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

我是神经学家，也不是很好的人。我的同事好心地向我提供了龙虾口胃神经节的PY神经元的噪声电压测量。

这个神经元的活动特征是一个缓慢的去极化平台，顶部有快速的尖峰(一次爆发)。

理想化和嘈杂的版本都是为您提供这里，让您在闲暇时仔细阅读。

从嘈杂的信号中提取尖峰时间是我的工作，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，我是Matlab的忍者。

谁能给我一个过程的名称，过滤器或平滑函数，这是最适合这项任务。甚至是问这样一个问题的适当论坛。

大概，它需要增加信噪比？这里的问题似乎是确定噪音和真正的尖峰之间的区别，因为两者之间的差距很小。

更新日期: 02/07/2013

我在Matlab中尝试了以下滤波器，结果是混合的。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，高斯滤波，移动加权窗口，移动平均滤波，平滑，斯戈莱滤波器。

Answer 1

对于堆栈溢出，这可能不是一个足够的响应，但在您的情况下，增加信噪比的一种方法是对信号的平均部分进行处理。

1. 低传递您的信号，以消除噪音(和尖峰)，并找到最小的滤波信号(从您的图像，最低每600个数据点)。保持最低限度的索引，
2. 在噪声信号上，对于每个最小索引，选择连续700个数据点。如果你有50个最小值，你应该有一个50x700矩阵，
3. 平均你的矩阵。你应该有一个1乘700的矢量。

通过平均部分信号(最小锁定电位)，你将利用两个特性:噪声是零均值(嗯，应该是)，感兴趣的信号是重复的。因此，当你堆积潜力时，第一种会减少，而第二种则会增加。然而，使用这个过程，你将失去每个慢波图形的尖峰时间，但至少有50个最小值块。

这一技术在神经科学中被称为事件相关电位(电势).它可能不完全符合你的信号，或者结果可能不会给出很好的峰值，但你可以提取出一些感兴趣时期的峰值时间(考虑到信号的性质，我会说，你需要5到10个潜能才能看到一个新出现的平均活动)。

有一些工具箱可以完成部分工作(但考虑到任务的复杂性，我会自己编写程序)。这些是eeglab或实地考察。它们也有大量的过滤器/分解选项，以及一些统计特性。