時變自回歸模型在清醒大鼠局部場電位特征分析中的應用.pdf

1、初級視覺皮層（V1區(qū)）是非常重要的視覺區(qū)域，深入分析V1區(qū)信號的響應特性對對于人們理解嚙齒類動物的視覺通路和視覺通路在視覺認知方面的作用有重要的意義。同步和去同步狀態(tài)是清醒大鼠腦活動的兩種典型狀態(tài)，分析不同狀態(tài)下局部場電位(LFP)的時頻特性差異是解析大腦神經信息處理機制的基礎。時頻分析可以作為研究局部場電位時頻域信息的有效手段。傳統(tǒng)的時頻分析方法由于時頻分辨率低或是正確性低等問題并不能提供較高的分析精度，不能準確區(qū)分同步與去同步狀態(tài)下

2、局部場電位信號的能量變化。因此，基于時變自回歸(TVAR)模型結合卡爾曼濾波算法的實時頻譜分析方法逐漸受到學者們青睞。
　　基于此，本文針對清醒大鼠同步狀態(tài)與去同步狀態(tài)下局部場電位信號的非線性特征，基于時變自回歸模型與卡爾曼濾波算法實現(xiàn)時頻分析，并與基于短時傅里葉變換和小波變換方法時頻分析對比，驗證了其優(yōu)越性。主要研究內容如下:
　　1.動物實驗與信號特征。進行慢性植入手術并采集與記錄了清醒LE大鼠V1區(qū)的局部場電位信號，分

3、析了同步與去同步狀態(tài)下局部場電位信號的特征。最后根據(jù)常用分析方法研究了局部場電位信號特征，為研究局部場電位信號時頻特性奠定了先驗知識基礎。
　　2.傳統(tǒng)實時頻分析方法研究。首先研究基于短時傅里葉變換(STFT)方法的實時頻譜分析，受“測不準原理”限制，STFT方法的實時頻分析不能同時給出精度較高的時頻分辨率;基于小波變換的時頻分析可以提高時頻分辨率，但是小波基函數(shù)的選擇較為困難，且由于其相位信息的局部性而造成了時頻分析正確性的降低

4、。
　　3.局部場電位狀態(tài)空間模型的建立。為了提高動態(tài)頻譜分析精度，引入了TVAR模型頻譜分析方法，建立了狀態(tài)空間模型，并用卡爾曼濾波實現(xiàn)參數(shù)的迭代更新，與傳統(tǒng)最小二乘法進行對比，卡爾曼濾波算法實現(xiàn)了最優(yōu)模型估計，其估計誤差與估計誤差方差都較小。
　　4.實時頻譜分析方法效果的對比。研究了基于TVAR模型結合卡爾曼濾波算法的實時頻譜分析與基于STFT方法和小波變換方法實時頻譜分析的對比，分析了三種方法的分辨率、對于局部場電位