基于二阶统计量近似联合对角化的人类脑电信号盲源分离
数值分析
2008-12-03 v1 医学物理
神经元与认知
摘要
在过去十年中，盲源分离（BSS）已成为研究人类脑电图（EEG）的重要处理工具。在不依赖头部建模的情况下，BSS旨在估计导致观测到EEG的颅内偶极子电流的波形和头皮空间模式。在这篇综述中，我们首先将EEG的BSS线性瞬时模型置于脑容积传导理论的框架内。然后，我们回顾了基于二阶统计量（SOS）和基于高阶统计量（HOS）的BSS概念和当前实践，后者更广为人知的名称是独立分量分析（ICA）。利用神经生理学知识，我们考察了基于SOS和基于HOS的方法在提取自发和诱发EEG以及将其与颅外伪迹分离方面的适用性。接着，我们阐述了一种仅在时频域中使用SOS的通用BSS方案。该方案很容易扩展到进一步的数据展开，以捕捉实验中的变异源。我们描述了一种基于傅里叶余谱矩阵近似联合对角化的简单高效实现（AJDC）。最后，我们讨论了EEG的BSS分析的有用方面，包括其假设和局限性。
引用
@article{arxiv.0812.0494,
title = {On the blind source separation of human electroencephalogram by approximate joint diagonalization of second order statistics},
author = {Marco Congedo and Cédric Gouy-Pailler and Christian Jutten},
journal= {arXiv preprint arXiv:0812.0494},
year = {2008}
}