基于小波特征与动态高斯混合模型的动作电位分类研究.pdfVIP

第32卷第2期 仪 器 仪 表 学 报 V01．32No．2 Chinese ofScientificInstrument Feb．20lI 2011年2月 Journal 基于小波特征与动态高斯混合模型的 动作电位分类研究宰 丁颖，范影乐，杨 勇，杨文伟，杨 陈 (杭州电子科技大学生物医学工程与仪器研究所杭州310018) 摘要：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小波变换摹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。 关键词：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 中图分类号：11318．04 文献标识码：A 国家标准学科分类代码：520．20 basedonwaveletfeatureand Spikesorting dynamic models mixture．of-Gaussians Ding Yingle，YangYong。Yang Chen Ying，Fan Wenwei，Yang (BiomedicalE,,sineerinsInstrumentInstitute，肌础址Dian矗Univenity，tlo懈hou310018。China) realize intheresearchofinvasivebrain have anovel Abstract：Tounsupervisedsorting activity，weproposed spike frameworkbasedonwaveletfeatureand mixture-of-Gaussians spikesortingalgorithm dynamic clustering．Afterspike detection threshold waveletis toextractthe features usingamplitude method，symSemployed time—frequencyrepre- differentsouse the natureof train sentingspikesgeneratedby neurons．Consideringnon—stationaryspike data，the wavelet featureisdividedintoshorttime ina time-frequency frames．Then，thedynamicclusteringprocessproceeds thesouseneur