摘要：目的本文旨在提取淹没在强背景噪声自发脑电信号(EEG)中的视觉诱发脑电信号。方法通过设计合适的自适应模糊神经网络(ANFIS),对视觉诱发脑电信号进行建模,从而采用自适应噪声消除方法滤除干扰信号,提取出视觉诱发脑电信号。结果经与目前临床通用的相干平均法比较,在波形整体和P100潜伏期的提取上,效果显著。结论基于ANFIS的自适应噪声消除方法可有效的用于诱发脑电信号VEP的检测。

摘要：为了从强自发脑电ＥＥＧ背景中提取视觉诱发脑电（ＶＥＰ）信号，按内模滤波方法，利用递推最小二乘算法估计叠加后的ＶＥＰ信号的内模参数；然后以在线迭代的方式来设计具有自适应能力的内模滤波器，并将其与小波变换方法恰当结合．临床试用结果表明，此法比单纯采用按典型ＶＥＰ信号的内模参数设计内模滤波器，或单纯采用小波变换法提取ＶＥＰ信号效果更理想．

摘要：提出了内模滤波新方法的基本思想和设计方法．针对从强自发脑电（ＥＥＧ）背景噪声中提取视觉诱发脑电（ＶＥＰ）信号这一极低信噪比（ＳＮＲ）情况下的滤波问题，先利用递推最小二乘算法估计出典型ＶＥＰ信号的内模多项式的参数，再据此设计内模滤波器．给出了内模滤波器的设计方法，并用于提取ＶＥＰ信号．数字仿真和临床试用结果表明了内模滤波器具有低ＳＮＲ下的信噪分离能力．