局部场电位（LFP）是测量局部皮层区域电活动的信号，从植入皮层表面贴片上的多个河豚身上采集。因此，它们可以被视为多组函数数据，其中从一个四极管跨时间周期收集的轨迹被视为一组函数。在许多情况下，多道LFP轨迹既包含全局变化模式（由于信号同步性，大多数组共享），也包含特殊变化模式（仅对一小部分组通用），这种结构对数据机制非常有用。因此，本文的一个目标是开发一种高效的算法，能够捕获和量化全局特征和特性。我们开发了一种新的过滤公共函数主成分（filt-fPCA）方法，这是一种用于多组函数数据的新型森林结构fPCA。所提出的filt-fPCA方法的一个主要优点是能够以灵活的“多分辨率”方式提取公共分量。该方法是高度数据驱动的，不需要“地面真实”数据结构的先验知识，适合分析复杂的多组函数数据。此外，filt-fPCA方法能够为具有正交基函数的多组函数数据产生简约、可解释和高效的函数重建（低重建误差）。本文采用所提出的filt-fPCA方法研究电击（诱导中风）对大鼠大脑同步结构的影响。所提出的filt-fPCA具有通用性和包容性，可以很容易地应用于分析任何多组函数数据，例如多元函数数据、时空数据和纵向函数数据。