小波变换与巴特沃斯滤波：脑磁图信号消噪的高效策略

在"基于小波变换的脑磁图信号消噪方法的研究"这篇论文中，作者卢青探讨了在脑磁图分析中，噪声对精确脑磁源定位的重要性。脑磁图（MEG）是一种非侵入性的神经影像技术，用于监测大脑活动产生的微弱磁场变化。由于这些信号往往受到环境噪声和生理干扰的影响，准确的信号处理是至关重要的。 本文的核心贡献在于提出并比较了两种不同的信号处理技术：小波变换和巴特沃斯滤波，以消除字色一致（Stroop）刺激模式下的噪声。Stroop效应是一种经典的心理学实验，其中颜色词的颜色和其代表的含义之间存在冲突，导致大脑的认知过程产生干扰，这对于研究大脑功能和认知过程中的神经活动提供了丰富的实验材料。 小波变换作为一种多尺度分析工具，能够有效地捕捉信号在不同频率范围内的局部特性，有助于分离噪声和有用信号。它通过分解信号到不同尺度和频率的细节，能够在保留信号特征的同时，有效抑制噪声成分。另一方面，巴特沃斯滤波器则是一种线性滤波器，以其平滑性和良好的频率响应特性，被用来滤除高频噪声。 论文通过实际操作，将这两种方法应用于Stroop实验的MEG数据上，然后利用电流源分布法（Electromagnetic Source Imaging, ESI）来重构3D脑激活分布，以评估去噪后的信号质量和与心理学预期的匹配度。结果显示，小波变换后的处理方法在去除噪声的同时，重建出的脑激活分布更符合心理学上的实验观察，显示出更好的一致性。 因此，该研究证实了小波变换作为脑磁图信号处理的有效手段，特别是在改善信号质量、提高脑磁源定位精度方面具有显著优势。这项工作不仅对脑磁图技术的优化有重要意义，也为理解大脑功能和认知过程提供了更精确的数据支持。此外，研究成果发表于《中国科技论文在线》，表明它在学术界具有一定的首发价值，对于后续的脑磁图研究和噪声抑制方法的发展具有参考价值。