神经元群模型采用平均建模思想,描述神经元群平均电活动,是研究脑电信号生理学机制的重要工具。改变神经元群模型中参数可以生成不同类型的仿真脑电信号。由于模型中的参数具有生理学意义,因此研究神经元群模型参数变化对模型输出的影响,有助于深入理解脑电信号的生成机制。该文建立了丘脑-皮层耦合神经元群模型,分析耦合模型中的突触连接参数变化对耦合模型输出的影响;运用遗传算法和无迹卡尔曼滤波算法识别丘脑-皮层耦合神经元群模型参数,并利用无迹卡尔曼滤波算法进行实际脑电数据分析,研究轻度认知障碍发作机制。首先,构建丘脑神经元群模型,仿真分析发现模型中兴奋性突触增益参数降低或抑制性突触增益参数增加,会导致模型输出信号Alpha波段的频率降低;然后,构建丘脑-皮层耦合神经元群模型,研究耦合模型中突触连接参数变化对皮层模块输出信号相对高频功率的影响,结果表明视网膜细胞群到丘脑-皮层中继细胞群之间的突触连接系数与皮层模块输出信号的相对高频功率成正比。其次,利用遗传算法和无迹卡尔曼滤波算法识别丘脑-皮层耦合神经元群模型参数,参数识别结果表明遗传算法和无迹卡尔曼滤波算法识别模型参数,具有较高准确度。通过识别模型参数,将脑电信号与模型参数联系起来,为研究脑电信号的生成机制提供了一个可行的方法。最后,利用无迹卡尔曼滤波算法识别轻度认知障碍（Mild Cognitive Impairment,MCI）患者脑电数据中的生理学参数,结果表明MCI组视网膜细胞群与丘脑皮层中继细胞群间的突触连接系数识别值低于对照组,且MCI组和对照组参数识别值在前额区、枕区、顶区、左颞区和右颞区具有显著差异性。研究结果对于研究轻度认知障碍等神经性疾病的发作机制具有重要意义。