高阶过零信号分析技术及其在脑损伤检测中的应用

高阶过零 (HOC)是时间序列分析的有力工具。本文在介绍 HOC信号分析方法的基础上 ,综述了一类基于 HOC技术 ,利用脑电图 (EEG)信号进行脑损伤检测和定量分析的方法。实验数据分析表明 ,基于 HOC信号分析技术的脑损伤检测方法对于检测由于缺氧窒息而引起的中枢神经系统损伤及对损伤程度进行定量评估是十分有效的。这种方法不依赖于正常 EEG信号的存在 ,且具有很高的计算效率     

基于EEG信号AR模型的中枢神经系统损伤检测

本文综述一类基于 EEG信号 AR谱和 AR模型参数分析的中枢神经系统损伤检测方法 ,包括主控频率法、AR谱距离法和 Itakura距离测度法等。这类方法根据 EEG信号的 AR模型建立分析 EEG信号状态和变化的测度 ,并利用其检测中枢神经系统在缺氧窒息实验过程中可能存在的损伤并预测最终结果。实验和数据分析的结果表明 ,这类方法在实验各个阶段的检测结果与采用医学方法进行综合评价的 NDS结果一致 ,具有较高的可靠性。     

运动想象脑电信号的特征提取和分类进展

运动想象脑电信号是指想象肢体运动而没有实际的肢体动作所产生的脑电信号.信号处理和模式分类方法是运动想象脑电信号以及整个BC1系统的核心技术.本文对基于运动想象的脑电信号的识别算法进行了综述.阐述了运动想象脑电特征提取和分类的方法,比较了各种方法的特点,分析了几种典型的特征提取和识别算法的组合,并且总结了运动想象脑电信号的特征提取和分类的发展现状和前景.     

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 <α 2 ) ,p -DLMS算法和p -DLMP算法性能基本不变。     

α稳定分布噪声下诱发电位潜伏期变化的自适应检测

在传统的诱发电位 (EP)信号分析处理中 ,通常假定带噪 EP信号和 EEG等噪声是高斯分布的。但是 ,这种假定并不符合信号和噪声的真实特性。本文依据分数低阶矩理论 ,分析了 DL MS自适应算法在低阶 α稳定分布噪声条件下退化的原因 ,综述了 DL MP、SDA和 VSDA等在高斯和低阶 α稳定分布噪声条件下具有较高韧性的自适应 EP潜伏期变化检测估计方法 ,给出了 DL MP在非高斯噪声环境下保持韧性的原因 ,并且指出了在这一领域有待于进一步研究的若干问题。     

一种基于脑电信号分析的中枢神经系统损伤检测的韧性自适应方法

根据带噪EP信号的α稳定分布特性和分数低价矩理论。本文分析了DLMS自适应算法在低阶α稳定分布噪声条件下退化的原因，并从理论上研究了由本文部分作者提出的DLMP诱发电位潜伏期变化自适应估计算法在高斯和非高斯环境下的韧性及其保持韧性的原因。理论分析和计算机模拟以及实验数据分析的结果表明。α稳定分布噪声模型是一种适合于描述带噪EP信号统计特性的随机噪声模型，基于分数低阶矩的DLMP自适应算法在高斯和低阶α稳定分布噪声环境下均具有良好的韧性。用这种方法所检测估计的EP信号潜伏期变化，与神经系统的实际状态和变化一致，具有较高的可靠性。