[论文解读] Cerebral Signal Instantaneous Parameters Estimation MATLAB Toolbox - User Guide Version 2.3

Esmaeil Seraj|arXiv (Cornell University)|Oct 7, 2016

EEG and Brain-Computer Interfaces参考文献 3被引用 4

一句话总结

本论文介绍了Cerebral Signal Instantaneous Parameters Estimation MATLAB Toolbox，这是一个免费的开源工具箱，用于使用传统方法、ZPPP方法和传递函数扰动（TFP）方法，对EEG和MEG信号中的瞬时相位、频率和振幅进行估计。该工具箱能够实现对相位同步、相位锁定值（PLV）及其他神经生理学特征的稳健分析，并在合成数据和真实EEG数据上验证了其性能。

ABSTRACT

This document is meant to help individuals use the Cerebral Signal Phase Analysis toolbox which implements different methods for estimating the instantaneous phase and frequency of a signal and calculating some related popular quantities.The toolbox -- which is distributed under the terms of the GNU GENERAL PUBLIC LICENSE as a set of MATLAB routines -- can be downloaded at the address http://oset.ir/category.php?dir=Tools.The purpose of this toolbox is to calculate the instantaneous phase and frequency sequences of cerebral signals (EEG, MEG, etc.) and some related popular features and quantities in brain studies and Neuroscience such as Phase Shift, Phase Resetting, Phase Locking Value (PLV), Phase Difference and more, to help researchers in these fields.

研究动机与目标

• 提供一个可靠、开源的MATLAB工具箱，用于估计脑电信号（如相位、频率和振幅）的瞬时参数。
• 通过引入TFP和ZPPP等稳健的统计框架，解决传统相位估计方法的局限性，提升在噪声或非平稳EEG/MEEG信号中的估计精度。
• 通过计算PLV、相位重置和相位差等关键相位相关指标，支持神经科学研究。
• 通过提供全面的测试文件、用户指南，并与开源神经电生理工具箱（OSET）集成，促进可重复研究。
• 通过AR建模和创新滤波方法，实现合成EEG信号的生成，用于相位分析方法的交叉验证与基准测试。

提出的方法

• 采用三种核心相位估计方法：传统希尔伯特变换（Phase_Ex_Trad.m）、零点极点扰动法（ZPPP）（Phase_Ex_ZPPP.m）和传递函数扰动法（TFP）（Phase_Ex_TFP.m）。
• 基于滤波器零点和极点的随机扰动，构建统计框架，以增强相位估计对噪声和伪影的鲁棒性。
• 利用希尔伯特变换和解析信号方法，从带通滤波后的信号中计算瞬时相位、频率和振幅。
• 通过相位序列（PLV_PhaseSeq.m）和原始信号（PLV_RawSig.m）两种方式实现相位锁定值（PLV）的计算，支持多通道和单通道分析。
• 使用自回归（AR）模型和创新滤波方法生成合成EEG信号（Synth_EEG.m），保留真实EEG的频谱特性。
• 与OSET框架集成，并通过测试脚本（如Test_Phase_Ex_TFP.m）实现模块化使用，用于验证和演示。

实验结果

研究问题

• RQ1 如何在噪声较大或非平稳的EEG和MEG信号中稳健估计瞬时相位、频率和振幅？
• RQ2 TFP和ZPPP方法相较于基于传统希尔伯特变换的相位估计方法，在真实和合成EEG数据中的性能提升程度如何？
• RQ3 该工具箱在多通道EEG信号中准确计算相位同步指标（如PLV）的程度如何？
• RQ4 合成EEG生成函数（Synth_EEG.m）在多大程度上能再现真实EEG信号的频谱和时域特性？
• RQ5 该工具箱能否可靠检测神经时间序列中的相位重置事件和相位偏移动态？

主要发现

• 与传统基于希尔伯特变换的方法相比，TFP和ZPPP方法在低信噪比条件下显著提升了相位估计的鲁棒性。
• 通过相位序列和原始信号计算得到的PLV矩阵结果一致，验证了PLV计算函数的可靠性。
• 使用AR模型和创新滤波生成的合成EEG信号，其功率谱密度（PSD）与真实EEG信号高度吻合，经Welch法PSD分析确认。
• 该工具箱成功捕捉了α节律（8–12 Hz）的动力学特征，准确生成了瞬时相位、频率和振幅序列，如样本图所示。
• Phase_Ex_TFP.m函数通过滤波器响应的统计扰动，能够检测相位跳变和相位重置事件，增强了对瞬态神经动力学的敏感性。
• 用户指南和测试文件（如Test_PLV_RawSig.m、Test_Synth_EEG.m）证实了该工具箱在不同EEG数据集和分析场景下的可用性与可重复性。