基于偏最小二乘特征的鸽子运动转向 解码研究-模式识别与智能系统专业论文.docxVIP

万方数据 万方数据 学位论文原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研 究所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人 或集体已经发表或撰写过的科研成果。对本文的研究作出重要贡献的个人和集 体，均已在文中以明确方式标明。本声明的法律责任由本人承担。 学位论文作者：  日期： 年 月 日 学位论文使用授权声明 本人在导师指导下完成的论文及相关的职务作品，知识产权归属郑州大学。 根据郑州大学有关保留、使用学位论文的规定，同意学校保留或向国家有关部 门或机构送交论文的复印件和电子版，允许论文被查阅和借阅；本人授权郑州 大学可以将本学位论文的全部或部分编入有关数据库进行检索，可以采用影印、 缩印或者其他复制手段保存论文和汇编本学位论文。本人离校后发表、使用学 位论文或与该学位论文直接相关的学术论文或成果时，第一署名单位仍然为郑 州大学。保密论文在解密后应遵守此规定。 学位论文作者：  日期： 年 月 日 摘要 摘要 摘 要 脑机接口通过记录并解码神经活动信号预测动物的运动意图，转换成控制 指令从而控制外部设备，是人或动物脑与外部设备之间的直接连接通路，在残 疾人辅助、神经疾病治疗、认知研究等领域有重要的社会意义和应用价值。神 经解码是脑机接口中的重要部分，对实现脑机接口的实时高效控制至关重要， 但是由于生物自身活动和环境中的干扰，以及大脑信息编码的稀疏特性，使得 微电极阵列采集的神经元集群信号中包含过多与解码目标无关的噪声，以及大 量的信息冗余，使得解码模型的学习复杂度增加，参数估计失效，模型稳定性 降低，难以实现脑机接口的实时准确控制。针对这一问题，本文以鸽子弓状皮 质尾外侧（nidopallium caudolaterale，NCL）神经元集群信号为对象，研究神经 元集群信号的特征提取和解码问题，采用有效的特征提取方法去除集群信号中 包含的大量噪声和冗余，并选择最优的分类模型提高运动转向解码的效果。 本文首先对鸽子十字迷宫转向过程中的神经元集群信号进行相关性分析， 结果表明，由于神经元的同步发放，通道间存在较大的信息冗余，同时有些通 道包含大量的无关噪声，因此在神经解码前有必要进行特征的提取。采用偏最 小二乘（PLS）提取神经元集群信号特征的结果表明，前三个潜变量即可以将 鸽子的三个转向基本区分开，且与主成分分析相比，PLS 提取的特征个数更少， 包含的有用信息更多，可以作为神经元集群特征提取的有效方法，结合分类模 型解码出运动转向信息。 对 PLS 提取的神经元集群信号特征，采用支持向量机(SVM)、K-最近邻 (KNN)和线性判别分析(LDA)三种分类模型判别鸽子运动转向，结果表明，线性 支持向量机在解码正确率、稳定性和解码效率上均表现最优，采用非线性的支 持向量机反而会出现过拟合问题，且优化参数的选择也较为困难，KNN 对于小 样本的神经数据解码效率较高，但是抗噪性较差，LDA 的解码正确率也较高， 但在稳定性和解码的效率上仍稍差于线性支持向量机。因此在基于 PLS 特征的 鸽子运动转向集群解码中，最优分类模型为线性 SVM。 关键词：神经元集群；运动转向；特征提取；偏最小二乘；分类模型 I Abstract Abstract Abstract Brain-Machine Interface is the interface between brain and external device, which converts neural signals to control signal by recording and decoding neural signals into motion intent. The Brain-Machine Interface has a great significance to society and is of strong applied value in disabled persons assistance、neurologic diseases treatment and cognition research. Neural decoding is critical in accurate real-time control of Brain-Machine Interface. Because of the noise from the animal itself and external environment，and the sparse speciality of brain signal coding, the neural ensemble signals recorded by microelectro