论文部分内容阅读
初级视觉皮层（V1区）是非常重要的视觉区域，深入分析V1区信号的响应特性对对于人们理解啮齿类动物的视觉通路和视觉通路在视觉认知方面的作用有重要的意义。同步和去同步状态是清醒大鼠脑活动的两种典型状态，分析不同状态下局部场电位(LFP)的时频特性差异是解析大脑神经信息处理机制的基础。时频分析可以作为研究局部场电位时频域信息的有效手段。传统的时频分析方法由于时频分辨率低或是正确性低等问题并不能提供较高的分析精度，不能准确区分同步与去同步状态下局部场电位信号的能量变化。因此，基于时变自回归(TVAR)模型结合卡尔曼滤波算法的实时频谱分析方法逐渐受到学者们青睐。 基于此，本文针对清醒大鼠同步状态与去同步状态下局部场电位信号的非线性特征，基于时变自回归模型与卡尔曼滤波算法实现时频分析，并与基于短时傅里叶变换和小波变换方法时频分析对比，验证了其优越性。主要研究内容如下: 1.动物实验与信号特征。进行慢性植入手术并采集与记录了清醒LE大鼠V1区的局部场电位信号，分析了同步与去同步状态下局部场电位信号的特征。最后根据常用分析方法研究了局部场电位信号特征，为研究局部场电位信号时频特性奠定了先验知识基础。 2.传统实时频分析方法研究。首先研究基于短时傅里叶变换(STFT)方法的实时频谱分析，受“测不准原理”限制，STFT方法的实时频分析不能同时给出精度较高的时频分辨率;基于小波变换的时频分析可以提高时频分辨率，但是小波基函数的选择较为困难，且由于其相位信息的局部性而造成了时频分析正确性的降低。 3.局部场电位状态空间模型的建立。为了提高动态频谱分析精度，引入了TVAR模型频谱分析方法，建立了状态空间模型，并用卡尔曼滤波实现参数的迭代更新，与传统最小二乘法进行对比，卡尔曼滤波算法实现了最优模型估计，其估计误差与估计误差方差都较小。 4.实时频谱分析方法效果的对比。研究了基于TVAR模型结合卡尔曼滤波算法的实时频谱分析与基于STFT方法和小波变换方法实时频谱分析的对比，分析了三种方法的分辨率、对于局部场电位的显著性差异和相关系数。结果表明，基于TVAR模型结合卡尔曼滤波算法的时频分析的时频分辨率高，能够区分出同步与去同步状态局部场电位的显著性差异，且相关系数最高。因此，基于TVAR模型的方法在对局部场电位进行时频分析时更具有优势。