[发明专利]一种基于多小波基函数展开的锋电位时变格兰杰因果准确辨识方法

摘要

本发明提出一种基于多小波基函数展开的锋电位时变格兰杰因果准确辨识方法，属于信号分析与处理技术领域。如图1所示，该方法首先使用AIC方法选择每个神经元对应的最佳记忆长度；接着，建立广义L‑V模型，使用多小波基函数方法对其进行展开，得到时不变参数模型；随后通过OFR算法对展开式模型进行稀疏，并估计稀疏模型参数，逆向重构广义L‑V模型中的时变核函数；最后，求解模型点过程对数似然值，计算最终对应神经元的时变格兰杰因果值。本发明提出方法与现有基于SSPPF的时变格兰杰估计方法相比，能够更好地追踪快速变化的因果关系，提高时变因果关系识别精度，为神经元锋电位时变功能连接辨识提供了理论计算框架及新的解决途径。

主权项

1.基于多小波基函数展开的锋电位时变格兰杰因果准确辨识方法，其特征在于包括：步骤1.参数选择：以AIC准则选择每个神经元锋电位对应的最佳记忆长度，并确定Laguerre基函数的控制参数、多小波的尺度与B样条的阶次；步骤2.广义Laguerre‑Volterra(L‑V)模型：应用Volterra级数表征时变神经动力学系统模型，采用Laguerre基函数对时变Volterra核进行展开，得到时变L‑V广义模型；步骤3.时变参数展开：使用多小波基函数对时变广义L‑V模型的时变参数进行展开，将时变参数模型转化为时不变参数，得到时不变展开参数模型；步骤4.模型稀疏与估计：利用经典正交前向回归算法对多小波基函数扩展后的时不变参数模型进行优化，剔除冗余项，同时使用广义线性拟合估计相应的时不变参数，逆向求解初始时变参数，并重构核函数；步骤5.神经元锋电位时变因果求解：分别建立有触发神经元锋电位与无触发神经元锋电位的MVAR模型，并使用上述基于多小波基函数的时变神经动力学系统辨识方法估计对应MVAR模型参数，通过这些参数计算点过程对数似然函数值，进一步分别计算有/无触发神经元的MVAR模型对数似然值差值，得到对应神经元锋电位时变格兰杰因果结果。