神经元细胞外动作电位(即锋电位)的检测和分析是研究大脑神经系统编码机制和信号处理机制的基础。微电极阵列记录技术为神经元锋电位记录提供很好的工具,但是,要从记录信号中正确并有效地检出锋电位并分类,尤其是甄别出锋电位所属的神经元类型,目前还存在着许多亟待解决的问题。本文解决了其中的两个问题：如何直接利用宽频带记录信号来实现锋电位的检测和分类；如何检测高频电刺激期间的锋电位。这些问题的解决对于利用锋电位波形正确甄别神经元类型以及探索深部脑刺激作用的机制都具有重要意义。在锋电位的分析过程中,通常要先对原始实验记录信号进行滤波,消除高频噪声和低频场电位等干扰,然后再对锋电位进行检测和分类。但滤波会使锋电位的波形发生畸变,由此影响锋电位分类的准确性,尤其是神经元类型的甄别。例如,海马区中间神经元的锋电位波形通常比锥体神经元的波形要窄,而高通滤波会使锥体神经元的较宽的波形变窄,从而使两种神经元的锋电位波形变得相似,给两者之间的区分造成困难。为了解决这一问题,本文设计出能够不经滤波的基于宽频带记录信号的锋电位检测分类算法。通过多通道窗口法进行锋电位检测,并利用自适应特征提取的方法,获得16-25个特征指标用于锋电位分类同时区分锋电位的神经元类型。通过锋电位检测分类结果的评价指标,以仿真数据和实验记录数据的检验结果证明：该多通道窗口法能够从包含低频场电位的宽频带信号中准确地检测锋电位；而且,本文所设计的自适应特征提取法也能够准确区分宽频带信号中幅值相近的锥体神经元和中间神经元发放的锋电位波形,为锋电位的准确分类以及神经元类型的正确判别提供了一种新的、有效的方法。本文还进一步拓展上述锋电位分析方法,设计适用于深部脑区高频电刺激期间宽频带信号锋电位分析的模板匹配法。高频刺激时,宽频带记录信号中含有大幅值的刺激伪迹和刺激诱发的群峰电位(population spike,PS),它们经过高通滤波会产生“振荡”波形,影响幅值相对较小的锋电位的检测和分类。因此,本文提出一种新的模板匹配算法来实现刺激期间锋电位的检测和分类。首先从刺激期间信号中提取出锋电位模板,然后用该模板检测某类锋电位。为了提高该算法的运行速度,采取2个措施：1)以预先设定的移动窗中信号段的最大最小值之差为阈值先进行初步筛选,保留可能是锋电位的信号段再与模板进行匹配,从而完成锋电位的检测和分类。2)在MATLAB程序中调用预编译的C语言模板匹配算法程序,使分析计算时间减少为原先纯MATLAB程序的1/40,极大地提高了信号处理的效率。通过实验数据的验证,其结果表明：该模板匹配法能够直接从包含刺激伪迹和PS波的宽频带信号中准确地检测并分类锋电位,而无需去除伪迹和PS波。综上所述,本文设计的基于宽频带记录信号的锋电位检测和分类新方法,能够直接对未经处理的原始记录信号进行分析；并且应用于高频刺激间期的锋电位分析；此外,还适用于电流源定位等不能滤波分析的情况。这些方法为电刺激等大干扰情形下的锋电位分析的研究提供新方法。