利用粒子滤波重建位置细胞编码的运动轨迹
粒子滤波解码算法在神经信息解码中已有较多应用,但在海马区位置细胞集群编码的运动轨迹重建中极其少见.针对大鼠海马区位置细胞的神经元响应特性,采用二次指数泊松方程建立了大鼠运动轨迹的位置细胞集群状态空间编码模型,然后利用仿真数据和实测数据研究了粒子滤波在大鼠运动轨迹重建中的性能,并与扩展卡尔曼和无迹卡尔曼重建算法进行了对比.仿真数据重建结果显示,与后两种算法相比,在相同的重建精度下,粒子滤波算法需要的位置细胞个数相对更少.实测数据重建结果显示,粒子滤波算法重建的轨迹与真实轨迹之间的相关系数和均方根误差均优于扩展卡尔曼和无迹卡尔曼重建算法.这些结果表明,粒子滤波算法不仅能够高效地利用位置细胞集群编码信息,而且具有更高精度的轨迹重建性能,将为空间认知神经机制的深入研究提供有力的技术支持.
位置细胞、粒子滤波、状态空间编码模型、运动轨迹重建
43
国家自然科学基金U1304602和河南省科技攻关计划122102210102,162102310167资助项目.This work was supported by grants from The National Natural Science Foundation of China U1304602 and Program for Science and Technology Attack Plan of Henan Province of China 122102210102,162102310167.
2016-09-06(万方平台首次上网日期,不代表论文的发表时间)
817-826