动态诱发电位对研究脑神经功能的动态过程是十分重要的。但是诱发电位的动态提取非常困难，一方面因为它的波幅很低，“淹没”在被同时记录到的自发脑电中，信噪比很低；另一方面，诱发电位和自发脑电的频率范围在很大程度上重叠。由于诱发电位源于复杂的非线性神经系统，其动态过程蕴含了丰富的信息，平均的诱发电位不能满足科研和临床的要求。因此单次(或少次)动态提取非线性的诱发电位是目前国内外研究的热点和难点。 本论文的研究目的是对两类典型的诱发电位：脑干听觉诱发电位(Brainstem Auditory Evoked Potential,BAEP)和事件相关电位(Event Related Potential,ERP)进行非线性的动态提取。本论文的研究内容分两个方面：(1)构造非线性仿真诱发电位：BAEP和ERP，对其进行动态提取；(2)用对仿真BAEP提取的方法指导临床BAEP实验记录信号的动态提取。 研究的主要路线和方法是：首先构造了初始相位在已知的临床知识范围内随机变化的仿真BAEP和ERP非线性序列，再加入不同幅度的白噪声组成含噪的BAEP和ERP的四类非线性模型。选用的非线性的提取方法是径向基函数神经网络(Radial Basis Function Neural Network,RBFNN)方法，它是一种局部逼近的人工神经网络，在信噪比较高的情况下动态提取信号的效果较好。而我们构建的与实际情况相符合的含噪仿真BAEP序列的信噪比较小，分别为—5dB和—10dB，直接用RBFNN方法提取不能获得满意的结果。因此，先用移动窗口平均(Moving Window Average,MWA)法作预处理，在保留序列动态信息的同时进行较少次数的平均以初步提高信噪比；再选用奇值分解(Singular Value Decomposition,SVD)分量重构法进一步去除序列中的基底噪声。经过以上两步预处理后含噪序列的信噪比已有了很大提高，这时再用RBFNN对其进行动态提取。 中文摘要 本论文的研究结果是:对初始相位在士1%范围内随机变化的仿真BAEP，含噪序列信噪比为一sdB时，最终动态提取出的序列与原仿真BAEP序列的相对均方误差在4.23%左右波动;含噪序列信噪比为一10dB时，相对均方误差在6.68%左右。对信噪比为odB的仿真ERP含噪序列，如仿真ERP的初始相位在士1%范围内随机变化，最终结果的相对均方误差在1.18%左右，对初始相位在士5%范围内的情况，相对均方误差在n.56%左右。最后，本文在对仿真BAEP进行动态提取的基础上。对临床BAEP实验记录数据进行了动态提取，并与迭加平均法的结果进行了比较。 本研究的结论是:(1)非线性诱发电位仿真模型的建立，为研究诱发电位的非线性动态提取提供了可用的模型;(2)用M认叭方法和SVD分量重构法使含噪仿真诱发电位序列的信噪比提高，改善了RBFNN对诱发电位动态提取的效果;(3)本文对信噪比大(ERP)和信噪比很小(BA丑P)的情况下的诱发电位动态提取都作了仿真研究，得到了满意的效果。因此本文的思路和方法也将适用于其他诱发电位的动态提取。