一种基于白化处理的转移熵方法及其在窄带信号中的应用

转移熵（Transfer Entropy）作为格兰杰因果关系的推广，有望通过在对源-目标关系进行量化时忽略目标信号的自预测性，来度量从源信号到目标信号的“信息转移”。具有此类自预测性的信号的一个简单例子是窄带信号。这类信号既被认为由大脑内在产生，也常见于脑信号分析中——在分析中使用带通滤波器将响应从噪声中分离出来。然而，在这种情况下通常不建议使用转移熵。我们模拟了简化示例，证实了经典转移熵实现在应用于窄带信号时的失效，其表现为效应量与交互延迟的错误恢复。我们提出了一种替代方法，基于在计算双变量有向时滞依赖度量之前对输入信号进行白化。该方法解决了在简单模拟系统中发现的问题。最后，我们探究了所提度量应用于连续语音诱发的脑磁图（MEG）响应中 delta 与 theta 响应成分时的表现。我们的度量所归因的从刺激到神经元响应的有向交互的微弱效应在 theta 频段强于 delta 频段。这表明 delta 频段反映了更具预测性的耦合，而 theta 频段更强地参与自下而上的反应性处理。综上，我们希望增进对频率特异性依赖关系中有向视角的关注。