首页 > 文献资料
-
基于非参数自适应密度估计理论的医学超声图像去噪方法
在小波变换域中去除图像中的噪声是近年来的研究热点之一.目前在小波域中对加性噪声的去除已经有了许多研究结果,比如Donoho等的处理方法都得到了很好的应用.但是由于超声图像噪声情况的复杂性,其对去噪的方法提出了更高的要求.为了在去除噪声的同时能够更好的保护边缘及有用的细节信息,本研究结合Birgé-Massart等提出的非参数自适应估计理论,提出一种在平稳小波变换域中对超声图像去噪的方法.实验证明,这种基于非参数自适应估计理论的超声图像去噪方法,与Donoho阈值去噪方法相比,去噪效果有所提高.
-
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阶矩理论,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.
-
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DLMS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DLMP、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DLMP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.
-
基于EM算法的自适应离子单通道信号参数估计技术研究
许多离子通道的电流信号特别微弱,运用标准的阈值检测器方法不能估计出通道信号的各种参数.基于隐Mark-ov模型(HMM)的各种算法运算量大,不具有自适应功能.本文借用增广小二乘法(ELS)参数辩识算法中的运算技巧,应用随机逼近原理,在EM算法的基础上推导出一种具有自适应能力的离子通道信号参数估计技术,仿真证明其估计精度较高,稳健性强,而且易于实现.
