小鼠局部场电位信号的去噪和特征提取研究

发布时间：2022-07-15 14:35

　　从大脑中提取出与生理信息或行为相关联的脑电波信号对于大脑信息处理机制和脑-机接口（BCI）研究有着重要的意义。为获得更高质量且更直接的脑电波信号,植入式BCI逐渐发展起来。因局部场电位（LFP）信号有着长期植入更稳定的特点,所以在植入式BCI的研究中受到很多研究者们的关注。然而,LFP信号是采用微电极阵列记录的一种非平稳性脑电信号,其幅值较小,且在采集过程中容易引入噪声干扰信号,这给后期的LFP信号特征提取及分析造成一定阻碍。因此,在提取LFP信号特征之前,对采集到的LFP信号进行去噪处理是首要任务。本文采用小波包去噪的经验模态分解（EMD）方法,对LFP信号进行处理和分析。首先利用小波包对LFP信号分解重构,去除噪声干扰信号,然后对去噪后的LFP信号进行EMD分解,最后提取出特征波。主要工作内容如下:1.研究了两种常用的头皮脑电（EEG）信号去噪方法—小波去噪和小波包去噪,并将两种去噪方法应用到LFP信号处理中。利用MATLAB软件进行仿真,得到信号去噪前后的功率谱图,并建立基于信噪比、均方根误差和相关系数的去噪评价指标,定量分析两种方法的去噪效果。2.分别将小波去噪和小波包去噪与E... 

【文章页数】：67 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 背景及意义
    1.2 国内外研究现状
    1.3 存在的主要问题
    1.4 主要工作内容
2 LFP信号及其处理方法
    2.1 LFP信号的特性和采集
    2.2 LFP信号处理方法选择
    2.3 本章小结
3 基于小波包的LFP信号去噪方法
    3.1 LFP信号基线漂移的去除
    3.2 小波及小波包去噪
    3.3 去噪效果的对比
    3.4 本章小结
4 基于小波包和EMD的LFP信号特征提取
    4.1 EMD存在的问题
    4.2 基于小波和小波包的EMD分解
    4.3 基于小波包和EMD的特征波提取
    4.4 LFP信号与呼吸频率的相关性分析
    4.5 本章小结
5 总结与展望
    5.1 总结
    5.2 展望
参考文献
致谢
攻读硕士期间主要成果


【参考文献】：
期刊论文
[1]基于小波变换的ECG信号去噪研究[J]. 张锦.  电脑知识与技术. 2017(31)
[2]一种改进的Hilbert-Huang变换方法及其应用[J]. 周小龙,刘薇娜,姜振海,马风雷.  工程科学与技术. 2017(04)
[3]基于小波包分解与近似熵的脑电特征提取方法研究及在脑机接口中的应用[J]. 袁瑞,魏庆国.  南昌大学学报(理科版). 2017(03)
[4]脑深部刺激适应症局部场电位节律特征研究进展[J]. 陈玥,钱星,郝红伟,李路明.  中国生物医学工程学报. 2016(05)
[5]基于MATLAB不同小波基的小波阈值图像去噪算法[J]. 曾敬枫.  智能计算机与应用. 2016(04)
[6]生物神经系统的一些动力学问题[J]. 陆启韶.  北京大学学报(自然科学版). 2016(04)
[7]小鼠视觉感受区电位与呼吸频率相关性研究[J]. 常敏,何蓓薇,王戈,顾岩秀.  信息技术. 2015(12)
[8]经验模态分解中一种改进的包络线拟合算法[J]. 吴贤规,王安娜,会国涛.  东北大学学报(自然科学版). 2015(11)
[9]基于EMD-WP的高精确度特征提取方法[J]. 张毅.  太赫兹科学与电子信息学报. 2015(05)
[10]基于物理小波时频分析及RGB分频混色的高精度频谱成像技术优势分析及应用[J]. 丁继才,姜秀娣,翁斌,张金淼.  中国海上油气. 2015(05)

博士论文
[1]运动型脑机接口中神经元峰电位记录与检测的关键技术研究[D]. 周寅.浙江大学 2017

硕士论文
[1]基于小波包的LMD在EEG信号分析中的研究[D]. 马潇.太原理工大学 2016
[2]大脑局部电位信号与生理信息关系的智能辨识与控制建模[D]. 吴慰.海南大学 2015
[3]大鼠初级视皮层局部场电位相位同步信息编码研究[D]. 吴孔海.郑州大学 2013
[4]大鼠初级运动皮层的神经信号分析与解码研究[D]. 姜波.浙江大学 2012
[5]基于小波包与ICA的脑电α波提取研究[D]. 庞璐珉.天津大学 2010



本文编号：3662232