论文部分内容阅读
诱发电位(EP)技术是观察脑信息加工过程的重要途径，广泛应用于感知系统机能的中枢定位和事件关联映射等方面的基础研究和临床诊断。但EP的提取主要采用时域多帧累加技术，因而带来实验时间长和信号失真等问题。如何采用先进的信号处理技术来实现EP的少次提取是近几年来颇受关注的课题，也是脑信息提取中的一个难题，具有重要的理论意义和实用价值。本文主要采用独立分量分析(ICA)方法，并结合其他现代信号处理技术，对EP进行分析和建模，实现EP的少次提取，以提高EP的信号质量。 本文的主要研究成果如下: (1)给出了一种改进的在线信息最大化算法，并将其应用于视觉诱发电位(VEP)的实时提取。它结合二阶和四阶统计去相关的混合学习规则，采用自适应步长学习技术，解决了易出现的稳态失调问题，改善了原有算法的收敛性能，实现了少次平均VEP的增强和参数提取。 (2)应用维纳滤波和基于牛顿迭代法的FastICA，提出了一种VEP的P300分量少次提取算法，能从较少的刺激次数获得易于辨识的P300。在此基础上进一步用ICA的拟牛顿迭代算法对获得的VEP进行特征提取，提取中无需对信号作白化预处理，收敛速度较快，有噪声的盲信号分离性能较好。 (3)提出了将小波分解和ICA结合去除噪声和干扰以提取事件相关电位(ERP)，并采用小波系数选取法定位ERP的特征成分波的方法。利用该方法提取出的主要成分波易于辨识，与单独运用ICA的方法比较，信噪比有所提高，在实际应用中有效地增强了ERP的μ波。 (4)基于互信息的分离和非线性因子分析方法，提出了一种复合无监督多层感知神经网络模型，解决非线性ICA的解混问题，可以更好地从非线性混合信号中复现源信号，该方法稳定性高，泛化能力强。将其应用于慢皮层电位的少次提取，经与叠加平均法比较，波形的整体提取效果明显。 (5)利用ICA实现了纯音和声调刺激听觉诱发电位(AEP)的少次提取，并对特征成分波进行了相关分析，结果表明ICA是脑电活动源动态分析的有力手段。还利用遗传程序设计(GP)实现了脑干听觉诱发电位(BAEP)的自动建模，该方法结合迁移式模型，通过复杂度惩罚控制算法树膨胀，拟合误差较小，性能优于最小二乘法和传统GP，这种定量分析将有益于BAEP的临床检测。 (6)应用基于ICA的失匹配负波(MMN)少次提取，研究了汉语声调的生理编码机制，并在MMN预处理中设计了ICA与子空间滤波结合的增强算法。实验结果一方面反映出MMN的基本特征，另一方面显示出大脑对阴平和去声的辨识相近，对阳平和上声的辨识相近，阴平的神经机制相对简单，去声的感知活动更活跃。有关汉语声调的MMN研究至今未见详细的报道。 总之，本文针对利用EP进行脑功能研究中的一些实际问题，采用ICA等现代信号处理技术，给出了EP少次提取的有效方法，进行了实验验证，并成功应用于汉语声调的脑功能探测。