从噪声信号/电压测量中提取神经元尖峰时间的最佳方法

Question

我是一名神经科学家，并不是一个很好的人。我的同事好心地为我提供了龙虾Stomatogastric Ganglion 的 PY 神经元的噪声电压测量值。

这个神经元的活动的特点是缓慢去极化的平台，顶部有快速的尖峰（爆发）。

here 提供理想化版本和嘈杂版本，供您在闲暇时细读。

我的工作是从嘈杂的信号中提取尖峰时间，但这远远超出了我的经验水平，我不知道从哪里开始。幸运的是，我在 Matlab 上是个十足的忍者。

谁能提供最适合这项任务的程序、过滤器或平滑函数的名称。甚至是适当的论坛来问这样一个愚蠢的问题。

大概是需要提高信噪比吧？这里的问题似乎是确定噪声和真正的尖峰之间的差异，因为两者之间的差距非常小。

---

更新：2013 年 2 月 7 日

我在 Matlab 中尝试了以下过滤器，结果好坏参半。仍然很难说什么是噪音，什么是尖峰。

低通巴特沃斯滤波器， 中值滤波器， 高斯， 移动加权窗口， 移动平均滤波器， 光滑的， sgolay 过滤器。

Answer 1

这可能不是对 stackoverflow 的充分响应 - 但在您的情况下增加信噪比的一种方法是平均部分信号。

1. 低通您的信号以去除噪声（和尖峰），并找到滤波后信号的最小值（从您的图像中，每 600 个数据点最少一个）。保持每个最小值的索引，
2. 在噪声信号上，对于每个最小索引，选择连续的 700 个数据点。如果你有 50 个最小值，你应该有一个 50 x 700 的矩阵，
3. 平均矩阵。您应该有一个 1 x 700 的向量。

通过平均信号的各个部分（最小锁定电位），您将利用两个属性：噪声是零均值（应该是），并且感兴趣的信号是重复的。因此，随着潜力的积累，第一个会减少，而第二个会增加。但是，通过此过程，您将丢失每个慢波图形的尖峰时间，但至少在 50 个最小值的块中保留它们。

这种技术在神经科学中被称为事件相关电位 (http://en.wikipedia.org/wiki/Event-related_potential)。它可能不完全适合您的信号，或者结果可能不会给出很好的尖峰，但您可能会提取某些感兴趣时期的尖峰时间（鉴于您的信号的性质，我会说您需要 5 或 10 个电位才能看到一种新兴的平均活动）。

有一些工具箱可以完成部分工作（但考虑到任务的复杂性，我会自己编程）。这些是eeglab 或fieldtrip。他们也有一堆过滤器/分解选项，以及一些统计功能。