多事件ERP成份分解算法研究及應(yīng)用.pdf

1、事件相關(guān)電位（Event-related potentials簡稱ERP或ERPs）是和特定事件相關(guān)的腦區(qū)電位變化，它與一個可定義的參照事件有穩(wěn)定時間關(guān)系，以特定事件出現(xiàn)的時間作為時間參考，事件相關(guān)電位可以通過疊加平均得到，這種特定事件可以是刺激或行為反應(yīng)。如果在單次實驗記錄中包含兩個或多個事件，不同事件引發(fā)的ERP將形成相互混疊，以某一事件出現(xiàn)的時間為基準(zhǔn)，進(jìn)行疊加平均提取ERP的時候，總平均ERP中將出現(xiàn)與不同事件引發(fā)的ERP成份之

2、間的交叉干擾。ERP高時間分辨率的特性使得它在認(rèn)知神經(jīng)科學(xué)以及臨床醫(yī)學(xué)領(lǐng)域有廣泛的應(yīng)用，但在一些大腦高級認(rèn)知功能的研究中，這種各事件引發(fā)的ERP成份之間的交叉干擾極大地影響了對ERP成份所對應(yīng)的生理或心理過程的理解。由于這個問題一直以來都沒有得到徹底的解決，目前為止，在大腦認(rèn)知功能的研究中絕大多數(shù)研究者依然采用的是傳統(tǒng)的疊加平均技術(shù)，因而導(dǎo)致了學(xué)界對某些認(rèn)知功能理解的分歧。所以，發(fā)展一種準(zhǔn)確有效地提取不同事件引發(fā)的真實ERP成份對ERP

3、領(lǐng)域研究有重要意義。本文針對多事件ERP中的交叉干擾問題，研究和發(fā)展了多事件ERP成份分解方法以及該方法在實際實驗數(shù)據(jù)中的應(yīng)用。主要內(nèi)容如下：
　　 ⑴提出了三事件以及多事件ERP成份分解算法。并結(jié)合仿真數(shù)據(jù)討論了此方法的分解效果。
　　 ⑵針對多事件ERP成份分解算法的特點，系統(tǒng)研究了邊界條件和事件時間分布特性對算法的影響。文中通過仿真對比周期邊界條件以及非周期邊界條件下算法的效果，得到采用周期邊界條件明顯好于非周期邊

4、界條件，能更真實的恢復(fù)仿真數(shù)據(jù)。通過對不同事件時間分布情況下的仿真對比，得出事件時間分布的形狀對算法的效果沒有影響，而事件時間的標(biāo)準(zhǔn)差對算法的效果有明顯影響，事件時間分布的標(biāo)準(zhǔn)差越大，分解效果越好。這部分的研究對分解算法的實際應(yīng)用以及心理學(xué)實驗設(shè)計有一定的指導(dǎo)作用。
　　 ⑶提出了一種穩(wěn)健的多事件ERP成份分解方法-基于維納去卷積的多事件ERP成份分解算法。針對分解算法中固有的病態(tài)問題，采用維納去卷積理論，通過估計信號和噪聲的功

5、率譜來確定最優(yōu)濾波器的設(shè)計。通過仿真實驗，較系統(tǒng)地對比了不同正則化方法的分解效果，得出維納去卷積分解方法具有最好的分解效果。針對實際的實驗數(shù)據(jù)，從ERP的基本特性以及基本生理常識對分解結(jié)果的可靠性做了分析。
　　 ⑷將維納去卷積分解方法應(yīng)用到反應(yīng)抑制的研究中，并對反應(yīng)抑制研究中存在分歧的問題做了詳細(xì)研究，分析結(jié)果證實，NoGo-P3效應(yīng)可能是反應(yīng)相關(guān)成份的干擾導(dǎo)致的，而和反應(yīng)抑制過程無關(guān)，NoGo-N2效應(yīng)才是和反應(yīng)抑制過程相關(guān)