誘發(fā)電位信號提取新方法的研究.pdf

1、誘發(fā)電位(Evoked Potentials,EP)是中樞神經(jīng)系統(tǒng)在感受外界或內(nèi)在刺激過程中所產(chǎn)生的生物電活動.通常情況下,EP信號淹沒在很強的背景噪聲中,信噪比通常在-10dB左右,甚至更低,所以噪聲中誘發(fā)電位的檢測技術一直是神經(jīng)科學領域的重要課題.該文對提取EP信號的新方法作了簡要的概述,并引出了獨立分量分析(ICA)這一新興的信號處理技術.ICA起源于上世紀九十年代,現(xiàn)有算法大體上可以分為兩類,一類是基于非高斯性測度的算法,另一類

2、是基于信息論的算法.該文對這兩類算法中的比較有代表性的算法進行了詳細的研究,并通過仿真實驗將各算法應用于EP信號的提取,取得了比較滿意的效果.基于信息論的ICA算法主要有三種算法:信息極大(Infomax)算法、最大似然算法和互信息最小化算法.這三種準則函數(shù)都可以表示為K-L散度的形式.而K-L散度對于可逆變換的不變性,使得這三種基本算法是等價的.該文在理論上驗證了這三種基本算法的等價性.ICA的兩類基本算法各有所長.基于非高斯性測度的

3、算法收斂快,但不能在線學習.基于信息論的算法可以在線學習,但收斂較慢.該文把這兩類算法的優(yōu)點結(jié)合起來,提出了一種加快在線學習算法收斂速度的新算法——FastInfomax算法.該算法利用FastICA算法通過少量數(shù)據(jù)獲得一個接近最優(yōu)解的權矩陣,然后對該權矩陣進行線性變換,將變換后的矩陣作為Infomax算法的初始權值,進行在線學習.其中,FastICA算法是基于非高斯性測度的算法中最具代表性的,可以說該算法是現(xiàn)有的收斂最快的ICA算法.