小鼠视觉感受区电位信号(LFP)与视觉刺激之间的关系研究

脑是支配人和高级动物活动的司令部和信息中心,脑电波是脑科学基础理论研究的重要指标,也是人类思维活动的体现.大量研究都表明脑电波信号与认知等功能活动有关.而脑电波信号是无数神经放电的混合,不同行为产生的电信号的强弱差别也很大,所以通常的盲源分离技术误差较大,很难将脑电波较好的分离出来并与动作相对应.通过建立数学模型,分析了脑电波与行为之间的联系.首先预测并验证了呼吸动作与脑电波之间关系模型,使用DFA模型经过最小二乘法拟合进一步确认了LFP变化的周期性.然后通过计算脑电波曲线的自相关与互相关,得到了脑电波的周期性以及呼吸相关脑电波成分周期性的相关关系.之后建立了独立成分分析(ICA)的模型使用InfoMax的方法对脑电波进行了成分分离,并通过对照实验比较、优化了分离结果.寻求最优的脑电波的分离模型.并在此基础上研究了小鼠的视觉感受区电位信号与视觉刺激间的关联.     

小鼠视觉感受区电位信号(LFP)与视觉刺激之间关系研究

针对小鼠脑电波与行为之间关系研究中涉及弱脑电波信号处理、成分分离及提取、脑电波与对应行为分析等问题,首先处理了脑电波信号,根据呼吸机理建立了"呼"、"吸"动作电位触发下的脑电波模型.其次,通过独立分量分析方法获得睡眠状态小鼠视觉感受区LFP信号模型,采用区间估计和Rayleigh熵检验结合讨论了提取的相关脑电波与呼吸信号的锁相性,分析了LFP信号的周期性,建立了多元线性回归模型,用最小二乘法从理论上讨论了其线性关系,并检验了所建二次模型周期变化的相关性.然后,通过平均经验模态分解及基于互相关性的伪分量检验算法,改善了模态混叠,建立了完整的脑电波信号分离模型.最后,分析图形因素的图像特征,通过提取视觉刺激曲线、功率谱相关频段,采用叠加平均信号法,以LFP节律随视觉信号锁相程度判断不同视觉刺激引起的LFP成分变化.     

“小鼠视觉感受区电位信号与视觉刺激之间关系研究”方案综述

局部场电位(Local Field Potential,LFP)反映来自神经元网络局部神经核团的活动状态,是脑内局部大量神经元树突电位和的综合反映.LFP可能与大脑对行为的控制和刺激有关.该问题研究目标是寻找对应视觉刺激的脑电波成份,并通过建立数学模型分析小鼠视觉感受区电位信号(LFP)与视觉刺激之间的关系.     

小鼠特征脑电波信号分离与相关性分析

基于生物的呼吸机理,建立了小鼠呼吸的闭环控制系统模型,并给出了呼吸脑电波的仿真曲线.结合相关性分析理论,得到了小鼠呼吸曲线和脑电波各自的自相关函数以及两者的互相关曲线与相关系数.利用功率谱估计方法重点研究了脑电波的频域特性并分析了能量比.设计了巴特沃斯数字滤波器和基于功率谱能量分布的脑电波分离算法,对脑电波进行了分离.并比较了分离结果与原始刺激之间的相关性.     

EMD和FCM的脑电信号处理方法

基于脑电信号非平稳、复杂、信噪比低的特性,使用经验模式分解(EMD)算法对脑电信号进行分解,提取主要IMF分量的特征值,之后使用模糊C-均值(FCM)进行分类,并与现有的几种脑电分类方法做了对比研究.研究结果表明,基于2003年第二届BCI大赛脑电信号库的分类正确率达到78%,对于现有的脑电分类方法有一定的借鉴意义.     

应用平面凸集理论分离植物叶片边界的研究

为了研究植物叶片的外观特征,对叶缘的分离进行了研究.首先,通过对叶缘形状的观察,基于类比原则,应用凸集理论中的相关定理,研究发现某种类型对称叶片的叶缘所构成的平面点集中,任意两点的最大距离是叶尖点到叶基与叶柄交点的距离.以此为据,通过matlab编程,有效判别出杂交玉女兰,狗牙花,小叶榕,灰莉以及大红花等植物叶片的叶尖点以及叶基与叶柄的交点,从而实现对称叶片左右边界的分离.方法可以分离一般对称叶片的左右边界,为更好地解决叶片轮廓几何建模问题并为求取叶片特征参数等问题提供技术支持.     

基于DIVA模型的脑电信号识别方法

DIVA(Direction Into Velocities of Articulators)模型是一种描述人脑中涉及语音生成和语音理解区域所发挥的作用的数学模型,能对发音过程进行模拟,对语音脑机接口系统的设计具有指导意义,文章根据DIVA模型的定义和相关研究结论,对人在发音过程中的脑电信号进行了处理,首先利用小波包将脑电信号进行特征提取,之后使用SVM(Support Vector Machine)分类器进行分类.结果表明,该方法对发音过程的脑电信号特征提取和分类效果较好,识别率达到70%,为基于DIVA模型的语音脑机接口系统设计提供了一种思路,此外,实验的结论也印证了DIVA模型对于发音过程大脑区域激活情况的预测.     

盲信号峰谷点及周期提取算法研究

多数动物的生理动作,都是在大脑的参与下完成的.了解大脑信号的组成具有重要的意义.而针对脑电这样的盲信号,对其有效信息的提取变的尤为重要.为此,本文以呼吸下的脑电信号为例,研究呼吸曲线有效信息的提取方法.通过差分,阈值法和预估频法得到有效峰谷点,建立峰谷模型.并进一步根据呼吸曲线始末点对呼吸曲线进行分类,建立了呼吸周期计算模型,最后用实例验证了模型的有效性.此外,本文提出的算法,也可用于除呼吸之外的其他生理信号的处理.     

基于规范高阶累积量的盲分离算法

本文给出信号的r阶规范累积量定义,证明了在信号瞬时线性混叠情况下r阶规范累积量绝对值不超过最大源信号的r阶规范累积量,因此可以通过最大化r阶规范累积量的绝对值实现盲分离.最大化r阶规范累积量的绝对值可以得到两种盲分离算法,一种高效快速算法———特征值分解盲分离算法,另外一种盲提取算法.本文为高阶累积量盲分离奠定了严格的理论基础.仿真结果验证了理论的正确性和算法的有效性.     

一类超曲面构造变量分离法及其应用

以实际工程应用为背景 ,将具有某种物理意义的量 (如时间等 )与空间位置变量分而治之 ,提出一类超曲面构造变量分离的各种算法 ,对它们进行算法分析比较 ,探讨分离次序可变换性条件和变量分离法构造的超曲面的连续性 ,并应用该方法解决飞机表面压强值重建的实际应用问题