【摘要】：從時(shí)頻結(jié)果中提取事件相關(guān)電位(Event-Related Potential,ERP)的分析方法已經(jīng)廣泛應(yīng)用于認(rèn)知神經(jīng)科學(xué)的研究。目前這種方法主要存在以下兩個(gè)問(wèn)題:(1)ERP時(shí)頻分析時(shí),往往是通過(guò)Morlet小波變換獲得,在進(jìn)行時(shí)頻分析之前需要考慮中心頻率f_0和帶寬?來(lái)定義一個(gè)母波,這個(gè)兩個(gè)參數(shù)直接影響時(shí)頻結(jié)果的時(shí)頻分辨率,但其影響在以往的研究中并未得到廣泛討論;(2)采集的單試次ERP數(shù)據(jù)中往往是鎖時(shí)鎖相電位、準(zhǔn)鎖時(shí)非鎖相電位、自發(fā)腦電和噪聲混合在一起,雖然之前有研究者利用非負(fù)CP(Canonical Polyadic)分解算法從鎖時(shí)鎖相(evoked)腦活動(dòng)中分離出鎖時(shí)鎖相電位,但尚未用其從全腦活動(dòng)(induced plus evoked)分離準(zhǔn)鎖時(shí)非鎖相電位成分,進(jìn)而用其解釋與實(shí)驗(yàn)設(shè)計(jì)相關(guān)的大腦加工機(jī)制特點(diǎn)。本論文中,首先采用CWT和fastwavelet這兩種基于Morlet小波變換的算法和不同組的中心頻率和帶寬對(duì)同一被試的ERP數(shù)據(jù)(本論文使用的數(shù)據(jù)是基于Go-Nogo兩因素實(shí)驗(yàn)設(shè)計(jì):情緒?任務(wù))進(jìn)行時(shí)頻分析,其次用非負(fù)CP算法對(duì)時(shí)頻結(jié)果構(gòu)建的三階張量進(jìn)行分解,進(jìn)而選擇一種適合這個(gè)ERP數(shù)據(jù)進(jìn)行時(shí)頻分析的最優(yōu)算法和參數(shù)。最后,利用前一步選擇好的算法和參數(shù)對(duì)所有ERP數(shù)據(jù)進(jìn)行時(shí)頻分析,得到時(shí)頻結(jié)果構(gòu)建的四階張量,再利用非負(fù)CP算法對(duì)其分解,分離準(zhǔn)鎖時(shí)非鎖相電位成分和鎖時(shí)鎖相電位成分,著重探討兩者在時(shí)域、頻域、空間域和統(tǒng)計(jì)分析上的差異。分析結(jié)果表明:分別從evoked和induced plus evoked腦活動(dòng)中分離出來(lái)的鎖時(shí)鎖相電位在時(shí)域波形圖、頻域頻譜圖、空間域的腦地形分布圖、不同條件的均值和統(tǒng)計(jì)分析結(jié)果差別不大;從induced plus evoked腦活動(dòng)中分離出來(lái)的鎖時(shí)鎖相電位成分與準(zhǔn)鎖時(shí)非鎖相電位成分相比,后者的時(shí)域感興趣成分的潛伏期比前者的滯后,統(tǒng)計(jì)分析上兩者在情緒間和任務(wù)間主效應(yīng)均顯著,但只有后者情緒與任務(wù)間交互作用顯著,即后者的統(tǒng)計(jì)分析結(jié)果比較適合用來(lái)解釋與實(shí)驗(yàn)設(shè)計(jì)有關(guān)的大腦加工機(jī)制過(guò)程。
【學(xué)位授予單位】：大連理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：R318;TP301.6

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 鄒紅星,周小波,李衍達(dá);時(shí)頻分析:回溯與前瞻[J];電子學(xué)報(bào);2000年09期

本文編號(hào)：2727258