[发明专利]一种基于格兰杰因果性的脑电源定位方法

权利要求书

1.一种基于格兰杰因果性的脑电源定位方法，其特征在于，包括如下阶段：

1)利用脑电采集设备记录多个导联的头皮脑电信号，并进行初步的预处理；

2)将每个导联分别作为观测导联，分别分析每个导联与其他导联间的格兰杰因果性，并根据因果性指标进行导联间源定位；

3)统计能够成为源的导联数目，计算每个能够成为源的导联作为全脑源区的可能性指标，实现全脑源定位。

2.根据权利要求1所述的一种基于格兰杰因果性的脑电源定位方法，其特征在于，阶段1)所述的初步的预处理，是为得到信噪比较高的脑电信号，对原始脑电信号进行变平均参考、带通滤波、50Hz陷波以及独立成分分析去眼电预处理操作，预处理之后的脑电信号表示为

X＝{X₁,X₂,......,X_N}

其中，N＝32，是头皮脑电导联数，每个导联的数据长度为n，则第j个导联的第k个数据点表示为X_jk，j＝1,2,......,N，k＝1,2,......,n。

3.根据权利要求1所述的一种基于格兰杰因果性的脑电源定位方法，其特征在于，阶段2)中所述的分析每个导联与其他导联间的格兰杰因果性，包括如下步骤：

(1)建立自回归模型，设X_j为观测导联，将观测导联X_j的第k个数据点的自回归模型表示为

Xjk=Σm=1la1jmXj(k-m)+ϵ1jk]]>

其中l为自回归模型窗宽，m＝1,2,......,l；a_1jm为自回归系数，ε_1jk为X_jk的自回归预测误差；

(2)建立联合回归模型，设相对观测导联X_j以外的导联X_i为联合导联，观测导联X_j与联合导联X_i之间的联合回归模型表示为：

Xjk=Σm=1la2jmXj(k-m)+Σm=1lb2jmXi(k-m)+ϵ2jk]]>

其中，a_2jm和b_2jm为联合回归系数，ε_2jk为联合回归预测误差；

(3)分别计算观测导联X_j自回归误差的方差v_1j和联合回归误差的方差v_2j，

v1j=Σk=1n(ϵ1jk-M1j)2/n]]>

v2j=Σk=1n(ϵ2jk-M2j)2/n]]>

其中M_1j是自回归误差的均值，M_2j是联合回归误差的均值，如果方差v_2j<方差v_1j，则说明联合导联X_i含有对观测导联X_j的预测信息，能够改善对观测导联X_j的预测精度，否则不能够改善对观测导联X_j的预测精度；

(4)检验联合导联X_i是否能够显著改善对观测导联X_j的预测精度，检验公式如下

Rij=(r1j-r2j)/lr2j/(n-l)]]>

其中，为自回归模型的误差平方和，为联合回归模型的误差平方和，若R_ij服从自由度为(l,n-l)的F分布，则联合导联X_i能够显著改善对观测导联X_j的预测精度，即联合导联X_i与观测导联X_j在格兰杰意义上具有因果性，且联合导联X_i是观测导联X_j在格兰杰意义上的因；

(5)因果性指标的计算，因果性指标由观测导联X_j的线性自回归误差和联合导联X_i与观测导联X_j的联合回归误差共同决定，表示为

fij=lnv1jv2j]]>

同理，能够判断出观测导联X_j对联合导联X_i是否具有格兰杰意义上的因果性，若观测导联X_j能够显著改善对联合导联X_i的预测精度，则观测导联X_j对联合导联X_i也具有格兰杰意义上的因果性，可计算其格兰杰因果性指标f_ji，此时联合导联X_i与观测导联X_j互为因果，f_ij>0且f_ji>0，反之，观测导联X_j对联合导联X_i则不具有格兰杰意义上的因果性。