基于多距测量方法及最小一乘准则的近红外脑功能信号抗差估计方法技术

基于多距测量方法及最小一乘准则的近红外脑功能信号抗差估计方法，本发明专利技术涉及一种信号抗差估计方法，具体涉及基于多距测量方法及最小一乘准则的近红外脑功能信号抗差估计方法。本发明专利技术目的是为解决目前粗差严重影响脑功能信号的准确提取。步骤一、使用光源S和D1和D2构成的近红外探头进行探测；步骤二、获得反应光强信息的电信号；步骤三、获取D1测得的Δ[HbO2]N(k)和Δ[HHb]N(k)，D2测得的Δ[HbO2]F(k)和Δ[HHb]F(k)；步骤四、用x(k)表示Δ[HbO2]N(k)或Δ[HHb]N(k)；步骤五、用y(k)表示Δ[HbO2]F(k)或Δ[HHb]F(k)；步骤六、脑功能信号表示为s(k)＝y(k)-βx(k)；步骤七、利用最小一乘准则求解使J(k)最小的权重系数β，获得误差性能函数J(k)，表示为步骤八、获得脑功能信号s(k)。本发明专利技术应用于信号处理领域。

【技术实现步骤摘要】
基于多距测量方法及最小一乘准则的近红外脑功能信号抗 差估计方法
本专利技术涉及一种信号抗差估计方法，具体涉及基于多距测量方法及最小一乘准则 的近红外脑功能信号抗差估计方法。
技术介绍
近红外光谱技术可用于大脑皮层中氧合血红蛋白浓度变化A出b〇2]和还原血红 蛋白浓度变化A出冊]的信号测量，进一步拓展脑功能活动信号的分析研究。然而，近红外 光谱技术在脑功能活动检测中，光强信号往往受到仪器噪声、环境干扰、实验因素等影响， 对于异常值的处理，通常采用剔除策略。但是，只有明显的异常值才能检验出来。对于并非 异常值的数据，错误地剔除同样会损失有用信息。使得测量信号中不可避免的混叠部分粗 差。
技术实现思路
本专利技术目的是为解决目前粗差严重影响脑功能信号的准确提取。而提出基于多距 测量方法及最小一乘准则的近红外脑功能信号抗差估计方法。 上述的专利技术目的是通过W下技术方案实现的： 步骤一、在待测脑组织位置使用光源S和两个检测器Dl和D2构成的近红外探头 进行探测； 步骤二、探测漫反射光强信号并经过光电传感器进行变换获得反应光强信息的电 信号； 步骤H、电信号通过修正朗伯比尔定律获取检测器Dl测得的氧合血红蛋白浓度 变化量的时间序列A出b〇2]w(k)和还原血红蛋白浓度变化量的时间序列A出冊r化)，检 测器D2测得的氧合血红蛋白浓度变化量的时间序列A出b化]p(k)和还原血红蛋白浓度变 化量的时间序列A出冊r化）； [000引步骤四、用X似表示A邮02]w似或A出冊r似； 步骤五、用y似表示A [Hb02]F(k)或A出冊]FQO ; 步骤六、脑功能信号可W表示为s(k) = y化)-目x(k); 步骤走、利用最小一乘准则求解使J(k)最小的权重系数目，获得误差性能函数 J化)，表示为 [001 引 /(A-) =乏 I，'(东)-麵發） k-l [001引其中，J(k)为误差性能函数，目为权重系数，求解使J(k)最小的目，获得脑功能 信号S似； 步骤八、利用最小一乘准则代价函数，求解最小一乘估计法估计值再将求取的 I带入脑功能信号的表达式，即可获得脑功能信号S化)。 [001引专利技术效果 本专利技术方法针对近红外光谱技术中存在粗差情况，不再单凭最小二乘估计准则计 算出的残差来确定待求参量，而是提出一种抗差估计方法。在多距测量方法的基础上，将近 端检测器Dl与远端检测器D2获得的血液动力学参数关系模型通过最小一乘准则来实现抗 差估计，最小一乘抗差估计方法能够实现不需判别数据中异常值，所有数据均参加运算。采 用双波长光源A 1 = 760皿，A 2 = 850皿，光源S到检测器Dl的直线距离即光源检测器间 距为10mm，光源S到检测器D2的直线距离即光源检测器间距为40mm。该设置能够使D2检 测的近红外光可有效穿入大脑皮层，Dl检测的近红外光仅穿入头外层脑组织。在整个检测 过程中，为减少头部晃动造成测试影响，被测者背靠座椅，用固定带将传感器探头固定在测 试区域。信号采集模块对反射光强转换的电压信号进行采集，完成对双检测器信号单次采 集的时间间隔设置为100ms，即时间分辨率为100ms，系统采样率为10化。在最小一乘准则 下，不要求测量信号中随机误差服从正态分布，即随机误差服从某种厚尾分布，且方差可能 较大，本方法获得的测量结果将优于最小二乘准则获得的结果，具体优势取决于误差分布 情况和误差大小。 【附图说明】 图1是本专利技术流程图； 图2是基于多距测量方法的近红外脑机接口信号检测探头结构，其中a表示头皮， b表示颇骨，C表示脑脊液，d表示脑灰质，e表示脑白质。 【具体实施方式】 【具体实施方式】 一；本实施方式的基于多距测量方法及最小一乘准则的近红外脑功 能信号抗差估计方法，具体是按照W下步骤制备的： 步骤一、在待测脑组织位置使用光源S和两个检测器Dl和D2构成的近红外探头 进行探测； 步骤二、探测漫反射光强信号并经过光电传感器进行变换获得反应光强信息的电 信号； 步骤H、电信号通过修正朗伯比尔定律获取检测器Dl测得的氧合血红蛋白浓度 变化量的时间序列A出b化]w(k)和还原血红蛋白浓度变化量的时间序列A出冊r化)，检 测器D2测得的氧合血红蛋白浓度变化量的时间序列A出b化]p(k)和还原血红蛋白浓度变 化量的时间序列A出冊r化）； 步骤四、用X似表示A邮〇2]w似或A出冊r似； 步骤五、用y似表示A [Hb02]F(k)或A出冊]FQO ; [002引步骤六、脑功能信号可W表示为s(k) = y化)-目x(k); [002引步骤走、利用最小一乘准则求解使J(k)最小的权重系数目，获得误差性能函数 J化)，表示为本文档来自技高网...

【技术保护点】
基于多距测量方法及最小一乘准则的近红外脑功能信号抗差估计方法，其特征在于：基于多距测量方法及最小一乘准则的近红外脑功能信号抗差估计方法具体是按照以下步骤进行的：步骤一、在待测脑组织位置使用光源S和两个检测器D1和D2构成的近红外探头进行探测；步骤二、探测漫反射光强信号并经过光电传感器进行变换获得反应光强信息的电信号；步骤三、电信号通过修正朗伯比尔定律获取检测器D1测得的氧合血红蛋白浓度变化量的时间序列△[HbO2]N(k)和还原血红蛋白浓度变化量的时间序列△[HHb]N(k)，检测器D2测得的氧合血红蛋白浓度变化量的时间序列△[HbO2]F(k)和还原血红蛋白浓度变化量的时间序列△[HHb]F(k)；步骤四、用x(k)表示△[HbO2]N(k)或△[HHb]N(k)；步骤五、用y(k)表示△[HbO2]F(k)或△[HHb]F(k)；步骤六、脑功能信号可以表示为s(k)＝y(k)‑βx(k)；步骤七、利用最小一乘准则求解使J(k)最小的权重系数β，获得误差性能函数J(k)，表示为J(k)=Σk=1n|y(k)-βx(k)|]]>其中，J(k)为误差性能函数，β为权重系数，求解使J(k)最小的β，获得脑功能信号s(k)；步骤八、利用最小一乘准则代价函数，求解最小一乘估计法估计值再将求取的带入脑功能信号的表达式，即可获得脑功能信号s(k)。...

【技术特征摘要】
1. 基于多距测量方法及最小一乘准则的近红外脑功能信号抗差估计方法，其特征在 于：基于多距测量方法及最小一乘准则的近红外脑功能信号抗差估计方法具体是按照以下 步骤进行的： 步骤一、在待测脑组织位置使用光源S和两个检测器Dl和D2构成的近红外探头进行 探测； 步骤二、探测漫反射光强信号并经过光电传感器进行变换获得反应光强信息的电信 号； 步骤三、电信号通过修正朗伯比尔定律获取检测器Dl测得的氧合血红蛋白浓度变化 量的时间序列A [Hb02]N(k)和还原血红蛋白浓度变化量的时间序列A [HHb]N(k),检测器 D2测得的氧合血红蛋白浓度变化量的时间序列A [Hb02]F(k)和还原血红蛋白浓度变化量 的时间序列A [HHb]F(k); 步骤四、用 x(k)表示A [Hb02]N(k)或A [HHb]N(k); 步骤五、用 y(k)表示A [Hb02]F(k)或A [HHb]F(k); 步骤六、脑功能信号可以表示为s(k) =y(k)-0x(k); 步骤七、利用最小一乘准则求解使JOO最小的权重系数P，获得误差性能函数J(k)， 表示为其中，JOO为误差性能函数，P为权重系数，求解使J(k)最小的P，获得脑功能信号 s(k)； 步骤八、利用最小一乘准则代价函数，求解最小一乘估计法估计值#,再将求取的I带 入脑功能信号的表达式，即可获得脑功能信号s (k)。2. 根据权利要求1所述基于多距测量方法及最小一乘准则的近红外脑功能信号抗差 估计方法，其特征在于：步骤一所述的光源S采用集成双波长近红外光源，光源S到近端检 测器Dl之间的直线距离为 ri ;光源S到远端检测器D2之间的直线距离为r2。3. 根据权利要求2所述基于多距测量方法及最小一乘准则的近红外脑功能信号抗差 估计方法，其特征在于：所述双波长近红外光源发出的两种波长分别为X 1 = 76〇nm，X2 = 850nm。4. 根据权利要求3所述基于多距测量方法及最小一乘准则的近红外脑功能信号抗差 估计方法，其特征在于：所述光源S与检测器Dl的间距 ri为IOmm,发光源S与检测器D2的 间距r2为40_。5. 根据权利要求4所述基于多距测量方法及最小一乘准则的近红外脑功能信号抗差 估计方法，其特征在于：所述步骤三中A [HbO2]N(k)和A [HHb]N(k)为：A [Hb02]F(...

【专利技术属性】
技术研发人员：张岩，刘丹，杨春玲，张国亮，孙金玮，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：黑龙江;23