利用噪声能量和卡方分布约束的虚假锋电位筛除方法.pdfVIP

2015燕 9月 郑 州 大 学 学 报 (工 学 版 ) Sep． 2O15 第 36卷 第5期 JournalofZhengzhouUniversity(EngineeringScience) Vo1．36 NO．5 文章编号 ：1671—6833(2015)05—0111—05 利用噪声能量和卡方分布约束的虚假锋 电位筛除方法 李志辉，刘新玉，尚志刚 (郑州大学 电气工程学院，河南 郑州 450001) 摘 要：神经元锋 电位可靠检测在神经科 学研究与脑机接 口应用中具有重要价值．针对低信噪比条件 下锋 电位检测的假阳性 问题 ，提 出了一种利用锋 电位信号背景噪声能量和服从卡方分布约束 的虚假锋 电位去除方法．首先使用K—Means算法对过 阈值检测的待判锋 电位进行聚类，并用最小协方差算法估计 各聚类总体噪声均值向量与协方差 ；进而计算各噪声样本与对应总体之间的马 氏距离平方作为锋 电位 背景噪声能量和的度量指标 ；最后利用该指标卡方分布的置信 区间对虚假锋 电位进行筛除．不 同信噪比 条件下的仿真数据和动物实验数据应用结果表 明：与传统的基于锋 电位波形特征的阵列去噪算法相 比， 该方法可以有效识别 出单 电极记录神经信号中的虚假锋 电位 ，正确率在 95％以上 ，并且计算结果不依 赖于聚类参数的选择． 关键词：锋 电位检测；虚假锋 电位；噪声能量和 ；马氏距离；卡方分布；K．Means聚类 中图分类号 ：R3l8．04 文献标志码 ：A doi：10．3969／j．issn．1671—6833．20l5．05．024 比条件下不甚理想．Ludwig等 ¨提 出的共 同平均 0 引言 参考去噪、Paralikar等 提 出的虚拟参考去噪算 神经元锋电位是利用微电极胞外记录方式检 法则是将不同通道的神经信号叠加平均作为参考 测到的神经元动作电位信息，对其可靠检测在神 信号，各通道信号与参考信号对消以去除大幅值 经信息编码机制、脑机接 口研究中具有重要应用 干扰．此外 ，Paralikar等 还提 出了电极间相关法 价值 ．在神经电生理实验 中，尤其是在信噪 比 (Inter—ElectrodeCorrelation，IEC)用于去除虚假锋 较低的清醒动物神经信号采集 中，微 电极除了记 电位．这些利用多通道信号去噪算法的一个基本 录神经元放 电活动之外 ，还会记录到大量的神经 假设是认为噪声一旦发生就会被微电极阵列中多 系统背景噪声、肌 电干扰、电磁干扰 、以及设备本 个电极同时记录到，而且波形相似．但是对于空间 底噪声等 ，尤其是背景噪声 中的一些大幅值有色 距离≥250 m的两个 电极而言，几乎不可能 同时 干扰，与锋 电位具有相似的频域和时域特征，在以 记录到来 自于同一个神经元且波形相似的神经信 阈值为基础 的检测方案 中经常会被误检为锋 电 号 ，而且各类有色噪声引起的大幅值干扰往往 位 ，即产生假阳性问题 ，从而降低后续分析结果的 只会在单个通道 中出现 ，无法利用上述阵列方法 准确性和可靠性 ． 进行去除．万红等 采用多元小波阈值去噪算法 对于虚假锋 电位 的筛除，模板匹配是最简单 用于去除锋电位检测中的大幅值干扰 ，吴丹等 最常用的方法 ，例如 Quiroga等 通过对锋 电位 采用主成分和小波阈值相结合的联合去噪方法用 样本集聚类 ，将相似度低于给定 阈值的样本作为 于去除锋 电位检测信号中的有色噪声．