基于非参数聚类的时频统计方法向完整时间窗及单条件检验的扩展
定量方法
2018-01-30 v1
摘要
振荡过程对于理解认知与行为的神经基础至关重要。为分析这些过程，通常采用时频(TF)分解方法，并使用非参数基于聚类的统计步骤来比较两种或更多条件。尽管这种组合是一种强有力的方法，但它有两个缺点：一是对影响锥(cone-of-influence)之外信号估计不可靠，二与用于分析的时频窗长度有关。这两者都对在TF域推断效应的非参数统计步骤施加了限制。在此，我们扩展了该方法，以在完整TF图上可靠地推断振荡差异并检验单条件。我们表明，该方法可应用于小时间窗而不受影锥影响，并进一步将其发展至单条件情形，用于检验是否存在时变信号的假设。我们在真实EEG与行为数据上展示了这一新方法，并表明其对单条件检验的灵敏度至少与经典傅里叶分析相当。完整TF图中的统计推断可用且能高效检测条件间差异以及单条件中时变信号的存在。
引用
@article{arxiv.1801.09372,
title = {Extension of the non-parametric cluster-based time-frequency statistics to the full time windows and to single condition tests},
author = {Christian Beste and Daniel Kaping and Tzvetomir Tzvetanov},
journal= {arXiv preprint arXiv:1801.09372},
year = {2018}
}
备注
14 pages, 5 figures