[发明专利]一种非线性数据全局互相关性的并行定量计算方法

说明书

技术领域

本发明属于数据分析技术领域，涉及一种数据相关性分析方法，尤其涉及一种同时揭示相关强度与相关方向的、全局的、非线性数据全局互相关性的并行定量计算方法。

背景技术

科学与实际工程应用中，复杂系统的监测数据(如大脑神经信号)具有明显的非线性特性，复杂系统多个组成部分之间同步现象的研究是当今复杂系统科学领域中最活跃的课题之一。以神经信号为例，同步测量是对大脑活动时产生的两个或更多连续时间序列的同步估计，独立的时间序列同步值低，相关的时间序列同步值高。利用多通道脑电信号分析方法研究神经信号的同步特征有助于深入理解生理病理情况下大脑各区域间的协作和调制机制，为脑部神经疾病的诊断提供依，从而进行正确的治疗，通过研究理解导致脑部神经疾病的机理，也有助于对疾病的提前预防。([文献1])

现有的一些二元信号同步性分析方法，比如交叉相关性([文献1])，频谱相干性([文献2])，相位同步性([文献3])和非线性互相关性(Non-linearInterdependency，NLI)([文献4])等方法。非线性互相关性(NLI)是一种非对称性的相关性测量方法，用来描述信号的相位同步强度，可用于衡量广义同步。NLI算法不进能够计算成对二元信号的强度，还能计算二元非线性数据同步的方向([文献5])，并且具有很好的抗噪声干扰能力。

而多通道信号比二元信号所包含的信息更多。为了进一步分析多通道信号之间的同步性关系，(如，为了探索不同大脑区域的工作机理我们需要分析其不同通道的神经信号的相关性)，多通道信号分析需要一个计算全局相关性的方法。因此，相比较于二元信号相关性分析，由于多通道信号的普适性，多通道信号分析收到了越来越多的重视。现有的一些多通道信号互相关性分析方法，S估计器([文献6])，关联性矩阵分析([文献7])，互信息，局部定向相关性([文献8])。文献9对这些方法做了一个比较，非线性互相关性方法(NLI)对噪声的鲁棒性明显强于其它的方法。因此，相比较而言，NLI算法更适合于多通道数据全局互相关性的定量计算。

然而，在多通道信号分析上应用NLI算法是高度计算密集型的，NLI算法主要应用于研究两通道间信号关系，虽然该算法在处理脑电信号上有其独特的优势，但当数据量较大或通道数较多时，该算法的执行效率明显下降，从而制约了该算法的发展和使用。因此亟待发明一种快速有效的多通道非线性数据相关性分析算法。

[文献1]C.Carmeli，M.G.Knyazeva，G.M.Innocenti，andO.D.Feo，“AssessmentofEEGsynchronizationbasedonstate-spaceanalysis，”Neuroimage，vol.25，no.2，pp.339–354，2005.

[文献2]A.Kraskov，“Synchronizationandinterdependencemeasuresandtheirapplicationstotheelectroencephalogramofepilepsypatientsandclusteringofdata，NIC-Directors，”Ph.D.，Jülich，Germany，2004.

[文献3]F.Mormann，K.Lehnertz，P.David，andC.E.Elger，“MeanphasecoherenceasameasureforphasesynchronizationanditsapplicationtotheEEGofepilepsypatients，”PhysicaD，vol.144，no.3–4，pp.358–369，2000

[文献4]M.LeVanQuyen，J.Soss，V.Navarro，R.Robertson，M.Chavez，M.Baulac，andJ.Martinerie，“PreictalstateidentificationbysynchronizationchangesinlongtermintracranialEEGrecordings，”Clin.Neurophysiol.，vol.116，no.3，pp.559–568，2005.