仪器仪表学报
儀器儀錶學報
의기의표학보
CHINESE JOURNAL OF SCIENTIFIC INSTRUMENT
2011年
2期
475-780
,共306页
丁颖%范影乐%杨勇%杨文伟%杨陈
丁穎%範影樂%楊勇%楊文偉%楊陳
정영%범영악%양용%양문위%양진
动作电位分类%小波时频特征%高斯混合%贝叶斯网络%多通道神经元信号采集
動作電位分類%小波時頻特徵%高斯混閤%貝葉斯網絡%多通道神經元信號採集
동작전위분류%소파시빈특정%고사혼합%패협사망락%다통도신경원신호채집
提出了一种结合小波时频特征提取以及动态高斯混合模型模式分类的动作电位分类新算法,以实现植入式脑电研究中非同源动作电位的非监督聚类.在阈值法检测动作电位信号的基础上,采用sym5小波变换基函数提取各个动作电位的时频特征,以提高动作电位信号在高频突变阶段的时间分辨率;考虑到动作电位信号的非平稳特性,对时频特征序列进行了分帧处理,然后分别采用高斯混合模型和贝叶斯网络模型对帧内和帧间数据进行建模,从而实现了基于动态高斯混合模型的动作电位模式分类.实验结果表明,该方法的分类性能抗干扰性及可靠性较好,仿真数据的错分率基本稳定在8.44%以内,真实数据的分类结果能较大程度贴近人工分类的结果.
提齣瞭一種結閤小波時頻特徵提取以及動態高斯混閤模型模式分類的動作電位分類新算法,以實現植入式腦電研究中非同源動作電位的非鑑督聚類.在閾值法檢測動作電位信號的基礎上,採用sym5小波變換基函數提取各箇動作電位的時頻特徵,以提高動作電位信號在高頻突變階段的時間分辨率;攷慮到動作電位信號的非平穩特性,對時頻特徵序列進行瞭分幀處理,然後分彆採用高斯混閤模型和貝葉斯網絡模型對幀內和幀間數據進行建模,從而實現瞭基于動態高斯混閤模型的動作電位模式分類.實驗結果錶明,該方法的分類性能抗榦擾性及可靠性較好,倣真數據的錯分率基本穩定在8.44%以內,真實數據的分類結果能較大程度貼近人工分類的結果.
제출료일충결합소파시빈특정제취이급동태고사혼합모형모식분류적동작전위분류신산법,이실현식입식뇌전연구중비동원동작전위적비감독취류.재역치법검측동작전위신호적기출상,채용sym5소파변환기함수제취각개동작전위적시빈특정,이제고동작전위신호재고빈돌변계단적시간분변솔;고필도동작전위신호적비평은특성,대시빈특정서렬진행료분정처리,연후분별채용고사혼합모형화패협사망락모형대정내화정간수거진행건모,종이실현료기우동태고사혼합모형적동작전위모식분류.실험결과표명,해방법적분류성능항간우성급가고성교호,방진수거적착분솔기본은정재8.44%이내,진실수거적분류결과능교대정도첩근인공분류적결과.
