（生物医学工程专业论文）高阶听觉诱发电位记录中若干问题的应用研究.pdf

硕士学位论文 高阶听觉诱发电位记录中若干问题的应用 研究 硕士研究生：苏园园 指导教师：王涛 摘要 听觉诱发电位( a u d i t o r ye v o k e dp o t e n t i a l ，a e p ) 是由声音激发的从内耳至 大脑皮质的神经电活动，具有相对固定的起源和潜伏期稳定等特点，可广泛用 于评估婴幼儿听力、鉴别诊断听神经病变等临床应用方面，是听觉系统功能型 病变诊断的一个重要工具。临床上常规刺激方式主要采用刺激起始间间隔 ( s t i m u l u so n s e ta s y n c h r o n y ，s o a ) 相等的方案。当刺激率提高时，会出现相 继产生的a e p 首尾重叠的现象，这种a e p 称为高刺激率a e p ( h i g hs t i m u l u sr a t e a e p ，h s r - a e p ) ，其所包含的暂态a e p 成分称为高阶a e p ( h i g h - o r d e r a e p ， h o a e p ) 。高刺激率的声音刺激会极大增加听觉系统的负荷，有利于提高潜在 听神经通路和脑部病变检测的敏感性。神经元在低刺激率和高刺激率下的不同 反应，也将为研究听觉神经生理系统的适应性提供重要手段。考虑到在给予相 同刺激个数的情况下，高刺激率记录比常规记录的时间要短许多，人们也期望 高刺激率记录可以减少记录时间。因此h o a e p 的研究具有十分重要理论价值 和应用前景。 h s r - a e p 的重叠过程在工程学上可视为h o a e p 与刺激序列进行循环卷 积的结果。基于该模型，可以对刺激序列中的各个s o a 采用抖动( j i t t e r ) 技术 ( 即刺激间隔具有一定随机变化的刺激方式) ，然后利用去卷积方法恢复出 h o a e p 。目前，重建高刺激率下暂态a e p 的技术主要有三种：最大长序列 ( m a x i m u ml e n g t hs e q u e n c e ，m l s ) 技术、连续循环平均去卷积( c o n t i n u o u sl o o p a v e r a g i n gd e c o n v o l u t i o n , c l a d ) 技术和q 序列去卷积( q u a s i p e r i o d i cs e q u e n c e d c c o n v o l u t i o n , q s d ) 技术。本文详细介绍了上述去卷积技术的特点和实现方法， 摘要 并在此基础上从如下几个方面对a e p 去卷积的具体问题做了进一步的研究。 1 、比较高刺激率条件下应用不同方法还原h o - a e p 的有效性，即去卷积 技术是否可以提高恢复信号的质量。分别应用常规叠加平均方法、c l a d 方法 和m l s 方法还原h o a e p 。以常规方案为基准，通过计算理想暂态反应与三种 方法还原的反应间的相关系数及欧氏距离，评估在相同记录时间条件下高刺激 率方案还原信号的质量。结果表明m l s 方案比常规方案恢复信号质量略有提 高，c l a d 方法恢复信号的质量则较低，提示实际应用中c l a d 方法反而需要 更多的记录时间。说明当存在重叠反应的情况下，采用增加刺激速率的做法不 能作为一种提高记录效率的手段。 2 、维纳滤波是一种有效解决c l a d 技术中刺激序列对噪声敏感问题的方 法。但是在实用过程中需要获得关于记录的a e p 和噪声成分的功率谱估计。为 此本文提出一种迭代计算方案，根据a e p 信号的特点，以信噪比等于常数为初 始条件，在无需信号先验知识的条件下获得维纳滤波所需的信号和噪声的功率 谱比的估计。将这种方法应用于仿真数据和真实数据进行检验，其效果接近理 想条件下维纳滤波的理论解。结果表明该方法可在缺乏信号先验知识的条件下， 得到一个接近于理论真实值的h o a e p 估计。 3 、根据m l s 在线性去卷积运算中的基本数学性质，导出去卷积前后信噪 比变化的定量关系。通过仿真实验方式，给出不同阶数序列、刺激率和噪声条 件下，m l s 一阶数和刺激率等参数与听觉诱发反应信噪比变化和还原质量的关 系。实验结果表明，在噪声环境和刺激率不变的情况下，信噪比的提高与阶数 成正比；在噪声环境和阶数不变的情况下，信噪比的变化与刺激率成反比。在 已知反应先验知识的情况下，本文所提出的理论公式可较为准确地估计还原反 应的信噪比变化情况，为不同实验条件下的最大长序列提供选择依据。 4 、采用上述s o a 抖动的刺激方法需要a e p 的记录设备提供精确可控的 s o a 设定功能，因此难以在常规设备上实现。g u t s c h a l k 等在研究脑磁反应的去 卷积问题中采用了一种刺激序列间s o a 变化的刺激方案，直接利用逆矩阵方法 实现去卷积。该方法忽视了合成矩阵的病态逆问题，计算结果易受噪声影响。 l i l i l 争 a b s t r a c t a u d i t o r y e v o k e dp o t e n t i a l s ( a e p s ) a r e s u c c e s s f u l l ya p p l i e d t oc l i n i c a l d i a g n o s i so fa u d i t o r yd i s e a s e s ，s u c ha se v a l u a t i o no fi n f a n th e a r i n ga n di d e n t i f y i n g t h ea u d i t o r ys y s t e mp a t h o l o g y t h ec o n v e n t i o n a lr e c o r d i n gp a r a d i g ma p p l y i n ga n e q u a ls t i m u l u so n s e ta s y n c h r o n y ( s o a ) a n de n s e m b l ea v e r a g i n gm e t h o di sp e r f e c t l y u s e di nc l i n i c a st h es t i m u l u sr a t ei n c r e a s e st oad e g r e et h a ta no v e r l a p p i n gr e s p o n s e a r i s e so na c c o u n to ft h es u p c r p o s i t i o no ft r a n s i e n ta e p st ot h es u c c e s s i v es t i m u l i ， t h i so v e r l a p p e da e pi sc a l l e dh i l g hs t i m u l u sr a t ea e p ( h s r - a e p ) ，a n di t st r a n s i e n t a e pc a nb en a m e da sh i g h - o r d e ra e p o a e p ) t h es t u d yo fh o - a e pi s p r o m i s i n gi nc l i n i ca p p l i c a t i o n h i g hs t i m u l u sr a t e sc a ne x e r ts t r o n gs t r e s s e so nt h e a u d i t o r ys y s t e mw h i c hm i g h tr e v e a lt h ep a t h o l o g yi nt h ea u d i t o r ys y s t e ma t a n e a r l i e rs t a g e m o r e o v e r , d i f f e r e n tr e a c t i o n so fn e u r o n su n d e rl o wa n dh i 【g hs t i m u l u s r a t e sc o n d i t i o n sw i l la l l o wam o r ec o m p l e t ee v a l u a t i o no fa u d i t o r ya d a p t a t i o n o n e a l s oe x p e c t st h a tu s i n gh r sp a r a d i g mt os h o r t e na e pr e c o r d i n gt i m es i n c ei tw i l l t a k el e s st i m ew h e nd e l i v e r i n gt h es a m en u m b e ro fs t i m u l u se v e n t s f r o mt h ee n g i n e e r i n gp o i n to fv i e w , t h eh s r - a e pr e s u l t s 舶mt h ec o n v o l u t i o n o fah o - a e pa n dab i n a r ys t i m u l u ss e q u e n c e b a s e do nt h i sm o d e l ，as o a - j i t t e r i n g t e c h n i q u ei sa p p l i e d a nu n e q u a ls o a ss e q u e n c er a t h e rt h a nc o n v e n t i o n a lc o n s t a n t s o a ss e q u e n c ei sp r o p o s e dt oi m p l e m e n tt h ed e c o n v o l u t i o no p e r a t i o n t h e r ea r e t h r e em a i nd e c o n v o l u t i o n t e c h n i q u e sa v a i l a b l e a t p r e s e n t - - m a x i m u ml e n g t h s e q u e n c e ( m l s ) t e c h n i q u e ，c o n t i n u o u sl o o pa v e r a g i n gd c c o n v o l u t i o n ( c l a d ) t e c h n i q u ea n dq u a s i - p e r i o d i cs e q u e n c ed e c o n v o l u f i o n ( q s d ) t e c h n i q u e a b s t r a c t t h es t u d i e so fh o - a e pa r ea l lb a s e do nt h ec o n v o l u t i o nm o d e l ，a n dm a n y r e s e a r c h e sa r ef o c u s i n go nt h ec h a r a c t e r i s t i c sa n da p p l i c a t i o n so fd e c o n v o l u t i o n t e c h n i q u e s ，n e wp r o c e s s i n gm e t h o d s ，e ta 1 t h em a j o rw o r k so ft h i st h e s i si n c l u d e f o u rp r o j e c t sa sf o l l o w s ： 1 t oi n v e s t i g a t et h er e s t o r i n ge f f i c i e n c yo fe v o k e dr e s p o n s e sb a s e do na s i m u l a t i o ns t r a t e g y s i m u l a t e dh s r - a e p sw e r ed e r i v e df r o mt h r e ep a r a d i g m s - c o n v e n t i o n a le n s e m b l e a v e r a g i n g ，c l a d a n d m l s b yc o m p a r i n g 诵n l p e r f o r m a n c eo fc o n v e n t i o n a lr e c o r d i n g ，p e r f o r m a n c e so f t h eo t h e rt w om e t h o & w e r e e v a l u a t e di nt e r m so fe o r r e l a t i o nc o e f l f i c i e n t sa n de u c l i d e a nd i s t a n c e sb e t w e e nt h e i d e a la n dt h ed e r i v e dr e s p o n s e s t h er e s u l t ss h o w e dt h a tm l sc a no n l ys l i g h t l y e n h a n c et h ep e r f o r m a n c ea tt h ec o s to fl a r g e rs t i m u l u sj i t t e ra n dm u c hm o r es t i m u l u s n u m b e r s ；w h i l ec l a dm e t h o d 、衍ml o w e rj i t t e r i n ge v e nd e g e n e r a t e st h eq u a l i t y , s u g g e s t i n gt h a ti np r a c t i c a lu s et h er e c o r d i n ge f f i c i e n c yw i l ln o tb es i g n i f i c a n t l y i m p r o v e db ys i m p l yu s i n gh i g hr a t es t i m u l a t i o nw i t ho v e r l a p p i n gr e s p o n s e s i n t r o d u c e d 2 u s i n gw i e n e rf i l t e ra p p r o a c hd e v e l o p e db yw a n ge ta l ，as u p p l e m e n t a r y m e t h o dw a sp r o p o s e dt oc a r r yo u tt h ep o w e rs p e c t r u me s t i m a t i o no ft h er e s p o n s e u s i n gal o n g - t e r mm e m o r yi t e r a t i v es t r a t e g yw i t h o u tt h en e e do fap r i o rk n o w l e d g e o ft h et r a n s i e n tr e s p o n s ei t s e l f v a l i d a t i o ni sa c c o m p l i s h e do nt h es i m u l a t e dd a t aa s w e l la st h er e a la e pd a t a , w h i c hy i e l d st h ep e r f o r m a n c ec l o s et ot h ei d e a la n d t h e o r e t i c a ls o l u f i o m 3 t op r o p o s ea n dv e r i f yaf o r m u l af o rs i g n a lt on o i s er a t i o ( s n r ) c h a n g e so f h o - a e pe l i c i t e db ym l s ，a n dd i s c u s st h er e c o v e r yq 砌i t ya n dt h es n rc h a n g e so f m l s h o - a e po b t a i n e di nd i f f e r e n te x p e r i m e n t a lc o n d i t i o n i tc o n c l u d e st h a tt h e s n rc h a n g ei sp r o p o r t i o n a lt ot h em l so r d e r 、析也c e r t a i nn o i s ee n v i r o n m e n ta n d s t i m u l u sr a t e s ，w h i l ei ti si n v e r s e l yp r o p o r t i o n a lt os t i m u l u sr a t e sb yk e e p i n gt h e s a m en o i s ee n v i r o n m e n ta n dm l so r d e r u s i n gt h ep r o p o s e df o r m u l aw ec a n e s t i m a t et h es n rc h a n g e so fm l s - h o a e pa c c u r a t e l y , w h i c hi sh e l p f u lt op r o v i d e r e f e r e n c ei n f o r m a t i o no nm l ss e l e c t i o nu n d e rd i f f e r e n te x p e r i m e n t a lc o n d i t i o n s 4 b a s e do nt h e s e s s i o n - j i t t e r i n gd e c o n v o l u t i o nt e c h n i q u ep r o p o s e db y d e c d n v o l u t i o no fa u d i t o r yb r a i n s t e mr e s p o n s e s ( a b r ) a n dm i d d l el a t e n c yr e s p o n s e s ( m l r s ) i ts h o w e dt h a ts e s s i o n - j i t t e r i n gd e c o n v o l u t i o n 、舫mt l k h o n o vr e g u l a d z a t i o n m e t h o dc a nm i n i m i z et h en o i s ed i s t u r b i n gd u r i n gr e c o v e r i n gp r o c e s sa n dm a k et h e r e c o n s t r u c t i o no fh 0 a e pm o r er e l i a b l e k e y w o r d sa u d i t o r y e v o k e d p o t e n t i a l ；h i g h s t i m u l u sr a t e ；d e c o n v o l u t i o n ； h i g h - o r d e ra u d i t o r ye v o k e dp o t e n t i a lr e c o n s t r u c t i o n 摘要i a b s t r a c t i 第一章绪论一1 1 1 背景和意义1 1 2 听觉诱发电位基础1 1 2 1常规a b r 和m l r 2 1 2 2 常规记录和高刺激率记录4 1 3 本文的研究内容6 1 4 本文结构7 第二章去卷积技术及其在高阶a e p 中的应用8 2 1高阶a e p 的数学模型。8 2 2m l s 去卷积技术9 2 3c l a d 去卷积技术1 3 2 4q s d 去卷积技术1 5 第三章高阶a e p 去卷积技术的有效性研究 1 7 3 1引言1 7 3 2 方法1 7 3 2 1数学模型1 7 3 2 2 仿真参数及刺激方案1 8 3 2 3 实验方案及结果计算19 3 3 实验结果2 0 3 4 讨论2 3 目录 第四章迭代维纳滤波算法2 6 4 1 引言2 6 4 2 方法2 6 4 2 1 迭代维纳滤波算法的数学模型2 6 4 2 2 相关参数的选择和数据的获取2 8 4 3 实验结果2 9 4 3 1 处理仿真数据的实验结果2 9 4 3 2 处理真实数据的实验结果3 1 4 4 讨论3 2 第五章基于最大长序列刺激的a e p 信噪比分析。3 4 5 1 引言3 4 5 2 数学分析和方法3 5 5 2 1 数学分析。3 5 5 2 2 实验方法3 6 5 3 结果。3 7 5 4 讨论3 9 第六章高阶a e p 的t i k h o n o v 正则化去卷积算法。4 1 6 1 弓f 言4 1 6 2 方法4 1 6 2 1 s j d 刺激序列及合成反应4 2 6 2 2 合成变换矩阵的设计4 3 6 2 3 t f l c h o n o v 正则化去卷积算法4 5 6 2 4 实验方案4 6 6 3 实验结果与讨论4 8 第七章总结和展望51 2 硕士学位论文 参考文献 攻读硕士期间发表或完成的论文。 致谢一 学位论文原创性声明。 硕士学位论文 1 1 背景和意义 第一章绪论 听觉诱发电位( a u d i t o r ye v o k e dp o t e n t i a l ，a e p ) 是听觉系统受到声音刺激 后，产生的从耳蜗毛细胞到中枢神经系统的一系列神经电生理活动，根据潜伏 期的不同，可分为早潜伏期反应、中潜伏期反应和晚潜伏期反应。不同潜伏期 的a e p 来自于听觉系统的不同部分，反映了听神经、听觉通路及中枢神经系统 中的相关结构在特定声刺激下的状态和反应。a e p 从发现到应用于临床的历程 不长。2 0 世纪2 0 年代，b e r g e r 首次发现声刺激后脑电波被抑制的现象，从而 开启了a e p 研究的发展史。1 9 4 7 年，d a w s o n 应用叠加平均技术成功记录到人 的诱发电位【，进而研制出叠加平均仪。随着检测技术的不断发展，g e i s l e r 应 用电子计算机记录到人的a e p 后1 3 j ，a e p 的研究逐渐从动物试验损伤性电极记 录进展到无创性的人头颅表面电极记录。由于a e p 记录的无创性、可重复性及 其能反映听觉系统性状等特点，临床上应用a e p 作为听觉系统和中枢神经系统 疾病的诊断指标，并将其广泛应用于新生儿及婴幼儿听力筛查、器质性聋和功 能性聋的鉴别、听神经瘤的诊测和全麻麻醉深度监测等方面。 1 2 听觉诱发电位基础 从给声刺激开始至记录到a e p 的时间，称为a e p 的潜伏期。临床上，根 据潜伏期的不同将a e p 分类为( 图l 一1 ) ：1 0 - - 1 5 m s 内的早潜伏期反应( 包括 听觉脑干反应、耳蜗电图和s n l 0 颅顶负电位等) 、1 0 - - 一5 0 m s 内的中潜伏期反 应( 包括4 0 h _ z 稳态反应等) 和5 0 m s 以上的晚潜伏期反应( 包括p 3 0 0 、失匹配 负波和偶发负变异等) 。本文的研究对象主要为高刺激率下的听觉脑干反应 ( a u d i t o r yb r a i n s t e mr e s p o n s e ，a b r ) 和中潜伏期反应( m i d d l el a t e n c yr e s p o n s e ， m l r ) ，因此，本节将对常规a b r 和m l r 的特性及记录方案作简要介绍。 第一章绪论 1 o 1 0 m 鞠虻 图1 - 1a e p 波形 f i g 1 1w a v e f o r mo f a e p 1 2 1 常规a b r 和m l r 一个常规的a b r 通常发生在刺激开始后的1 0 m s 内，包含3 7 个反应波 ( 图1 1 ) ，依次标记为i 、i i 、i i i 、v 、v i 和v i i 波。其中，i 、i i i 和v 波 的出现率较高，且v 波的幅值最大，比i 波和i i i 波稳定，刺激率和刺激声强的 改变对v 波的影响最小。a b r 中的各波来源于听觉通路各部分，如i 、波来 源于听神经、i i i 波来源于上橄榄核和v 波来源于下丘等，很好地反映了听觉系 统的电生理活动情况。除此之外，a b r 还具有以下特点：( 1 ) a b r 中各波分化 的程度取决于神经冲动的同步程度：( 2 ) 不受受试者睡眠、麻醉或觉醒状态影 响；( 3 ) 具有相对稳定的潜伏期，当听觉通路有占位性病变或其它病理因素时， 其潜伏期会有相应的变化。因此，a b r 被广泛应用于听阈评估、听神经和脑干 病变的诊断以及术中监护等方面。 常规的m l r 通常指1 0 - 5 0 m s 内的a e p ，一般包括p o 、n a 、p a 和n b 这几 个特征波。与a b r 不同，m l r 各波成分主要来源于丘脑，其潜伏期和幅值均 不如a b r 稳定，易受受试者觉醒状态影响。因此，m l r 主要应用于全麻麻醉 深度的监测。此外，不少学者致力于研究4 0 h z 稳态反应种在受试者清 醒状态下由4 0 次s 刺激率诱发的、周期为2 5 m s 的准正弦波反应，他们认为4 0 h z 稳态反应是m l r 线性叠加的结果。因为二者均受睡眠、镇静剂和麻醉的影响， 2 3 第一章绪论 1 2 2 常规记录和高刺激率记录 从人头皮上记录到的a e p 的幅值( 一般小于1 0 p v ) 远小于自发脑电、电 磁干扰及肌电伪迹等背景噪声，不作任何处理地加以记录，将会使a e p 淹没在 背景噪声中无法辨识。叠加平均技术很好地解决了这个问题，其原理如图1 3 所示。利用声音刺激发生的时间序列a 进行刺激后，将记录到与背景噪声混在 一起的a e p 波形b 。每个声音刺激都将诱发一个a e p ( 图1 3 c ，称为暂态a e p ) 。 假设在记录条件不变的情况下，每个暂态a e p 都是不变的，以各声刺激发生的 时刻为基准点，将b 分成各段含有暂态a e p 的等长反应进行叠加。由于a e p 潜伏期和相位的正负是与刺激相关的，叠加后不会抵消，其幅值反而会增至原 来的数倍；而自发脑电等背景噪声具有随机性，其电位的正负有近乎均等的出 现机率，叠加后幅值的代数和极小或趋近于零。因此，经叠加后再进行平均， 可使与刺激有固定时间关系的a e p 从噪声中突显出来。目前，叠加平均技术已 成为临床上广泛应用的a e p 常规记录方式。 a b c 付 默利、 平均后 图卜3 常规叠加平均技术原理 f i g 1 3t h e o r yo fc o n v e n t i o n a le n s e m b l ea v e r a g i n gt e c h n i q u e 4 硕士学位论文 然而，叠加平均技术仅适用于刺激率较低，即刺激起始间间隔( s t i m u l u s o n s e ta s y n c h r o n y , s o a ) 大于暂态a e p 的情况。当刺激率提高，使得s o a 短于 暂态a e p 时，会令当前a e p 反应未结束，而下一个刺激又发生继而诱发新的 a e p ，导致这两个相继产生的a e p 首尾重叠的现象( 图1 4 ) 。这一重叠反应( 图 1 - 4 c ) 称为高刺激率a e p ( h i g hs t i m u l u sr a t ea e p ，h s r - a e p ) ，其所包含的暂 态a e p 成分( 图1 4 b ) 称为高阶a e p ( h i g h - o r d e ra e p ，h o - a e p ) 。常规记 录中采用s o a 相等的刺激序列( 图1 4 - a ) ，其所诱发的h s r - a e p 表现为一种 稳态反应的形式，其中以g a l a m b o s l 4 1 首次报告的4 0 h z 稳态反应为研究热点， 应用叠加平均技术无法将h o - a e p 从这种稳态反应中分离出来，仅能在频域中 对其进行频谱分析。虽然采用高刺激率方式记录a e p 需要解决这个较为复杂的 问题，它仍具有很高的研究和应用前景。许多研究表明，高刺激率的声音刺激 会极大增加听觉系统的负荷，有利于提高潜在听神经通路和脑部病变检测的敏 感性，如听神经瘤、多发性硬化症、汞暴露等a e p 的病理状态在高刺激率下更 为明显且易于检测。而对h s r - a e p 中h o - a e p 特性的探索，也将为研究听觉 神经生理系统的适应性提供重要手段。此外，由于常规方法一叠加平均技术 应用的刺激率较低，人们也期望在给予相同刺激个数的情况下，高刺激率记录 可以减少记录时间。 a b c i l i i 八 叭 刽夕 入 n 图1 - 4 高刺激率下a e p s 重叠现象 f i g 1 - 4s u p e r p o s i t i o no f a e p su n d e rh i g hs t i m u l u sr a t e h o - a e p 记录的难题在于解开重叠的反应。h s r - a e p 的重叠过程在工程学 5 第一章绪论 上可视为h o a e p 与刺激序列的循环卷积效应所致，基于这一模型，人们对刺 激序列各个s o a 采用抖动( j i t t e r ) 技术，即应用不规则的s o a 代替相等的s o a ， 来对h s r - a e p 去卷积还原h o - a e p 。首次对h s r a e p 进行解卷积的是 e y s c h o l d t 和s c l 矾血r 【5 1 ，他们应用一种称为最大长序列( m a x i m u ml e n g t h s e q u e n c e ，m l s ) 的刺激方案，成功提取出了h o - a e p 。随后，这一方案被广泛 应用于常规和高刺激率方案下的a e p 在形态和记录效率等问题上的对比研究。 此外，o z d 趿k 一叼和j e w e t t l 7 等人分别提出了新的还原方法一连续循环平均去 卷积方法( c o n t i n u o u sl o o pa v e r a g i n gd e e o n v o l u t i o n ，c l a d ) 和q 序列去卷积 方法( q u a s i - p e r i o d i c q l l e l l c ed e c o n v o l u t i o n ，q s d ) 。这两种方法具有相同的理 论基础，即通过设计具有低j i t t e r ( 即s o a 变化较小) 的刺激序列，对获得的 反应在频域中经过逆滤波器滤波处理，以还原h o a e p 。相较于m l s 方法，这 两种方法对噪声较为敏感，逆滤波器若选择不当极易放大噪声。为此，w a n g t 叼 等人对c l a d 方案加以改进，通过估计信号和噪声的功率谱，应用维纳滤波原 理抑制噪声放大。 1 3 本文的研究内容 目前，h o - a e p 的研究方法均基于卷积理论模型，m l s 、c l a d 和q s d 等 去卷积技术的应用也尚处于从理论迈入临床研究阶段，对这些方法特性的研究 及新处理方法的探索将是h o a e p 研究的热点。本文的主要研究工作包括：以 仿真实验的方式研究m l s 、c l a d 和q s d 这三种去卷积技术在h o a e p 记录 中的有效性问题，分析影响记录有效性的因素；对c l a d 方法加以改进，应用 迭代算法来获得较为准确的信号功率谱估计，提高该方法重建h o a e p 的性能； 仿真分析m l s 方法中各实验参数对还原h o a e p 的信噪比的影响，提出应用 m l s 方法后a e p 信噪比变化的理论公式，为不同实验条件下m l s 序列的选择 提供理论依据；探索新的h o - a e p 研究方法，应用序列间抖动( s e s s i o n - j i t t e r i n g ， s j ) 的刺激方式结合t n k h o n o v 正则化方法来还原较为准确的h o - a e p ，并加以验 证。 6 硕士学位论文 1 4 本文结构 本论文对应用去卷积技术还原高刺激率下暂态a e p 中的若干问题进行了 详细的研究，并针对现有的实验条件探索了新的h o a e p 研究方法。全文内容 安排如下： 第一章阐述了a e p 研究的意义和发展现状，对本文的主要研究内容和文章 结构安排进行了说明。 第二章详细介绍了m l s 、c l a d 和q s d 去卷积技术的理论方法和实际应 用。 第三章讨论了在记录时间和噪声环境等实验条件相同的情况下，常规叠加 平均方法、m l s 方法和c l a d 方法还原高刺激率下h o - a e p 的有效性，评估 它们还原信号的质量。 第四章在应用c l a d 方法的基础上，提出了一种长期记忆的迭代算法，在 无需信号先验知识的条件下逼近一个稳定的a e p 估计，提高c l a d 方法还原 h o - a e p 的能力。 第五章着重研究m l s 方法中各实验参数对h o - a e p 记录的影响，讨论了 应用m l s 方法还原h o - a e p 前后的信噪比变化，推导出相应的信噪比变化公 式，并分析影响这一变化的因素。 第六章介绍了应用序列间抖动方式刺激，结合t i k h o n o v 正则化方法还原 h o - a e p 的方法，并利用真实数据对该方法进行了验证。 第七章对本文的工作进行了总结和展望。 7 第二章去卷积技术及其在高阶a e p 中的应用 第二章去卷积技术及其在高阶a e p 中的应用 h s r - a e p 的形成过程，实质上是h o - a e p 与刺激序列相卷积的过程，通过 应用去卷积技术便可将h o - a e p 很好地重建出来。然而，a e p 的记录混合了 h s r - a e p 及背景噪声，简单的去卷积处理不能得到理想的结果，甚至会引入更 大的噪声。通过对去卷积技术加以改进，m l s 、c l a d 和q s d 方法实现了在对 噪声滤波处理的同时，较为理想地重建了h o a e p 。本章将详细介绍这三种方 法的具体实现过程及其在h o a e p 记录中的应用。 2 1 高阶a e p 的数学模型 在应用常规叠加平均方法的记录中，单次刺激诱发的反应是短于s o a 的。 当随着刺激率的提高s o a 越来越小时，便会发生相邻两个暂态反应互相重叠的 现象。如图2 - 1 所示，这一重叠实质是h o a e px ( 0 和二值表示的刺激序列办( f ) 循环卷积的结果。假设自发脑电等背景噪声疗( f ) 与垧是相互独立的，并且两者 是加法性关系，则h s r - a e p “d 可定义为 y ( f ) = x ( f ) o 办o ) + 万o ) ( 2 1 ) 其中，o 表示循环卷积运算。刺激序列忍( f ) 包含很多的0 和少量的l ，0 代表无 刺激发生，l 代表了刺激的发生( 图2 1 - a ) 。一般来说，一个刺激序列至少含 有8 个刺激，周期性地按这个序列进行刺激，可得到准稳态的h s r - a e p 。一个 刺激序列所诱发的a e p 称为一个扫程( 图2 1 c ) ，由于刺激序列的播放是周期 性的，则得到的扫程反应也将是周期性的。参照常规记录方式，将准稳态 h s r - a e p 分为数个扫程进行叠加平均，可得到削减了噪声的扫程h s r - a e p 。 与常规记录下单个扫程内波形均为周期性的稳态反应不同，准稳态h s r - a e p 在单个扫程内的波形是各异的，这是采用j i t t e r 技术后，因s o a 的不同导致各 暂态a e p 重叠程度不同引起的。去卷积技术正是利用了这些各异的信息来重建 h 0 a e p 。 8 m l s 是一种遵循严格数学要求的二值伪随机序列，由d a v i e s 9 1 于1 9 6 6 年推 算设计出来。这种序列由看似随机的0 和l 组成，在各频率段中具有平坦的频 谱，被广泛应用于室内混响时间的测试中。 m l s 可由反馈移位寄存器依据m l s 的数学特性产生。定义反馈移位寄存 器的存储单元个数为m l s 的阶数。图2 2 所示为3 阶m l s 的产生过程。定义 s 脚 o ，l ( 其中，= - 1 , 2 ，3 ) 为寄存器各存储单元的二进制状态，则不同时刻t 下寄存器将输出不同二进制状态的口( f ) 。寄存器的反馈值6 ( f ) 通过本原多项式推 b ( f ) 斛2 p 什1酞f ) = 【s 1 ( f ) + s o ( t ) m o d ( 2 ) 妒 + z + 1 输出m l s 序列： a ( o ) ，a ( 1 ) ，a ( 6 ) 图2 - 23 阶m l s 的产生过程 f i g 2 - 2g e n e r a t i o no f 3 - o r d e rm l s 导出的递归关系得到，本例中选用的本原多项式为氕垆卅1 。根据该式，式 9 第二章去卷积技术及其在高阶a e p 中的应用 中的最高次幂项对应于反馈值b ( 0 ，存储单元s 2 ( t ) 、s 1 ( f ) 、s o ( t ) 分别对应于式中 的2 次幂项0 、1 次幂项x 和o 次幂项1 。通过将对应于本原多项式中各 次幂项的各存储单元的代数和模2 取余，计算得到b ( 0 - 6 ( f ) = 【( f ) + s 。( t ) l m o d ( 2 ) ( 2 2 ) 只要定好寄存器各存储单元的初始状态j ( 2 1 3 ) 则通过设置不同参数的通带滤波器鲫和阻带滤波器s q ) ，代入式( 2 1 1 ) ，有 缸，= 器= 絮铲+ 器 q 饥，= 器= 铲+ 筹 其中，q 蚴通常取q ( 仞，即q 序列的傅立叶变化，其幅值大于1 。鼠d 的值一 般远大于q 蚴，以期在最大程度上衰减阻带范围内的噪声。 j c