中文摘要：

植入式脑机接口在大脑运动皮层采集的神经集群锋电位信号，信息量大、时空分辨率高，为实现脑与外界的实时准确控制提供了良好的信号来源。锋电位为点进程信号，仅区别于信号产生的时间不同，信号幅值形状相似。传统脑机接口算法无法直接解析锋电位信号，转而处理单位时间窗口内的神经元发放率，忽略了锋电位信号中可能包含的丰富的神经动力学信息,限制脑机接口对神经信号的精确建模。本项目以非人灵长类（猴）动物的运动神经皮层上采集的锋电位信号群为处理对象，使用点进程估计对锋电位信号进行概率建模。研究从运动参数到锋信号序列的神经元编码模型， 以及由锋电位序列动态解析运动轨迹的解码算法。在编码模型上引入神经科学已证实的神经元发放偏好性质进行统计建模，使用信息论的概念评价模型捕捉的信息量。探索神经元发放偏好函数随时间变化的规律。在解码算法中，有效融入已获取的时变偏好函数模型知识，初步实现从锋电位到运动轨迹的动态概率解析。

结论摘要：

植入式脑机接口在大脑运动皮层采集的神经集群锋电位信号，信息量大、时空分辨率高，为实现脑与外界 的实时准确控制提供了良好的信号来源。神经元的动作电位（锋电位）包含了丰富的神经动力学信息,为 脑机接口对神经信号的精确建模提供了可能性。本项目在以啮齿类以及非人灵长类（猴）动物为对象的植入式脑机接口平台上成功采集了运动神经 皮层的神经集群锋电位信号。建立了从联合运动参数（位置、速度和加速度）到锋信号序列的神经元的线性－非线性－泊松编码模型，涵盖了神经 元发放偏好方向以及神经元非线性的特征，比常用的线性和指数增长模型更为准确的捕捉了神经元的编码特性。本项目使用信息论中的互信息概念 量化评价神经元锋电位发放和运动任务之间的关系，从而选出和运动任务最为相关的重要神经元，选出的重要神经元集群可以保持和采集的所有神 经元集群相近的解码性能。通过互信息随时间的变化，定量表述神经元的时变特征，发现三类重要神经元，一类的重要性随时间增长而衰减，一类 神经元重要性随时间增长而增强，还有一类神经元重要性基本保持不变。在以上精确编码模型研究的基础上，本项目使用泊松过程对锋电位进行点 过程的概率建模，通过运动的状态方程和线性－非线性－泊松的编码观测方程联合，使用基于的蒙特卡罗算法对多天的联合运动参数进行神经解 码，这样的非线性方法可以精确的从神经锋电位信号重建运动轨迹，在我们的数据上估计值与真实轨迹的平均相关值达到80%左右。