诱发电位(Evoked Potential,EP)是中枢神经系统(CNS)在感受外在或内在刺激时产生的生物电信号。EP信号潜伏期及其变化表示了神经系统的传导和延迟,从而反映了神经系统的状态和变化。因此,检测潜伏期的变化,对于诊断神经系统的疾病具有重要的作用。 在传统的EP信号潜伏期变化检测算法中,带噪EP信号及EP信号中存在的EEG等加性噪声通常被假定服从高斯分布。然而,研究表明,用分数低阶α稳定分布的噪声模型来描述EP信号及其噪声的特性,比常规的高斯噪声模型具有更广泛的适用性。由于分数低阶α稳定分布信号不存在有限的二阶矩,一些传统的基于二阶矩有限的潜伏期变化检测算法,如LMS、DLMS算法,其性能出现了很大程度的退化。因此,发展在分数低阶α稳定分布模型假设下具有良好韧性的EP潜伏期检测算法对于临床上神经系统损伤和疾病的诊断具有十分重要的意义。 在分数低阶α稳定分布噪声环境下,对EP信号潜伏期变化检测算法中的误差函数进行连续非线性变换,可以有效地抑制分数低阶α稳定分布的噪声效应。本文根据数字通信系统中广泛使用的μ律压缩原理,给出了一种新的非线性函数形式,并将其应用到EP信号潜伏期变化检测算法中。计算机仿真结果表明,该方法能够根据信号噪声特性的变化,动态地调整自身的参数值,在抑制了分数低阶α稳定分布噪声的同时,有效保留了信号成分,具有较高的估计精度和良好的韧性。 在不同噪声分布模型假定下的EP信号潜伏期变化检测算法中,EP参考信号的构造是一个亟待解决的问题。本文根据临床上EP潜伏期变化检测的要求,给出了一种基于信号谱函数分析的EP信号构造方法。此方法只需根据EP信号的种类及生理特点,利用医学上常用的主要EP参数,确定其波形参数。再由信号谱函数的零极点与幅频特性的关系,构造出无潜伏期延迟的EP信号。将此构造出的EP信号作为参考信号应用到EP信号潜伏期的变化检测算法中,得到了良好的结果。 本文最后对α稳定分布模型的应用进行了扩展,给出了一种在分数低阶α稳定分布噪声环境下,利用多层前向BP神经网络对确定性信号进行检测的方法。此方法只需在特定虚警概率以及噪声条件下对神经网络进行训练,再通过调整偏移节点的连接权值,就可以得到不同虚警概率条件下的检验统计量。计算机模拟结果表明,利用该神经网络可以实现对分数低阶α稳定分布噪声环境下信号的有效检测。