生物医学网络科学Biomedical Network Science
动态功能连接与多层脑网络03 / 21

时频分析与小波相干

阅读
约 2 分钟

滑动窗口只用一个窗长,等于默认所有频率的连接都在同一时间尺度上变化。时频分析放开了这一限制:低频成分用长窗口、高频成分用短窗口,同时得到连接随时间和频率的变化。

连续小波变换

对信号 x(t)x(t),连续小波变换在尺度 ss、时间 tt 处的系数为

Wx(s,t)=∫x(τ)1sψ*(τ−ts)dτ,W_x(s,t)=\int x(\tau)\,\frac{1}{\sqrt s}\,\psi^*\!\Big(\frac{\tau-t}{s}\Big)\,d\tau ,

常用的母小波是 Morlet 小波 ψ(η)=π−1/4eiω0ηe−η2/2\psi(\eta)=\pi^{-1/4}e^{i\omega_0\eta}e^{-\eta^2/2}(通常取 ω0=6\omega_0=6),此时尺度与傅里叶周期近似成正比,P≈2πs/ω0P\approx 2\pi s/\omega_0。尺度越大,小波在时间上越宽:低频估计用的数据多、时间定位粗,高频反之。

小波相干

两条信号的交叉小波谱为 Wxy=WxWy*W_{xy}=W_xW_y^*,其幅角给出局部相位差。小波相干(wavelet transform coherence)对交叉谱和各自功率谱做平滑后取比值:

R2(s,t)=|S(s−1Wxy(s,t))|2S(s−1|Wx(s,t)|2)⋅S(s−1|Wy(s,t)|2),R^2(s,t)=\frac{\big|S\big(s^{-1}W_{xy}(s,t)\big)\big|^2}{S\big(s^{-1}|W_x(s,t)|^2\big)\cdot S\big(s^{-1}|W_y(s,t)|^2\big)},

其中 SS 是沿时间和尺度的平滑算子。若不平滑,分子分母逐点相等,R2R^2 恒为 1,所以平滑是相干估计不可缺少的一步,平滑核的宽度决定了估计的方差与时间分辨率。R2R^2 可以理解为“局部的、按频率分解的相关系数平方”。Grinsted 等(2004)给出了这一方法的通用实现及蒙特卡洛显著性检验。

Chang & Glover(2010)首先把小波相干系统用于静息态 fMRI:以后扣带回为种子,发现它与“反相关”(任务正激活)网络之间的相干和相位差在时间和频率上都有变化,蒙特卡洛检验显示存在依赖尺度的显著时间变异;作者同时指出,无法确定这些变异来自残余噪声还是认知状态的调制。

小波相干的三个陷阱:(1)正偏差:平滑窗口内有效样本少时,即使两信号独立,R2R^2 也远大于 0,必须与替代数据比较;(2)影响锥(cone of influence):靠近记录两端时小波超出数据范围,系数不可靠,应剔除;(3)多重比较:时间×频率×脑区对构成巨大的检验空间,逐点显著性的“岛屿”很容易因偶然出现。见代码示例中的小波相干模拟。