基于独立分量分析的诱发电位信号噪声分离方法

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重要手段之一。但是，从人体体表所得到的EP信号含有大量的噪声，最典型的噪声是人体自发产生的脑电图信号(EEG)。因此，为利用EP信号诊断神经系统的损伤和病变，需要从混合信号中去除EEG等噪声。独立分量分析(ICA)是一种新近发展起来的统计信号处理方法。本文把ICA方法应用于EP信号的噪声消除，并与传统的自适应滤波方法进行了比较。计算机模拟表明，采用ICA方法进行信号噪声分离的结果明显优于自适应滤波方法。     

基于极点分析修正的诱发电位多峰融合分解方法

目的 分解由于总体累加平均布引起融合的诱发电位峰；方法 通过分析并修正与脑电诱发电位（EP）信号相关的极点来进行分解；结果与结论 有效地提高了EP信号潜伏期的分辨率，达到了分解融合峰的目的。从而有助于改善利用EP信号进行临床诊断的可靠性和准确性。