进化状态空间模型及其在局部场电位时频分析中的应用
统计方法学
2018-10-23 v3
摘要
我们提出一种进化状态空间模型（E-SSM），用于分析统计性质在非空间记忆实验过程中演化的高维脑信号。在 E-SSM 下，脑信号被建模为具有预定义频带振荡活动的分量（例如 AR(2) 过程）的混合。为考虑这些分量潜在的非平稳性（因为脑响应可能在整个实验中变化），参数允许跨时段（epoch）变化。与独立成分分析和滤波等经典方法相比，所提方法考虑了分量的整个时间相关性并适应非平稳性。为推断，我们提出一种基于卡尔曼平滑器、最大似然和分块重采样的新型计算算法。E-SSM 模型应用于模拟研究以及从非空间（嗅觉）序列记忆任务研究收集的多时段局部场电位（LFP）信号数据。结果证实我们的方法捕捉了实验中不同相位下不同分量功率的演化，并识别出关于不同源分解表现相似行为的电极簇。这些发现表明，在实践中不同电极的活动确实在实验过程中变化，将这些时段记录视为同一过程的实现可能导致误导性结果。总之，所提方法强调了在研究期间内捕捉脑响应演化的重要性。
引用
@article{arxiv.1610.07271,
title = {Evolutionary State-Space Model and Its Application to Time-Frequency Analysis of Local Field Potentials},
author = {Xu Gao and Weining Shen and Babak Shahbaba and Norbert Fortin and Hernando Ombao},
journal= {arXiv preprint arXiv:1610.07271},
year = {2018}
}
备注
Statistica Sinica (2018+)