题。卡尔曼滤波(Kalman Filter，KF)作为时域滤波方法，采用递归原理进行估计，存储的数据量小，可在含噪声的观测量中恢复或逼近信号，因此广泛应用于信号降噪和特征提取等方面。因此，本文进行基于KF的ABR检测与分析技术研究。实验结果表明，在静息状态下，KF方法可有效降低实验重复的次数(可降至500次以下)。
当ABR中噪声变化时，需要手动调整KF模型中的过程噪声协方差Q和测量噪声协方差R，两者不准确时KF模型精度可能会下降，甚至发散。针对此问题，本文进行了基于自适应卡尔曼滤波(Adaptive Kalman Filter，AKF)的ABR检测与分析方法研究。结果表明，采用AKF对ABR进行特征提取时，较叠加平均和KF，AKF可显著增强ABR各波的幅值，有利于ABR波形的识别和对各波的分析。可在包含如张嘴、咀嚼等含有大量肌电噪声的情形下得到清晰的ABR波形，完成各波幅值的提取与分析。
综上，基于KF的ABR检测方法在静息状态或混有少量噪声情形下，较传统叠加平均方法可显著降低实验重复次数。基于AKF的ABR检测方法实现了噪声参数的自动调整，相较于KF和叠加平均方法可方便有效地滤除大量噪声并提高ABR波幅值。本文工作有利于降低ABR检测的难度，为临床应用提供新的思路。
其他文献
在深度学习领域，自然图像、音频信号、文本符号等数据被认为服从特殊概率分布。深度学习模型中的生成模型通过建立满足上述数据分布的概率模型，可以直接生成与观测样本内容相似的数据样本，因此此类模型一直是学者重点关注的对象。与传统生成模型相比，生成对抗模型不依靠任何先验假设，且拥有操作简单的采样方式，所以拥有更广泛的应用场景。因此，本文围绕生成对抗网络原理与具体应用展开研究。 在本文中，我们首先介绍了生成
3D图像作为信息传递的重要载体，能够呈现场景中物体之间的深度关系，在电影电视、科技教育、远程医疗等领域有着广阔的应用前景。与此同时，人们对3D图像质量也提出了更高的要求，包括分辨率和清晰度等。然而，受传感器精度的限制和噪声的影响等，3D图像分辨率常常难以满足实际需求。因而，通过超分辨率技术，提高3D图像的空间分辨率并抑制噪声，有着重要的研究意义。本文针对3D图像超分辨率技术，从基于深度学习的深度图
图像配准的主要任务是寻找两幅或多幅图像之间的空间变换关系，以实现图像在空间位置上的对齐。其中，非刚性图像配准是计算机视觉领域的研究热点，在医学图像处理、遥感图像分析、图像拼接与融合等领域都有着重要的理论意义和研究价值，代表了未来的研究方向。 本文首先分析了非刚性图像配准的研究背景以及国内外研究现状，着重介绍了基于特征和光流估计的非刚性图像配准方法，并指出了这两类方法的优势与不足，同时给出了评价配
近年来，随着计算机技术的不断发展，高级辅助驾驶系统以及自动驾驶系统的研发工作引起了国内外学者的广泛关注，其中道路交通标线检测是最为基础且重要的一部分。道路交通标线包括车道线以及路面交通标志，车道线是指用于划分车辆可行驶区域的线条图形，路面交通标志是指涂绘在车道中央的箭头、文字、图案等，可通过计算机视觉算法实现道路交通标线的检测功能，从而对车道保持、车辆换道、转弯等驾驶行为起到关键的指示和监督作用。
现如今，卷积神经网络作为实现计算机视觉的重要方法之一，得到蓬勃并且急速的发展。基于卷积神经网络的目标检测技术在精度和速度方面远远超过传统算法，可以达到甚至超过人眼的水平。人脸检测技术作为目标检测领域的一个核心技术，是计算机视觉的重要组成部分，可以应用于考勤系统、智能监控、车站安检等众多场景之中。 作为基于卷积神经网络的目标检测算法的经典代表，Faster-R-CNN算法在目标检测任务中达到了很高
时间触发以太网(Time-triggered Ethernet, TTE)是一种时间业务与事件业务混合的以太网网络通信新技术，相较于传统以太网，时间触发以太网提高了网络资源利用效率。 本文首先基于现有的混合流量分区调度策略，引入TT响应约束，设计适用于存在响应约束的TTE网络离线调度表生成方法。同时采用对网络流量信息先综合复合，再细化不同终端节点调度表的策略，简化调度表生成方法。并设计离线调度表
深度学习极大促进了计算机视觉领域的发展，如图像检索、目标检测等。但这些任务依赖于大量的标注数据进行训练。然而，现实世界中的某些类别只有少量的标注样本，甚至没有标注样本，这为传统分类算法带来了新的挑战。为了解决该问题，零样本图像分类技术得到关注，即：对训练阶段未出现的类别进行分类。本文针对零样本图像分类技术分别提出基于特定类别的合成字典模型(Class-Specific Synthesized Di
最近几年来，由于互联网技术的快速发展，伴随着信息传播速度的提升，大量三维模型数据开始呈现井喷式增长，三维模型的数据也成为一种新型的数据类型。随着深度学习的出现，国内外研究学者对三维模型的研究成了现阶段一个热点，在各行各业的应用也十分广泛，诸如：医学3D打印技术、计算机辅助设计(CAD)、3D动画设计、工业产品设计、机械零件制造等。鉴于三维模型的应用前景广泛，如何在有效管理大量的三维模型数据同时，并
随着移动互联网技术和相机设备的快速发展，多媒体数据呈现爆发式增长，人们通过图片来直接表达意见、传递信息的方式也越来越常见。一方面，尽管高动态范围图像可以细致反映真实场景，为了方便输出，其通常会被图像处理算法将其动态范围压缩至输出显示设备的动态范围以下。这是高动态范围图像研究的热点和重点之一。另一方面，图像质量的主观评价在过去几年引起了很多的关注。传统的图像主观质量评价主要侧重于预测图像的平均意见得
入侵检测系统是信息与网络安全保障的重要环节，随着网络环境的日益复杂以及黑客技术的不断提升，传统的入侵检测技术已经无法满足安全系统的需求。近年来，越来越多的相关研究都将机器学习与入侵检测技术相结合，以提升检测器对入侵的检测率，并且减少系统的误报率与预测时间。 本文提出了两种基于机器学习的入侵检测模型。(1)针对网络数据的特征维数高、非线性可分等问题，提出了一种基于独立成分分析ICA(Indepen