基于大鼠脑电信号时空特征精细回归树模型的步态解码方法

摘要：

基于脑-机接口技术获取的脑电信号(EEG)已广泛应用于人机交互领域,并取得了灵活、自然的交互效果.但由于EEG信号微弱,采集过程中容易混入噪声,给解码带来巨大困难.目前,脑-机接口技术一般可记录锋电位信号(Spike)和局部场电位信号(Local Field Potential,LFP),Spike信号有较好的解码效果,但峰电位的记录效果会随着时间的延长而质量下降,最终影响信号质量.局部场电位信号可长久稳定记录,并且噪声信号相对较少,可以弥补单独记录锋电位信号的不足.本文基于脑-机接口技术采集了自由活动下大鼠脑电信号.针对信号中的LFP信号,提出了精细回归树算法的大鼠运动步态解码方法,通过低通滤波器对LFP进行滤波处理,同时基于不同的频段对LFP信号进行划分并提取信号特征,讨论了不同频率下LFP信号的解码效果.发现基于短时傅里叶变换(STFT)和重采样的连续小波变换(CWT)方法对信号进行特征提取更为有效,提取后的脑电信号特征经过精细回归树方法可以更好地与步态信号建立联系.

关键词：脑-机接口、Spikes、LFP、特征提取、步态解码

所属期刊栏目：29

分类号：TN911.7

资助基金：媒体融合与传播国家重点实验室中国传媒大学开放课题;国家重点研发计划

在线出版日期：2022-07-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：66-72