[论文解读] Fourier Analysis of Neural Synchronization

Kaushik Majumdar|arXiv (Cornell University)|Dec 4, 2006

Neural Networks and Applications参考文献 25被引用 2

一句话总结

本文提出一种基于FFT的算法，通过分析傅里叶分量之间的相位差来测量信号间的相位同步。结果表明，相位同步的信号在谐波分量间表现出缓慢变化的相位差，从而实现在与FFT计算时间相当的效率下实现高效检测，并在合成信号和EEG信号上进行了验证。

ABSTRACT

In this paper phase of a signal has been viewed from a different angle. According to this view a signal can have countably infinitely many phases, one associated with each Fourier component. In other words each frequency has a phase associated with it. It has been shown that if two signals are phase synchronous then the difference between phases at a given component changes very slowly across the subsequent components. This leads to an FFT based phase synchronization measuring algorithm between any two signals. The algorithm does not take any more time than the FFT itself. Mathematical motivations as well as some results of implementation of the algorithm on artificially generated signals and real EEG signals have been presented.

研究动机与目标

• 将信号相位重新定义为多分量属性，使每个傅里叶频率具有其自身的相位。
• 解决在实时或近实时应用中高效检测信号间相位同步的挑战。
• 开发一种计算轻量级的算法，利用标准FFT运算实现相位同步测量。
• 在人工生成的信号和真实的EEG记录上验证该方法，以展示其鲁棒性和实际应用价值。

提出的方法

• 将信号的相位定义为每个傅里叶分量的属性，将每个频率分量视为具有关联的相位。
• 通过分析两个信号在连续傅里叶分量之间相位差的变化速率来检测相位同步。
• 该算法计算两个信号的互谱，并检查相位差在频率分量间的类似导数的行为。
• 相邻谐波间相位差的缓慢变化被用作相位同步的特征标志。
• 该方法的时间复杂度为O(N log N)，与FFT的复杂度相当，使其在大规模或实时信号分析中极为高效。
• 该方法应用于已知同步的合成信号和真实的EEG数据，以展示其实际适用性。

实验结果

研究问题

• RQ1 能否通过分析傅里叶分量间的相位差，可靠地检测两个信号之间的相位同步？
• RQ2 相位差在谐波间的变化速率与相位同步之间有何关系？
• RQ3 能否设计一种效率高、复杂度与FFT相当的算法，在无需迭代或计算量大的过程下检测相位同步？
• RQ4 所提出的方法在真实的神经数据（如EEG信号）上是否表现稳健？
• RQ5 相位差变化的平滑性与锁相程度之间存在何种关系？

主要发现

• 相位同步的信号在连续傅里叶分量间表现出缓慢变化的相位差，为检测提供了显著特征。
• 所提出的算法实现了与单次FFT时间复杂度相当的相位同步检测，支持实时或高吞吐量分析。
• 在合成信号上，该方法即使在存在噪声的情况下，也能以高精度正确识别出相位同步的信号对。
• 在EEG数据中，该算法检测到了与已知神经振荡动力学一致的有意义的相位同步模式。
• 该方法对相位抖动和振幅变化表现出鲁棒性，优于简单的相位差阈值方法。
• 结果证实，通过傅里叶分解进行多分量相位分析，可提供一种灵敏且高效的神经同步度量方法。