独立分量分析在心电和外阴诱发电位信号处理中的应用

论文摘要

独立分量分析(ICA)是近年来由盲源分离(BSS)技术发展来的一种多维信号处理方法。它以非高斯信号为处理对象,在满足一定的条件下,能从多路观测信号中,较完整的分离出隐含其中的若干独立源信号。二十世纪八十年代起,ICA从提出基本概念、研究算法理论,到如今走向应用领域,吸引了越来越多的学者和研究团体,他们从不同的角度对ICA的基本理论、算法、应用进行了深入研究。本文在阐述ICA理论基础的同时,以心电和外阴诱发电位信号的处理为实例,研究了ICA方法在生物医学信号处理中的应用。生物医学信号的产生过程中,包含了人体其他器官组织产生的生物电信号以及各种外界因素引起的干扰信号。我们对其处理的目的是为了从复杂的背景噪声中分离出有用的原始信号,进而从中提取出具有明确生理意义的信号特征,并应用于临床医学的研究。本文所做的主要研究工作如下:1、从基本原理出发,探讨了ICA算法的目标函数和优化算法,阐述了FastICA等算法的基本原理,并对FastICA算法的盲源分离性能进行了仿真验证,结果证明了ICA的有效性。2、研究了ICA在心肌梗塞病人的心电信号分离中的应用,得出了ICA分析方法对于消除心电信号噪声有较好效果的结论;同时将心电信号看成是心电传导通路上不同部位兴奋产生的心电向量的投影,单独研究分离出来的子信号成份有利于获得更加丰富的信息,这可以给临床提供更加灵活多样并且特别的诊断手段。3、研究了ICA在诱发电位信号提取中的应用,提出了将ICA方法应用到外阴诱发电位信号提取中去的方法,为用ICA方法取代叠加平均方法,降低刺激次数,提高受检者的依从性,改善信号提取质量以及该项技术临床应用提供理论基础。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 独立分量分析和盲源分离
• 1.2 独立分量分析的发展和现状
• 1.3 独立分量分析的应用研究
• 1.3.1 心电信号
• 1.3.2 诱发电位
• 1.3.3 其他
• 1.4 本文的研究内容
• 第二章 独立分量分析基础
• 2.1 一般生物信号分析处理方法
• 2.1.1 叠加平均
• 2.1.2 参数模型
• 2.1.3 滤波
• 2.1.4 小波分析
• 2.1.5 人工神经网络
• 2.1.6 高阶累积量
• 2.2 ICA 的基础知识
• 2.2.1 统计分析理论基础
• 2.2.2 信息论基础
• 2.3 ICA 的定义
• 2.3.1 ICA 数学模型
• 2.3.2 基本ICA 的一般性假设
• 2.3.3 ICA 的不确定因素
• 2.4 ICA 信号预处理
• 2.4.1 能量归一
• 2.4.2 变量中心化
• 2.4.3 白化
• 2.5 小结
• 第三章 独立分量分析算法
• 3.1 ICA 的基本算法
• 3.1.1 ICA 的目标函数
• 3.1.2 ICA 的优化算法
• 3.2 典型的ICA 算法
• 3.2.1 Informax 算法
• 3.2.2 扩展Infomax 算法
• 3.2.3 FastICA 算法
• 3.3 实验仿真
• 3.4 小结
• 第四章 ICA 在心电信号分离中的应用
• 4.1 心脏电生理与ECG
• 4.1.1 心脏电生理基础
• 4.1.2 ECG 信号波形与特征
• 4.2 ECG 信号分离
• 4.3 心肌梗塞及其ECG 检查
• 4.4 基于FASTICA 的心肌梗塞ECG 信号分离
• 4.5 小结
• 第五章 ICA 提取外阴诱发电位信号的研究
• 5.1 临床诱发电位
• 5.1.1 EP 神经生理学基础
• 5.1.2 EP 的定义和特点
• 5.1.3 EP 的参量及其临床应用
• 5.1.4 EP 的类型
• 5.2 泌尿生殖功能障碍与外阴诱发电位
• 5.3 基于FASTICA 的外阴诱发电位信号提取仿真
• 5.4 小结
• 第六章 总结与展望
• 6.1 结论
• 6.2 展望
• 参考文献
• 致谢
• 在学期间发表的学术论文