基于关联维数的神经元动作电位特征提取与分类研究

神经元动作电位模式分类是动作电位序列分析和解码的基础。由于神经元动作电位信号波形隐藏着动作电位的特征信息,而关联维数是度量波形不规则程度的一种手段,因此基于神经元动作电位信号的波形差异,提出一种基于关联维数对神经元动作电位进行特征提取的新方法。首先,对采集到的神经元动作电位信号进行相空间重构;然后,在重构的相空间中,以关联维数作为对非同源动作电位信号的特征进行描述;最终,结合K均值算法,对神经元动作电位实现无监督模式分类。仿真和真实数据实验结果表明:该方法分类的准确率较高,且稳定性较好,仿真数据分类错分率基本稳定在4.9%以内,真实数据的分类能较大程度地贴近人工分类的结果,因此用来代替人工分类具有一定的可行性。