关键词:
径向基神经网络
稳定分布
诱发电位
摘要:
诱发电位(EP)观测信号中的背景噪声经常呈现出某种非高斯脉冲特性,使基于高斯假设的最小均方自适应算法性能明显退化,而适用于α稳定分布假设的最小平均p范数算法仍能较好地工作。借鉴该思想,使用以时间索引序列为输入的径向基神经网络,实现脉冲噪声下的EP信号自适应估计,给出矩阵形式的权值更新公式,逐扫描地完成自适应估计,且无需设计参考信号。针对当α动态变化时最小平均p范数算法性能变差的不足,提出基于符号函数直接自适应的改进算法用于EP信号估计。实验结果表明,改进后的算法可以在α动态变化时很好地跟踪EP信号,即使在很低的混合信噪比时(-12 dB),估计信号与EP源信号的相关系数仍在0.9以上,是一种在α稳定分布噪声下具有良好韧性的EP信号自适应估计算法。