低信噪比神经元锋电位信号的分类方法

基于离散序列小波变换和主元分析,对低信噪比的神经元锋电位信号提出了新的分类方法.通过对原始信号进行尖峰检测,获得尖峰信号样本,对每个样本进行离散序列小波变换之后,再对小波变换系数进行主元分析,选取主元进行聚类,实现对原始信号的分类.将该方法应用于多电极细胞外记录的小鸡视网膜神经节细胞电活动信号分析,并据此推断出某电极附近的神经节细胞的个数.仿真结果表明,在低信噪比情况下,该方法比单纯通过小波变换进行分类的方法更有效.

基于人工神经网络的低信噪比神经元锋电位分类

基于人工神经网络和模板匹配,提出了对低信噪比神经元信号分类的方法.首先对待分类信号进行阈值检测,获得尖峰信号,对这些尖峰信号进行主成分分析,再选取主成分进行聚类,根据聚类结果,取对应的尖峰信号作为人工神经网络的训练样本.网络测试和结合模板匹配识别叠加信号的仿真结果表明了该方法的优越性.