解码动物转向行为的ICA-小波特征提取方法

发布时间：2018-11-24 16:41

【摘要】：针对提取局部场电位(LFP)用于运动意图解码的特征时,存在LFP信噪比低、编码时间窗难以确定等问题,提出了一种结合独立成分分析(ICA)与小波分解的特征提取方法,用于动物转向行为的神经信息解码.首先结合动物运动行为视频与LFP信号时频分析方法,确定编码时间窗的范围;然后用ICA对时间窗内的LFP进行去噪处理,提高LFP信噪比;接着利用小波分解进一步确定LFP编码频带,并通过滑窗方法计算频带内的时序能量,构建编码特征;最后采用k近邻方法对编码特征进行分类,验证其解码性能.实验结果表明,利用提出的特征提取方法,经过1 000次交叉互验证,分类正确率达到(92.35±5.87)%,能够准确稳定地解码动物的转向行为.
[Abstract]:Aiming at the problems of low signal-to-noise ratio (SNR) of LFP and difficulty in determining coding time window when extracting feature of local field potential (LFP) for motion intention decoding, a feature extraction method combining independent component analysis (ICA) with wavelet decomposition is proposed. Neural information decoding for animal steering behavior. The range of the coding time window is determined by combining the video of animal motion behavior with the time-frequency analysis method of LFP signal, and then the LFP in the time window is de-noised by ICA to improve the signal-to-noise ratio of LFP. Then wavelet decomposition is used to further determine the LFP coding band, and the time sequence energy in the frequency band is calculated by sliding window method, and the coding features are constructed. Finally, k-nearest neighbor method is used to classify the coding features to verify its decoding performance. The experimental results show that the classification accuracy reaches (92.35 卤5.87)% by using the proposed feature extraction method, which can accurately and stably decode the turning behavior of animals.
【作者单位】： 郑州大学电气工程学院;
【基金】：国家自然科学基金资助项目(U1304602) 河南省科技攻关计划项目(122102210102)
【分类号】：R318;TN911.7

【相似文献】

相关期刊论文 前10条

1 陈华富;独立成分分析及其应用的研究进展[J];生物医学工程学杂志;2003年02期

2 宋广庆;;基于独立成分分析的模型失配评估方法[J];科协论坛(下半月);2008年09期

3 骆媛;王岭雪;金伟其;;独立成分分析及其在图像处理中的应用[J];光学技术;2012年05期

4 史振威,钟明军,唐焕文,唐一源;基于投影方法的约束独立成分分析[J];运筹与管理;2004年05期

5 张媛;何明一;梅少辉;;基于主分量和独立成分分析的多光谱目标检测[J];遥感技术与应用;2006年03期

6 何元磊;刘代志;易世华;黄世奇;;基于独立成分分析的高光谱图像异常检测[J];光学技术;2011年02期

7 巨西诺;郭文普;孙继银;李琳琳;伍明;;基于独立成分分析的遥感影像可匹配性度量(英文)[J];光子学报;2014年07期

8 刘嵩;罗敏;向军;张国平;;基于小波变换和独立成分分析的人脸识别[J];华中师范大学学报(自然科学版);2012年02期

9 罗文斐;钟亮;张兵;高连如;;高光谱遥感图像光谱解混的独立成分分析技术[J];光谱学与光谱分析;2010年06期

10 杨雪梅;;结合ICA和SVM进行蛋白质氧链糖基化位点的预测[J];计算机与数字工程;2012年08期

相关会议论文 前10条

1 王桂安;余先川;方李根;张婷;;独立成分分析研究综述[A];第七届全国数学地质与地学信息学术会议论文摘要汇编[C];2004年

2 李杰;高大启;;线性与非线性主成分分析和独立成分分析数据降维的比较[A];2006北京地区高校研究生学术交流会——通信与信息技术会议论文集（下）[C];2006年

3 王桂安;余先川;方李根;张婷;;快速独立成分分析及其在矿产预测中的应用[A];第七届全国数学地质与地学信息学术会议论文摘要汇编[C];2004年

4 吴新杰;王凤翔;;基于独立成分分析处理两相流信号的方法[A];全面建设小康社会：中国科技工作者的历史责任——中国科协2003年学术年会论文集（上）[C];2003年

5 李强伟;;独立成分分析及其在两相流信号处理中的应用[A];第二十七届中国控制会议论文集[C];2008年

6 刘文思;耿艳峰;赵丹;于光金;张允宁;姜威;;ICA技术在两相流检测中的应用研究[A];第十五届中国海洋（岸）工程学术讨论会论文集(中)[C];2011年

7 许海翔;丛丰裕;雷菊阳;史习智;;时频域非参数密度估计的独立成分分析[A];第十二届全国信号处理学术年会（CCSP-2005）论文集[C];2005年

8 吴新杰;陈跃宁;石玉珠;蒋秋莉;;空间滤波和独立成分分析在速度测量中的应用[A];第二届全国信息获取与处理学术会议论文集[C];2004年

9 谢元芳;张正国;;两导心电信号的独立成分分析[A];中国生物医学工程学会第六次会员代表大会暨学术会议论文摘要汇编[C];2004年

10 张玉洁;王法松;李宏伟;;基于ICA的AR序列叠加过程的分解与复原[A];第十二届全国信号处理学术年会（CCSP-2005）论文集[C];2005年

相关博士学位论文 前7条

1 杨s，

本文编号：2354384