首页 > 文献资料
-
估计点扩展函数对内源性光学成像信号的提取
脑内源信号光学成像是近十几年发展起来的研究大脑皮层神经群体活动的成像方法.内源性光学信号非常微弱,并且在穿过皮层组织时会发生扩散,使得图像存在一定程度的退化.本研究通过对功能图像的二阶统计量分析,选取功能柱区域与非功能柱区域像素进行联合求解高斯函数,得到针对内源性光学信号的点扩展函数的估计,并对内源性光学信号图像进行恢复.恢复图像的二阶统计量的分布形式表明,图像中的功能柱区域较处理前更为集中.利用此结果,以恢复图像的二阶统计量作为阈值划分的标准,对功能柱区域进行了准确的分割提取.
-
基于分数低阶矩的非高斯噪声中诱发电位提取新方法
诱发电位(EP)信号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.传统的EP信号提取与分离方法中,通常认为EP信号中混入的EEG等噪声是高斯分布的.近年来一些研究表明了EEG信号具有一定的非高斯特性.α-稳定分布可以更好地描述实际应用中所遇到的具有显著脉冲特性的EEG噪声.文中简要介绍了稳定分布统计特性,推导了一种适用于EP信号分离提取的新算法.计算机模拟和分析表明,这种算法是一种在分数低阶α稳定分布背景噪声条件下具有良好韧性的EP信号分离提取方法.
-
独立分量分析算法及在生物医学工程中的应用
独立分量分析算法是一种多维统计方法。该算法的研究对象是多元随机信号,其研究目的是将这些多元随机信号转化成包含统计上相互独立的多个分量的信号。简要介绍了各种独立分量分析算法,包括基于二阶统计量的二阶盲辨识算法和多未知信源分离算法,以及基于高阶统计量的信息极大化法、改进的信息极大化法、快速固定点独立分量分析和特征矩阵联合近似对角化算法;比较了各种方法的运行性能并展望其在生物医学工程中的应用前景。
关键词: 二阶统计量 高阶统计量 独立分量分析 生物医学信号 特征矩阵联合近似对角化算法