基于锋电位信号运动信息解码研究
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-9页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 本文主要工作 | 第13-15页 |
| 2 数据采集及贝叶斯估计 | 第15-33页 |
| 2.1 实验及数据采集 | 第15-16页 |
| 2.1.1 动物和动手术 | 第15页 |
| 2.1.2 行为训练 | 第15-16页 |
| 2.2 锋电位信号统计特征分析 | 第16-18页 |
| 2.3 贝叶斯估计理论与粒子滤波 | 第18-31页 |
| 2.3.1 系统状态空间模型 | 第19页 |
| 2.3.2 贝叶斯估计理论 | 第19-21页 |
| 2.3.3 蒙特卡洛积分 | 第21-23页 |
| 2.3.4 序贯蒙特卡罗信号处理 | 第23-26页 |
| 2.3.5 粒子滤波 | 第26-31页 |
| 2.4 本章小结 | 第31-33页 |
| 3 神经信号预处理 | 第33-43页 |
| 3.1 锋电位形态学滤波检测 | 第34-39页 |
| 3.1.1 形态学滤波器 | 第34-37页 |
| 3.1.2 锋电位检测算法 | 第37-39页 |
| 3.2 锋电位主成分特征提取 | 第39-42页 |
| 3.2.1 主成分分析 | 第40页 |
| 3.2.2 K均值聚类 | 第40-41页 |
| 3.2.3 分类算法结果分析 | 第41-42页 |
| 3.3 本章小结 | 第42-43页 |
| 4 基于卡尔曼滤波的运动信息解码 | 第43-52页 |
| 4.1 运动信息解码的状态空间模型的建立 | 第44-45页 |
| 4.2 基于卡尔曼滤波的状态估计算法 | 第45-46页 |
| 4.2.1 解码过程 | 第45-46页 |
| 4.2.2 最佳线性估计 | 第46页 |
| 4.3 实验结果与分析 | 第46-51页 |
| 4.3.1 实验与数据采集 | 第46-47页 |
| 4.3.2 解码性能评价指标 | 第47页 |
| 4.3.3 实验结果与分析 | 第47-51页 |
| 4.4 本章小结 | 第51-52页 |
| 5 基于粒子滤波的运动信息解码 | 第52-66页 |
| 5.1 运动信息的编码模型建立 | 第52-55页 |
| 5.1.1 神经元响应调谐曲线与感受野 | 第53-55页 |
| 5.2 运动信息解码的状态空间模型 | 第55-57页 |
| 5.2.1 状态模型 | 第56页 |
| 5.2.2 观测模型 | 第56页 |
| 5.2.3 后验分布的递推过程 | 第56-57页 |
| 5.3 基于粒子滤波的状态估计算法 | 第57-59页 |
| 5.3.1 粒子滤波算法 | 第58-59页 |
| 5.4 实验结果 | 第59-64页 |
| 5.4.1 大鼠海马区CA1层神经元感受野 | 第59页 |
| 5.4.2 解码效果与讨论 | 第59-62页 |
| 5.4.3 使用不同个数神经元的解码效果 | 第62-63页 |
| 5.4.4 粒子滤波算法解码效率 | 第63-64页 |
| 5.5 本章小结 | 第64-66页 |
| 6 结论与展望 | 第66-68页 |
| 6.1 结论 | 第66页 |
| 6.2 展望 | 第66-68页 |
| 参考文献 | 第68-71页 |
| 致谢 | 第71-72页 |
| 个人简历、在学校期间发表的学术论文及参与的项目 | 第72页 |
