专利名称：诱发电位潜伏期延长的韧性自适应检测方法
技术领域：
本发明涉及医学信号处理领域，且特别涉及一种诱发电位潜伏期延长的韧性自适应检测方法。
背景技术：
诱发电位(EP)指对神经系统(包括感受器)某一特定部位给予适宜刺激，在中枢神经系统(包括周围神经系统)相应部位检出的与刺激有锁时关系的电位变化。EP潜伏期指从刺激起始到所测试的EP反应波上某一特定点(起始点或峰值点)之间的时间间隔，它反映了神经系统及其传导通路的功能和状态。当神经系统出现损伤或病变时，EP的潜伏期会发生延长。因此，检测出EP潜伏期的延长，对于及早诊断或预测神经系统可能发生的损伤病变具有重要的意义。
时间延迟估计(TDE)技术是检测EP潜伏期延长的一种信号处理方法。噪声是进行EP信号潜伏期延长检测或时间延迟估计时需要考虑的主要问题之一。国内外在诱发电位(EP)的临床神经电生理研究与应用上，为了便于理论上的解析分析，通常假定带噪EP信号服从高斯分布。然而，由于产生EP和脑电(EEG)的中枢神经系统的复杂性以及获取信号时外界环境的多变性，带噪EP信号及其EEG等噪声常常具有脉冲性而不再适合用高斯模型来描述，传统基于高斯模型的二阶统计量EP潜伏期延长估计方法出现性能退化甚至不能使用，因此，需要研究发展更具韧性的方法。分析和实验均表明，EP信号中的噪声，如自发脑电图(EEG)，常常具有非高斯脉冲特性。目前有多种模型可以较好地描述这种脉冲性信号噪声的特性，其中，α稳定分布是唯一的一类构成独立同分布(i.i.d.)随机变量之和的极限分布，它是一种广义的高斯分布，比高斯分布具有更广泛的适用性，为脉冲性信号或噪声的分析提供了非常有力的理论工具。
自适应TDE通常基于自适应滤波器及自适应信号处理技术，将TDE估计问题转化为滤波器参数估计问题，在某种优化准则控制下，自动调整滤波器参数并实现最优。当噪声符合高斯分布时，最小均方误差准则是适当的，传统的基于最小均方误差准则的自适应TDE算法具有良好的估计性能，且便于进行理论分析。但是，在实际应用中常常会遇到一类具有显著尖峰脉冲特性的噪声，不存在二阶及其以上的统计量。此时，最小均方误差准则不再适用，其主要原因是由于最小均方误差准则对于数据中为数不多的偏离高斯分布的数值非常敏感，缺乏足够的韧性，导致基于最小均方误差的各类算法估计性能发生显著的退化。因此，在这种情况下，应该采用更符合实际的信号噪声模型、考虑具有韧性的最优准则。
在基于α稳定分布的实际TDE算法中，通常采用最小平均p(1＜p＜α)范数准则。然而，参数p的选取依赖α稳定分布的特征指数α的先验知识或估计，存在不便。α稳定分布所有FLOM都是等价的，采用L1范数准则可减少或避免对α的估计。但是，L1范数属于不可微优化问题，对于以梯度为基础建立的最优化方法不再适用。一种思路是利用可微的极大熵函数光滑逼近绝对偏差代价函数，但对于较大的误差该算法仍缺乏足够的韧性。
发明内容
本发明提出一种诱发电位潜伏期延长的韧性自适应检测方法，采用α稳定分布来描述带噪EP信号，基于自适应时间延迟估计技术，采用最小均方Sigmoid误差优化准则，自适应检测EP潜伏期的延长，改善了临床神经系统损伤病变诊断和检测的可靠性和准确性，从信号处理的角度提高了神经电生理学的研究水平。
为了达到上述目的，本发明提出一种诱发电位潜伏期延长的韧性自适应检测方法，该方法的信号模型为 x1k(n)＝sk(n)+v1k(n)；n＝1，2，L，N；k＝1， 2，L，K x2k(n)＝sk(n-Dk)+v2k(n)；n＝1，2，L，N；k＝1，2，L，K， 其中，x1k(n)、x2k(n)分别表示参考诱发电位信号和被测诱发电位信号，sk(n)、v1k(n)和v2k(n)分别表示纯净诱发电位信号和加性噪声，Dk表示待估计的第k次扫描诱发电位信号潜伏期的延长，n为离散时间变量。
进一步的，信道对两信号x1(n)、x2(n)的相对延迟用滑动平均MA滤波器来模拟 其中，e(n)是MA模型误差；w(i)(i＝1～Q)是MA模型参数，取Q＞D；在i＝D处w(i)有最大值，即i1D时|w(i)|＜|w(D)|。
进一步的，该方法提出一种光滑可导的韧性代价函数，即均方Sigmoid误差 J(n)＝E[|Se(n)|2]， 其中Se(n)为Sigmoid误差信号，得出最小均方Sigmoid误差时间延迟估计算法，该算法在最小均方Sigmoid误差准则下，用最速下降法迭代求得MA滤波器权矢量的最优值。
进一步的，所述最小均方Sigmoid误差时间延迟估计算法中，MA滤波器的输出信号y(n)可以写成如下的矢量形式 Sigmoid误差信号为
代价函数的梯度为
自适应迭代方程为
其中，迭代步长μ在范围内算法是稳定的，Pin为输入信号的功率。
进一步的，所述两信号x1(n)、x2(n)的相对延迟估计值从收敛时滤波器权系数矢量wopt的峰值位置得到 本发明以对称α稳定分布模型描述脉冲噪声，利用神经网络中常用的Sigmoid函数对误差信号进行非线性变换，抑制了较大误差对估计结果的影响。Sigmoid误差存在二阶矩，以最小均方Sigmoid误差代替最小均方误差误差作为优化准则，提出了一种基于最小均方Sigmoid误差准则的自适应EP潜伏期延长检测方法。因此，本发明提出的诱发电位潜伏期延长的韧性自适应检测方法，采用α稳定分布来描述带噪EP信号，基于自适应时间延迟估计技术，采用最小均方Sigmoid误差优化准则，自适应检测EP潜伏期的延长，改善了临床神经系统损伤病变诊断和检测的可靠性和准确性，从信号处理的角度提高了神经电生理学的研究水平。
图1所示为体感EP信号的潜伏期及其延迟示意图。
图2所示为本发明较佳实施例的自适应TDE原理结构图。
具体实施例方式 为了更了解本发明的技术内容，特举具体实施例并配合所附图式说明如下。
本发明提出一种诱发电位潜伏期延长的韧性自适应检测方法，采用α稳定分布来描述带噪EP信号，基于自适应时间延迟估计技术，采用最小均方Sigmoid误差优化准则，自适应检测EP潜伏期的延长，改善了临床神经系统损伤病变诊断和检测的可靠性和准确性，从信号处理的角度提高了神经电生理学的研究水平。
请参考图1，图1所示为体感EP信号的潜伏期及其延迟示意图。典型的体感EP(Somatosensory evoked potentials，简称SEP)潜伏期及其延长的波形，如图1所示。图1中，上面的波形为平均100次之后的正常SEP波形，下面的波形为缺氧状态下的SEP信号波形。潜伏期定义为从刺激时刻开始到选定峰(第一个)之间的间隔，潜伏期延长定义为上述两个SEP波形潜伏期之间的间隔。
EP潜伏期延长的韧性自适应检测方法中，信号模型为 x1k(n)＝sk(n)+v1k(n)；n＝1，2，L，N；k＝1，2，L，K x2k(n)＝sk(n-Dk)+v2k(n)；n＝1，2，L，N；k＝1，2，L，K(1) 其中，x1k(n)、x2k(n)分别表示参考EP信号和被测EP信号，sk(n)、v1k(n)和v2k(n)分别表示纯净EP信号和加性噪声，Dk表示待估计的第k次扫描EP信号潜伏期的延长，n为离散时间变量。
再请参考图2，图2所示为本发明较佳实施例的自适应TDE原理结构图。信道对两信号x1(n)、x2(n)的相对延迟可以用滑动平均MA滤波器来模拟 其中，e(n)是MA模型误差；w(i)(i＝1～Q)是MA模型参数，取Q＞D。在i＝D处w(i)有最大值，即i≠D时|w(i)|＜|w(D)|。这样对时间延迟的估计就转化为对MA滤波器权系数最大值位置的估计。利用自适应信号处理技术来估计时间延迟时，MA滤波器可以在某种最优准则控制下自适应地实现。
图2所示的自适应TDE方法在不同的优化准则下有不同的算法。本发明基于如下一种光滑可导的韧性代价函数——均方Sigmoid误差 J(n)＝E[Se(n)|2] (3) 提出了最小均方Sigmoid误差时间延迟估计算法。该算法在最小均方Sigmoid误差准则下，用最速下降法迭代求得MA滤波器权矢量的最优值。
下面是该算法的推导过程。
图2中MA滤波器的输出信号y(n)可以写成如下的矢量形式 Sigmoid误差信号为
代价函数的梯度为
自适应迭代方程为
其中，迭代步长μ在范围内算法是稳定的，Pin为输入信号的功率。
两信号x1(n)、x2(n)的相对延迟估计值可以从收敛时滤波器权系数矢量wopt的峰值位置得到 综上所述，本发明以对称α稳定分布模型描述脉冲噪声，利用神经网络中常用的Sigmoid函数对误差信号进行非线性变换，抑制了较大误差对估计结果的影响。Sigmoid误差存在二阶矩，以最小均方Sigmoid误差代替最小均方误差误差作为优化准则，提出了一种基于最小均方Sigmoid误差准则的自适应EP潜伏期延长检测方法。因此，本发明提出的诱发电位潜伏期延长的韧性自适应检测方法，采用α稳定分布来描述带噪EP信号，基于自适应时间延迟估计技术，采用最小均方Sigmoid误差优化准则，自适应检测EP潜伏期的延长，改善了临床神经系统损伤病变诊断和检测的可靠性和准确性，从信号处理的角度提高了神经电生理学的研究水平。
虽然本发明已以较佳实施例揭露如上，然其并非用以限定本发明，任何所属技术领域中具有通常知识者，在不脱离本发明的精神和范围内，当可作些许的更动与润饰，因此本发明的保护范围当视权利要求书所界定者为准。
权利要求
1.一种诱发电位潜伏期延长的韧性自适应检测方法，其特征在于，该方法的信号模型为
x1k(n)＝sk(n)+v1k(n)；n＝1，2，L，N；k＝1，2，L，K
x2k(n)＝sk(n-Dk)+v2k(n)；n＝1，2，L，N；k＝1，2，L，K，
其中，x1k(n)、x2k(n)分别表示参考诱发电位信号和被测诱发电位信号，sk(n)、v1k(n)和v2k(n)分别表示纯净诱发电位信号和加性噪声，Dk表示待估计的第k次扫描诱发电位信号潜伏期的延长，n为离散时间变量。
2.根据权利要求1所述的诱发电位潜伏期延长的韧性自适应检测方法，其特征在于，信道对两信号x1(n)、x2(n)的相对延迟用滑动平均MA滤波器来模拟
其中，e(n)是MA模型误差；w(i)(i＝1～Q)是MA模型参数，取Q＞D；在i＝D处w(i)有最大值，即i≠D时|w(i)|＜|w(D)|。
3.根据权利要求1所述的诱发电位潜伏期延长的韧性自适应检测方法，其特征在于，该方法提出一种光滑可导的韧性代价函数，即均方Sigmoid误差
J(n)＝E[|Se(n)|2]，
其中Se(n)为Sigmoid误差信号，得出最小均方Sigmoid误差时间延迟估计算法，该算法在最小均方Sigmoid误差准则下，用最速下降法迭代求得MA滤波器权矢量的最优值。
4.根据权利要求3所述的诱发电位潜伏期延长的韧性自适应检测方法，其特征在于，所述最小均方Sigmoid误差时间延迟估计算法中，MA滤波器的输出信号y(n)可以写成如下的矢量形式
Sigmoid误差信号为
代价函数的梯度为
自适应迭代方程为
其中，迭代步长μ在范围内算法是稳定的，Pin为输入信号的功率。
5.根据权利要求4所述的诱发电位潜伏期延长的韧性自适应检测方法，其特征在于，所述两信号x1(n)、x2(n)的相对延迟估计值从收敛时滤波器权系数矢量wopt的峰值位置得到
全文摘要
本发明提出一种诱发电位潜伏期延长的韧性自适应检测方法，采用α稳定分布来描述带噪EP信号，基于自适应时间延迟估计技术，采用最小均方Sigmoid误差优化准则，自适应检测EP潜伏期的延长，改善了临床神经系统损伤病变诊断和检测的可靠性和准确性，从信号处理的角度提高了神经电生理学的研究水平。
文档编号A61B5/05GK101766486SQ201010022980
公开日2010年7月7日 申请日期2010年1月19日 优先权日2010年1月19日
发明者刘文红 申请人:上海电机学院