听觉诱发电位(auditory evoked potential, AEP)是通过特定的声音刺激听觉器官后,从头皮上记录到的神经系统在传递信息过程中的微弱电压变化,反映听神经、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。若感兴趣的AEP的时程大于刺激间隔(stimulus-interval, SI),记录的反应会产生重叠而无法通过常规的平均叠加方法获得暂态AEP,这种AEP称为高刺激率AEP(High stimulus rate AEP, HSR-AEP),其所包含的暂态AEP成分称为高阶AEP(High-order AEP, HO-AEP)。研究表明,在高刺激率下听神经负荷加重有助于对听觉系统进行适应性评估以及一些听觉系统疾病的机理研究和临床诊断,有利于提高潜在听神经通路和脑部病变检测的敏感性。此外,有报道称全麻或睡眠状态下的AEP,其潜伏期和幅值的变化与刺激率有关,睡眠状态下,高刺激率AEP的特性也不尽相同,并且HO-AEP有利于麻醉深度监测和睡眠状态评估。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。因此,对高刺激率AEP的研究具有十分重要的理论价值和应用前景。从工程学看,HSR-AEP可以看成是由刺激序列和瞬态AEP的卷积效应所导致。早期为解决去卷积问题,采用一种被称为最大长序列的刺激方法,因其刺激间隔不等而被称为刺激间隔抖动(SI-jitter),其特殊的自相关特性能有效的解决去卷积问题。近年来,基于SI-jitter刺激范例又提出一些更加灵活的刺激方式。此外,采用记录间抖动(session-jitter)的刺激方式在40Hz稳态脑磁反应研究中有所触及,但是由于缺乏对该模型性质的数学分析,在观察信号存在干扰情况下,去卷积计算如何保证信号恢复性能的问题没有得到解决。该技术在实际应用过程中需要求合成变换矩阵的逆以重建出暂态AEP成分,然而,往往由于合成变换矩阵的逆不存在而出现病态问题。因此针对病态条件下如何获高质量的暂态AEP是本文研究的重点,本文的主要研究工作包括：1、运用经典的Tikhonov正则化技术与L-curve参数选择相结合来解决高速率刺激听觉诱发脑电信号重建的病态逆问题,并且探讨在暂态的听觉诱发电位(AEP)重建问题中,当一些L-曲线中出现多个拐点,给正则化参数的确立带来困难时,如何确立最优的正则化参数的问题。Tikhonov是一种广泛应用的经典正则化技术,该方法的主旨是用稳定函数项扩展最小化目标函数,然而正则化参数作为保真项与约束项的权衡因子,对重建结果的优劣有着直接的影响,其中L-曲线发展比较成熟,能基于自己的理论得到合理的参数并结合正则化技术解决天文学、气象学等领域内出现的病态逆问题。本文把高刺激率下AEP去卷积问题转化为一个线性系统逆问题来处理。重建的结果表明,L-curve方法在大多数情况下,能较好的估计正则化参数,但是也存在欠估计的情况。对于这些情况,重新正确选择正则化参数,再重建的暂态AEP与常规AEP的相关系数分别提高了O.14和0.21,相对误差分别下降了0.30和3.25,从而实现暂态AEP信号较好重建。正则化参数控制着目标函数中正则化的程度,对暂态AEP的重建性能影响很大,对于存在复杂曲率结构的L-曲线,根据AEP自身范数的取值范围能够方便地确定出合理的正则化参数,从而改善了AEP重建性能。2、探讨不同参数选择方法对高阶ABR(Auditory Brainstem Response)信号重建的影响。正则化参数的选择直接影响着暂态AEP的重建性能。L-curve,广义交叉验证(general cross validation, GCV)方法是目前比较成熟和广泛使用的参数选择方法,它们都能基于自己的理论得到合理的参数,但是对于具体问题而言,两种方法得到的结果有时会有很大的差别,不存在适用于任何问题的正则化参数选择方法。本文采用两种不同的速率组合方式,定义为组合一和组合二。通过计算重建ABR和常规ABR之间的相关系数和相对误差,我们比较两种正则化参数选择方法对重建结果的影响。相对于L-curve, GCV方法得到的正则化参数普遍较大,重建的高阶暂态ABR与常规ABR之间的相关系数普遍较高,相对误差较小。L-curve准则有一些特例情况,求解的正则化参数估计不如GCV方法稳定。GCV方法比L-curve方法能更好地解决高阶ABR重建的病态问题,取得更接近于真实情况的结果。