多复指数模型及其在EEG数据分析中的应用

由头皮上电极所记录下的EEG信号是大脑中各种电活动,尤其是神经元电活动,互相耦合而产生的电位变化的整体反映。有一种看法认为,表面看来随机、无规则的EEG信号,实际上它的变化只是由少量几个动力学参量控制着的非线性过程。根据这个假定,我们提出使用多复指数(MCE)模型来描述EEG信号的想法。文中首先简要地介绍了用来估计时序信号MCE模型参数的非调和Fourier展开算法(NHFE)的基本思想。然后,对一个叠加有白噪声、具有4个频率成分的模拟信号,用NHFE算法估计出其MCE模型参数,并把所得的结果与用经典的周期图谱分析方法、AR模型谱分析方法所得到的信号频谱作了比较。结果表明,在SNR高的条件下,NHFE算法所估计出的模型参数能更客观地反映信号的固有特性。基于目前的有关EEG形成的假设,应用MCE模型来描述EEG将更能反映出其特征。因此,我们对MCE模型及其参数在EEG数据分析中的几种可能应用作了初步尝试。这些应用包括:EEG信号段(或一段诱发电位,或一段事件关联电位)的特征参数的提取,这些特征参数包括优势频率值、独立的频率成分个数、幅度值、正负衰减指数的个数、频带宽度与幅度乘积(能量);EEG的频率调制特性的粗略描述等。从而看到了用通常信号分析方法所看不到的EEG信号中所反映的大脑活动的变化。由于用MCE模型及其参数来描述EEG的方法更符合目前关于大脑非线性动力学行为的假设,所以这一方法将是表示EEG信号的有效途径之一。另外,MCE模型方法在EEG信号的模拟研究与数据压缩等方面也将是有用的。文中还讨论了NHFE算法应用中的一些问题。

The Multiple Complex Exponential Model and Its Application to EEG Analysis

A new approach to the analysis of electroencephalogram(EEG) signal, which is based on a multiple complex exponential (MCE) model was introduced. Parameters of the model were estimated by using an algorithm of nonharmonic Fourier expansion (NHFE). The main idea of the algorithm was outlined and the estimated result on a simulated data was presented, and compared with those obtained by the conventional methods of signal analysis. A preliminary work on various application possibilities of MCE model in EEG data analysis was described. The results showed that the parameters of MCE model reflect the essential information contained in an EEG s(?)gment. These parameters will characterize the EEG signal in a more objective way because they are more close to the recent supposition of nonlinear character of the brain's dynamic behaviour.