论文部分内容阅读
运动行为的神经信号解码研究是脑-机接口研究的重要内容,解码生物的运动意图,具有重要的理论与实际应用价值。微电极阵列记录到的信号包括锋电位信号(spike)和局部场电位信号(Local field potentials,LFP),关于spike信号的运动解码研究取得了一定成果,但是随着电极植入的时间增长,spike信号质量有所下降,而局部场电位具有长期解码稳定的特点,逐渐引起研究人员的关注。但是,大脑结构复杂,某一运动行为的执行可能由大脑多个脑区共同作用,运动意图在脑中的存在时间非常短暂,采集到的局部场电位为非平稳信号,且在记录的过程中不可避免的会引入噪声信号,这些都对解码特征的有效提取造成一定阻碍。在对大脑信息进行解码时,关键是确定出有效编码信息的时间及频率窗口,提取到利于解码的特征。本文以鸽子为研究对象,结合动物行为学方法与神经信号微电极阵列检测技术,采集了鸽子左转、直行、右转三个方向转向运动发生时NCL(Nidopallium Caudolaterale)脑区的LFP信号。对LFP信号特征提取方法进行分析,探讨鸽子运动转向时的LFP信号的特征变化,并用k近邻(k-Nearest Neighbor,kNN)方法对提取的特征进行分类,预测其运动方向。主要工作如下:1.对局部场电位信号的产生过程,局部场电位信号特性及相关噪声特性进行了分析,在此基础上比较了常用处理方法在LFP信号去噪中的优缺点,以及常用时域,频域时频域方法在特征提取方面的优缺点。2.采用了一种结合独立成分分析(Independent component analysis,ICA)与小波方法的特征提取方法,ICA方法能够去除各通道间的数据冗余,去除明显噪声的同时对有效编码信息最大程度的保留,之后利用时频特性特较好的小波方法进行特征提取,有效提取了运动转向发生时局部场电位的特征。3.完成了鸽子运动转向行为诱导训练及神经信号采集实验,利用本文的特征提取方法对局部场电位信号进行特征提取,并利用k近邻方法进行分类,正确率最高达到92.35%。又进一步对不同通道,单个特征,及不同时间窗提取的特征进行分类并统计正确率,探究比较好的解码特征形式。