论文部分内容阅读
脑电(Electroencephalograph,EEG)是一种复杂的非线性、非高斯的随机信号。通常,我们使用功率谱分析或相干分析的方法处理脑电信号,这样可以提取脑电在频域上的信息。然而,功率谱或相干分析的方法丢失了包括信号的相位信息在内的高阶信息,只是处理信号的二阶矩,反映了信号二阶矩的幅频特性。为了更加深入地研究脑电信号,提取包括相位信息在内的高阶信息,我们使用双谱分析的方法处理EEG信号,它可以检测不同信号之间在不同频率上的非线性耦合现象。本文基于双谱理论实现相应的网络构建,利用仿真实验对基于双谱的网络构建方法进行系统的分析。然后使用双谱分析的方法处理在Oddball实验下P300任务态的脑电信号,并构建头表脑电网络,目的是找到一种更加有效的方法,更加深入地研究认知过程中,脑区之间的信息交流。本文主要工作如下:(1)由于双谱分析可以验证不同信号之间在不同频率上的非线性耦合,本文构建仿真信号,检验信号之间的耦合结果,得到了在同一个时间序列下的不同信号在不同频率下的4种耦合模式。构建这四种耦合模式下的网络拓扑图,更加形象地描述仿真信号之间在不同频段上的耦合关系,证明双谱在捕捉信号之间非线性耦合的可靠性。(2)将双谱分析应用到Oddball实验的任务态EEG研究中,估计两两信号之间在不同频率上的非线性耦合。考虑到脑电的频段划分,我们关注十种耦合模式下的网络结果。发现有四种耦合结果的网络与P300幅值之间存在稳定、较强的相关性,最终得到相应的网络拓扑图,说明了在任务态时大脑之间不同频段的信息交互现象,并且这些耦合模式的脑网络存在从前额叶到顶枕叶的长程连接,这与P300发生的脑区以及诱发产生P300时脑区之间相互作用以及脑区之间的长效连接是一致的。本研究对于我们更加深入地研究P300的脑机制有着重要的意义,研究发现在完成高阶神经认知的过程中,脑区之间存在信息交互,同时信息的交流伴随着频段之间的非线性耦合现象。P300被认为是高阶认知过程中的一种生物指标,同时这些认知过程与脑区间的网络连接密不可分。