相位与幅度的实时估计及其在神经数据中的应用

通过希尔伯特变换计算瞬时相位与幅度是数据分析的有力工具。该方法在科学与工程的诸多分支中有广泛应用，但因需要信号过去与未来的信息，不适用于因果估计。然而，若干问题需要相位与幅度的实时估计；一个典型例子是神经科学中的锁相或幅度依赖刺激。本文讨论并比较了三种不依赖希尔伯特变换、而是利用同步与共振这两种著名物理现象的因果算法。在合成数据集上测试算法后，我们展示了其在加速度计震颤测量与一名帕金森患者 beta 频段脑活动上计算相位与幅度的性能。