基于鋒電位信號運(yùn)動信息解碼研究.pdf

1、動物大腦皮層神經(jīng)信號運(yùn)動信息解碼，是腦機(jī)接口(BMI)的重要研究內(nèi)容。然而，傳統(tǒng)神經(jīng)元集群解碼方法多使用的是線性方法，計算簡單，易于實(shí)現(xiàn)，但是神經(jīng)系統(tǒng)是一個典型的復(fù)雜的非線性系統(tǒng)，簡單的線性解碼方法已經(jīng)成為制約神經(jīng)解碼精確性的瓶頸。因此，本文利用微電極陣列檢測神經(jīng)元鋒電位信號，實(shí)現(xiàn)了鋒電位檢測、分類等預(yù)處理，重點(diǎn)研究了大腦運(yùn)動神經(jīng)信息非線性解碼模型，給出了基于粒子濾波算法神經(jīng)信息的解碼，并與最佳線性估計和卡爾曼濾波技術(shù)進(jìn)行了對比。主要內(nèi)

2、容如下:
　　(1)給出了大鼠的行為訓(xùn)練模式和神經(jīng)信號采集過程，并在基礎(chǔ)上分析了鋒電位信號的統(tǒng)計特性，結(jié)果表明神經(jīng)系統(tǒng)是非線性、非高斯隨機(jī)系統(tǒng)。為解決此類問題，研究了貝葉斯估計方法的基本理論，重點(diǎn)分析了用于神經(jīng)信息解碼的粒子濾波算法，總結(jié)了不同狀態(tài)估計算法在非線性狀態(tài)空間模型分析中的優(yōu)缺點(diǎn);
　　(2)精確的鋒電位檢測及分類是高效神經(jīng)解碼的前提，為了提高大腦神經(jīng)信息解碼的精度，實(shí)現(xiàn)了鋒電位信號的預(yù)處理。在檢測環(huán)節(jié)，使用基于分

3、段優(yōu)化思想的形態(tài)學(xué)濾波器對鋒電位原始信號進(jìn)行去噪處理，對去噪后的信號再進(jìn)行鋒電位檢測提取，實(shí)驗結(jié)果表明鋒電位檢測正確率達(dá)到了95％以上;在分類環(huán)節(jié)，首先使用主成分分析方法提取鋒電位信號的特征，然后使用K均值聚類方法對提取的特征進(jìn)行聚類，實(shí)驗結(jié)果顯示鋒電位分類正確率在90％以上，為大腦運(yùn)動信息神經(jīng)信息解碼奠定了良好的基礎(chǔ)。
　　(3)建立了線性解碼模型，給出了基于最小二乘理論的線最佳線性估計解碼方法和基于貝葉斯估計理論的卡爾曼濾波解

4、碼方法，并利用大鼠海馬區(qū)神經(jīng)元鋒電位實(shí)測信號進(jìn)行了驗證。實(shí)驗結(jié)果顯示:在數(shù)據(jù)量較少的情況下，基于卡爾曼濾波方法的解碼效果明顯優(yōu)于基于線性最優(yōu)估計方法的解碼效果，相關(guān)系數(shù)提高了42％左右;然而，隨著數(shù)據(jù)量的增加，基于卡爾曼濾波的解碼性能與基于線性最優(yōu)估計的解碼性能趨于一致。
　　(4)建立了非線性的神經(jīng)元編碼模型，并利用神經(jīng)元編碼模型對神經(jīng)元位置感受野進(jìn)行了擬合，給出了反映鋒電位發(fā)放與運(yùn)動位置之間的調(diào)諧函數(shù);建立了神經(jīng)信息解碼的狀態(tài)