扫频激励DPOAE的局部加权最小二乘估计算法研究

"扫频激励下的DPOAE的局部加权最小二乘估计算法" 本文主要探讨了在扫频激励下，如何利用局部加权最小二乘估计算法（Locally Weighted Least Squares Estimation, LWLSE）来提高畸变产物耳声发射（Distortion Product Otoacoustic Emissions, DPOAE）信号的测量效率和精度。DPOAE是一种生理现象，当耳朵内部的听觉细胞受到特定频率的声音刺激时，会产生额外的声波，这种声波可以作为评估听力损失的非侵入性工具。 传统的DPOAE测量通常需要在大频率范围内逐点进行，这不仅耗时，而且可能无法捕获到信号的瞬态变化。为了解决这个问题，研究者提出了采用扫频信号（Continuously Sweeping Primaries）作为刺激源，这种方法可以在较短的时间内覆盖广泛的频率范围，从而加快测量进程。 在此基础上，本文引入了LWLSE算法，它是在最小二乘拟合（Least-Squares-Fit, LSF）算法的基础上进行了优化。LSF通常用于拟合数据点以获取最佳直线或曲线，但在处理扫频激励下的DPOAE信号时，由于信号的局部特性可能发生变化，LWLSE通过赋予不同数据点不同的权重，使得估计更加适应信号的局部特征。因此，LWLSE在估计DPOAE信号及其初始刺激信号时，相比LSF能提供更高的准确性。 仿真结果显示，LWLSE算法在估计DPOAE信号的方差根音（Cubic Difference Tone, CDT）频率处的信号时，具有更小的估计方差，这意味着其能够更精确地提取DPOAE的精细结构，这对于听力损失的诊断和治疗具有重要意义。此外，由于LWLSE对噪声的抑制能力更强，因此可以提高信号的信噪比，进一步提升测量的可靠性。 关键词中的“畸变产物耳声发射”强调了DPOAE在听觉系统评估中的关键角色，“最小二乘拟合”和“加权最小二乘估计”则分别代表了基础的信号处理方法和本文提出的改进策略，“精细结构”指的是DPOAE信号中可能隐藏的微弱但重要的信息。中图分类号“TN911.7”表明该研究属于电子技术与通信科学领域，文献标识码“A”则表示这是一篇原创性的科学研究文章。 这篇研究论文展示了在扫频激励下，通过LWLSE算法提高DPOAE信号分析的效率和准确性，对于临床听力诊断及耳科研究提供了新的方法和技术支持。