论文部分内容阅读
功能核磁共振成像信号(functional Magnetic Resonance Imaging, fMRI)是应用较为广泛的复数高维脑功能信号,能够观测活动中的大脑信号。同时具有空间分辨率高、非侵入等特点。较为常见的fMRI处理过程包括降维、白化、盲信号分离等步骤。其中盲分离性能对降维成分数(即模型阶数)较为敏感,过大或过小可造成有效成分的混迭。以往的模型阶数估计工作主要限于信息论方法,该方法需要下采样以满足其独立同分布要求。然而,下采样可造成信息损失,进而导致阶数欠估计。另外,复数fMRI数据含有较大的噪声干扰,对模型阶数估计也构成了挑战。为此,本文拟利用完整的fMRI数据,并辅以消噪和引入复数fMRI数据特性,提出了一种新的模型阶数估计方法。本文主要工作如下：(1)研究了复数fMRI的非环形特性,给出了复数信号的非环形性定义,研究了fMRI几种非环形度(DOI)的具体计算方法,并针对本文要求进行了选择。(2)采用PCA方法对复数fMRI信号进行消噪。介绍了非环PCA方法,包括详细的计算方法以及与标准PCA的区别和联系,利用仿真信号和实际fMRI数据进行了两种PCA的比较,得到标准PCA适于fMRI消噪的结论。(3)提出了基于标准PCA消噪信号DOI特性的模型阶数估计方法,基于SORTE算法对不同主成分下的消噪信号DOI曲线进行拐点检测。利用本文方法和信息论方法对fMRI仿真信号和实际信号进行了模型阶数估计,展示了两种方法所分离感兴趣成分的性能,表明了本文方法的优势。