基于ReliefF算法与偏最小二乘方法的鸽子转向运动解码

针对微电极阵列记录的局部场电位(LFP)信号包含大量的噪声和冗余信息,而且信号特征维数高,从而影响解码正确率的问题,结合Relief F算法与偏最小二乘(PLS)方法,解码了动物的转向运动行为。设计了鸽子的十字迷宫目标导向实验,采集鸽子弓状皮质尾外侧(NCL)LFP神经信号,提取信号的特征,利用Relief F算法对各个特征赋予相应的权重值,根据权重阈值选取合适的特征构成特征子集;并用PLS对特征子集提取主成分,最后用支持向量机(SVM)进行解码,并将解码结果与单独使用Relief F算法和PLS算法比较。结果:LFP信号经Relief F-PLS特征提取后,五组鸽子实测数据的解码正确率分别达到95.00%、80.00%、95.00%、92.50%、85.71%,高于单独用Relief F或PLS算法的解码正确率,而且所提取的特征数更少。说明Relief F-PLS方法结合了Relief F和PLS的优点,提高了解码正确率;而且提取的特征数更少,有效地去除原始特征中的干扰特征和冗余特征,验证了该算法的有效性,为相关研究探索了一条新路径。