2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩63頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、初級視覺皮層(V1區(qū))是非常重要的視覺區(qū)域,深入分析V1區(qū)信號的響應特性對對于人們理解嚙齒類動物的視覺通路和視覺通路在視覺認知方面的作用有重要的意義。同步和去同步狀態(tài)是清醒大鼠腦活動的兩種典型狀態(tài),分析不同狀態(tài)下局部場電位(LFP)的時頻特性差異是解析大腦神經(jīng)信息處理機制的基礎。時頻分析可以作為研究局部場電位時頻域信息的有效手段。傳統(tǒng)的時頻分析方法由于時頻分辨率低或是正確性低等問題并不能提供較高的分析精度,不能準確區(qū)分同步與去同步狀態(tài)下

2、局部場電位信號的能量變化。因此,基于時變自回歸(TVAR)模型結合卡爾曼濾波算法的實時頻譜分析方法逐漸受到學者們青睞。
  基于此,本文針對清醒大鼠同步狀態(tài)與去同步狀態(tài)下局部場電位信號的非線性特征,基于時變自回歸模型與卡爾曼濾波算法實現(xiàn)時頻分析,并與基于短時傅里葉變換和小波變換方法時頻分析對比,驗證了其優(yōu)越性。主要研究內(nèi)容如下:
  1.動物實驗與信號特征。進行慢性植入手術并采集與記錄了清醒LE大鼠V1區(qū)的局部場電位信號,分

3、析了同步與去同步狀態(tài)下局部場電位信號的特征。最后根據(jù)常用分析方法研究了局部場電位信號特征,為研究局部場電位信號時頻特性奠定了先驗知識基礎。
  2.傳統(tǒng)實時頻分析方法研究。首先研究基于短時傅里葉變換(STFT)方法的實時頻譜分析,受“測不準原理”限制,STFT方法的實時頻分析不能同時給出精度較高的時頻分辨率;基于小波變換的時頻分析可以提高時頻分辨率,但是小波基函數(shù)的選擇較為困難,且由于其相位信息的局部性而造成了時頻分析正確性的降低

4、。
  3.局部場電位狀態(tài)空間模型的建立。為了提高動態(tài)頻譜分析精度,引入了TVAR模型頻譜分析方法,建立了狀態(tài)空間模型,并用卡爾曼濾波實現(xiàn)參數(shù)的迭代更新,與傳統(tǒng)最小二乘法進行對比,卡爾曼濾波算法實現(xiàn)了最優(yōu)模型估計,其估計誤差與估計誤差方差都較小。
  4.實時頻譜分析方法效果的對比。研究了基于TVAR模型結合卡爾曼濾波算法的實時頻譜分析與基于STFT方法和小波變換方法實時頻譜分析的對比,分析了三種方法的分辨率、對于局部場電位

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論