扫频激励下的DPOAE的局部加权最小二乘估计算法

标题“扫频激励下的DPOAE的局部加权最小二乘估计算法”直接指向了研究的核心，即探讨如何通过特定算法提高畸变产物耳声发射（DPOAE）信号的估计精度。该算法特别针对使用扫频信号作为激励源时DPOAE信号的处理。 畸变产物耳声发射（DPOAE）是指在双音刺激下，耳蜗中由于非线性特性而产生的特定频率响应，它与听力健康状况密切相关，因此被用于诊断听力损失，特别是在婴幼儿听力筛查中具有重要价值。但是，传统使用单频刺激信号时，在大频率范围内测量DPOAE耗时较长，这限制了其应用效率。 为解决这一问题，研究者提出采用扫频信号作为诱发信号，即使用连续变化频率的信号来快速记录大频率范围内的DPOAE数据。扫频激励能够加快测量过程，提高效率，这对临床应用非常有利。 在已有最小二乘拟合（Least-Squares-Fit, LSF）算法的基础上，研究提出了局部加权最小二乘估计算法（Locally Weighted Least Squares Estimation, LWLSE），专门用于处理扫频激励下的DPOAE信号。LWLSE通过引入加权误差函数作为损失函数，在局部范围内对误差进行加权，得到误差加权矩阵。通过这种加权方式，可以得到更小的估计方差，从而提高估计的准确性。 在该算法中，首先对DPOAE参数进行最小二乘估计，然后将误差向量分组，并在每组内计算不同的局部加权矩阵。最终，根据最小二乘估计原理使用这些局部加权矩阵来估计DPOAE信号的参数。仿真结果表明，使用该方法能有效降低估计方差和波动误差，从而能更准确稳定地估计DPOAE及其初始刺激信号。这使得能够提取出更加清晰的DPOAE精细结构，从而更精确地评估听力状况。 关键词中的“最小二乘拟合”指的是一种数学优化技术，它通过最小化误差的平方和来寻找数据的最佳函数匹配。而“加权最小二乘估计”则在最小二乘的基础上赋予不同数据点不同的权重，用以改善拟合的质量。这些估计方法在信号处理和数据分析中非常常见和重要，它们能够提供对数据的优良近似，是参数估计中非常有效的技术手段。 通过采用扫频激励信号，结合局部加权最小二乘估计算法，能够提升DPOAE信号处理的速度与准确性，这对于临床听力检查技术的发展具有重要意义。该研究的深入探讨可以进一步推动该算法在听力损失诊断中的实际应用，同时为其他信号处理领域的研究者提供新的思路和工具。