生物神经元放电信号的采集、检测和分类

摘要

生物神经元放电信号的记录、检测和分类是研究脑部功能的先决条件，是一项技术挑战；该技术的解决直接关系到能否正确地研究神经系统的功能。在记录生物神经元放电脉冲时，由于存在很强的背景噪声和一个微电极上可以同时记录几个不同神经元的放电脉冲，测量单个神经元的行为实际上是很困难的。研究单个神经元的活动情况，就要对微电极采集的神经信号进行检测和分类。本文介绍了一种单电极记录方法，以及神经元放电脉冲不同的检测、分类方法和实现。　　论文分两部分，第一部分是基于LabVIEW的神经元放电脉冲的采集，在这部分介绍了记录方法和数据采集的硬、软件实现。第二部分是数据分析，介绍几种检测和分类方法-阈值检测法、主成分分类、聚分析和小波分析。最后给出了基于MATLAB的神经元放电脉冲检测和分类的软件实现。

目录

文摘

英文文摘

南京邮电学院学位论文独创性声明及论文使用授权声明

第一章绪论

第一节论文选题背景

第二节本课题的目的及意义

第三节本课题的内容

第一部分数据采集第二章虚拟测量仪器的技术

第一节虚拟仪器的概述

第二节虚拟仪器的特点及优点

第一部分数据采集第三章硬件系统的构成

第一节系统组成结构的简介

第二节系统各部件功能描述

2.1微电极放大器的原理和设计

2.2无线发射与接收

2.3接收滤波器的设计

2.4电路的抗干扰设计

2.5硬件电路原理图

2.6硬件电路的调试

2.7数据采集和A/D转换

第一部分数据采集第四章系统的软件设计

第一节数据采集

1.1 LabVIEW的编程环境

1.2虚拟仪器设计步骤

1.3本课题数据采集实现

第二部分数据分析第五章鉴别神经元放电信号的方法

第一节阈值检测

第二节基于主成分分析(PCA)的信号的检测和分类

2.1主成分分析(principal compnent analysis)的概念

2.2基于主成分分析法Spike脉冲分类原理

2.3聚类分析(cluster analysis)

第三节小波变换方法

3.1小波变换的发展

3.2小波变换的定义

3.3 Mallat算法

3.4一维离散小波分解算法

3.5基于小波分解系数的Spike脉冲分类

3.6基于小波分析的检测脉冲的算法

第四节几种方法比较

第二部分数据分析 第六章数据分析的软件实现

1.1 MATLAB的优势与特点

1.2 MATLAB的组成

1.3相关MATLAB的功能函数简介

1.4本系统数据分析的软件实现

第二部分数据分析 第七章总结

参考文献

致谢