【技术实现步骤摘要】
本专利技术属于生物医学工程领域，涉及一种神经元动作电位特征提取方法，具体是基于多小波融合特征的神经元动作电位特征提取方法。
技术介绍
神经元动作电位的特征提取技术，是动作电位序列编码分析研究的前期基础。因此对动作电位提取有效特征，并根据获取的有效特征信息将动作电位归类到各自对应的神经元，对于后续分析神经元自发和诱发活动电位，起着非常重要的作用。目前神经元动作电位的分类主要包括聚类法、模板匹配法以及基于特征分析的分类方法。聚类法在一定程度上解决动作电位的叠加问题，但聚类数目通常需要预先给定。 模板匹配法的性能与信号的稳定性相关，若信号稳定性不好则容易发生过拟合现象。基于特征分析的分类方法往往是对信号进行单一的时域或频域分析，从而得到的特征信息并不完整。目前比较常用的特征提取方法有主成分分析和小波分析方法。主成分分析通过样本协方差矩阵求取主要特征值，但由于动作电位信号具有一定的非线性时变性，因此主成分分析可能无法反映动作电位信号的完整信息。小波分析方法通过对动作电位进行多尺度分析，在时频信息上对小波系数进行处理，得到有效的特征。但小波分析中使用的单一小波基不能表征信号的完整特性，因此在分析动作电位特征的时，往往不够全面。
技术实现思路
本专利技术提出一种基于多小波融合特征的神经元动作电位特征提取方法。该专利技术提取动作电位的多组小波特征值进行特征融合。通过小波基的互补特性，以解决单一小波基所得到动作电位信号特征不完整性，因此能有效的改善神经元动作电位的分类性能。本专利技术方法步骤如下步骤(1)通过动作电位采集系统，以固定采样频率采集到η个动作电位信号时间序列，每...
【技术保护点】
１．一种基于多小波融合特征的神经元动作特征提取方法，其特征在于该方法包括以下步骤：步骤（１）通过动作电位采集系统，以固定采样频率采集到ｎ个动作电位信号时间序列，每个动作电位信号时间序列包含Ｎ个采样点，动作电位信号时间序列表示为；步骤（２）选择小波基函数，对采集到的动作电位信号进行小波变换，得到高频信号和低频信号；，其中表示多尺度分解的尺度，；表示各尺度下的高通滤波器函数，表示各尺度下的低通滤波器函数；步骤（３）对小波变换之后的高频信号和低频信号利用软阈值方法去噪；其中表示对应去噪后的高频信号，表示对应去噪后的低频信号；对应ｊ尺度的自适应阈值，，是对应ｊ尺度下信号的长度；步骤（４）对去噪之后的高频信号和低频信号进行小波逆变换；，，小波逆变换后得到去噪动作电位信号，；步骤（５）多小波融合，首先用多种不同小波基对去噪动作电位信号进行小波变换得到动作电位的初步特征值，小波变换的尺度为ｍ；所有去噪动作电位信号通过第ｂ个小波基进行小波变换后得到小波系数矩阵，Ｌ为矩阵的行数、Ｈ为矩阵的维数，Ｌ＝ｎ，Ｈ＝Ｃ，Ｃ表示进行小波变换之后特征向量的维数；进行多个小波融合时使用第Ｂ个不同小波基进行小波变换，得到...
【技术特征摘要】
1. 一种基于多小波融合特征的神经元动作特征提取方法，其特征在于该方法包括以下步骤步骤(1)通过动作电位采集系统...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。