用于实时脑机接口的脑电噪声谱新统计模型

$目的$：神经信号处理的一个特征是来自亚细胞离子通道直至全脑过程的高水平噪声。本文中，我们提出一种基于一类我们称之为广义 van der Ziel--McWhorter (GVZM) 功率谱密度（PSDs）的脑电（EEG）背景周期图新模型。据我们所知，GVZM PSD函数是唯一的EEG噪声模型，其具有相对较少的参数，在0 Hz到超过30 Hz范围内高精度匹配记录的EEG PSD，并且在中频具有近似$1/f^\theta$行为而无无穷大。$方法$：我们使用三种方法验证该模型。首先，我们展示GVZM PSD如何能在最大熵平衡的离子通道群中产生。其次，我们提出一类混合自回归模型，其模拟脑背景噪声且其周期图渐近于GVZM PSD。第三，我们提出两种稳态视觉诱发电位（SSVEP）频率的实时估计算法，并从统计上分析其性能。$结果$：在成对比较中，基于GVZM的算法比两种著名且广泛使用的SSVEP估计器显示出统计显著的精度提升。$结论$：GVZM噪声模型可成为一种有用且可靠的EEG信号处理技术。$意义$：理解EEG噪声对于基于EEG的神经病学和应用（如必须在极短数据段上做出准确控制决策的实时脑机接口（BCIs））至关重要。GVZM方法代表了一种用于理解和管理此种神经噪声的成功新范式。