相位锁定值再探：老方法的新技巧
信号处理
2018-06-29 v3 混沌动力学
数据分析、统计与概率
神经元与认知
摘要
尽管近几十年来计算能力有所提升，脑连接性的估计仍然是一项繁琐的任务。算法的高计算成本随被评估信号数量的平方而增加，通常信号数量在数千量级。在这项工作中，我们提出了一种对广泛使用算法的重新表述，使得能够在更短的时间内估计全脑连接性。我们从相位锁定值 (PLV) 的原始实现出发，以计算高效的方式对其进行了重新表述。此外，这种表述强调了其与相干性的高度相似性，我们利用这一点引入了两种对零滞后同步不敏感的新度量：相位锁定值的虚部 (iPLV) 及其校正对应量 (ciPLV)。PLV 的新实现避免了一些高度消耗 CPU 的操作，相比原始算法实现了 100 倍的加速。新推导的度量在存在容积传导时表现出很高的鲁棒性。特别是 ciPLV，被证明能够忽略零滞后连接，同时正确估计非零滞后连接。我们的 PLV 实现使得在更短的时间内计算全脑连接性成为可能。使用 ciPLV 的模拟结果表明，该度量非常适合在存在容积传导或源泄漏效应时测量同步。
引用
@article{arxiv.1710.08037,
title = {Phase Locking Value revisited: teaching new tricks to an old dog},
author = {Ricardo Bruña and Fernando Maestú and Ernesto Pereda},
journal= {arXiv preprint arXiv:1710.08037},
year = {2018}
}