调查非线性神经尖端增强波器盲目的优化的可行性

科学领域:

• 神经科学是一个神经科学.
• 信号处理 信号处理
• 计算生物学 计算生物学

背景情况:

• 皮层内神经尖峰记录对于理解大脑活动至关重要.
• 在这些记录中提高信号噪声比 (SNR) 对精确的神经解码至关重要.
• 需要用于优化神经增强过器的自动化方法.

研究的目的:

• 调查用于神经尖峰记录的噪声增强非线性过器 (NF) 的自动参数选择的可行性.
• 评估粒子群优化 (PSO) 的性能,以优化 NF 参数,而无需事先了解真正的尖峰位置.

主要方法:

• 采用标准的粒子群集优化 (PSO),其目标函数独立于真正的尖端位置.
• 优化非线性过器 (NF) 和解决器参数,以最大限度地提高信号噪声比 (SNR).
• 在公开可访问的合成细胞外数据集上验证了优化过器.

主要成果:

• 盲目优化的NF实现了超过0.86dB的SNR增强.
• 基于峰值-根-平方平均值 (RMS) 幅度的优化产生了高峰检测灵敏度 (99.81%) 和正预测性 (99.89%).
• 性能略低于使用真尖峰位置数据进行优化时所取得的效果.

结论:

• 噪音增强非线性神经尖峰增强过器的自动盲目的参数优化是可行的.
• PSO为优化神经信号处理参数提供了一种可行的方法.
• 这项研究代表了对神经增强过器的盲目的优化取得的新进展.