脑信号功能连接分析中的广义收缩估计量

我们开发了一种新的统计方法，用于估计由多元时间序列表示的神经生理信号之间的功能连接。我们使用偏相干性作为功能连接的度量。偏相干性识别出驱动任意一对通道之间直接线性关联的频带。为了估计偏相干性，首先需要估计多元时间序列的谱密度矩阵。谱密度矩阵的参数估计量能提供良好的频率分辨率，但当参数模型设定错误时可能敏感。基于平滑的非参数估计量对模型设定错误具有鲁棒性且一致，但可能频率分辨率较差。在这项工作中，我们开发了广义收缩估计量，它是参数估计量和非参数估计量的加权平均。最优权重是频率特定的，并在二次风险准则下推导得出，使得在特定频率上表现更好的估计量（无论是参数估计量还是非参数估计量）获得更大的权重。我们在模拟研究中验证了所提出的估计量，并将其应用于一项视觉运动实验的脑电图记录。