The advancement of time-variant and non-linear methods for describing directed effective connectivity in interaction networks. Applications to the investigation of EEG and fMRI signals

该项目的发展和多元语音分析将有助于Ziel的发展。脑电图/脑磁图（EEG/MEG）是一种非常复杂的认知过程。通过分析，解决了企业间相互影响的问题，使企业的发展更有活力。Weiterentwicklung von Verfahren zur Detektion und Beschreibung von Synchronisationsprozessen im Vordergrund.高动力学认知过程不能从静止信号中获得韦尔登。这是一个非常有趣的故事。方法论的扩展是在三个字中进行的。采用梅尔多两个信号分量的复杂同步过程的量化需要自适应矩阵-Kohärenzen变换韦尔登。Weiterhin sollen adaptive Verfahren konstruiert韦尔登，die kausale Zusammenhänge der Signalkomponenten charakterisieren. Methodische Grundlage ist eine lokal-stationäre AR-Modellierung. Drittens韦尔登动态Kenngrößen zur Beschreibung komplexer Phasensynchronisationen auf der Basis der Gabor-Erweiterung entwickelt.

Der vorliegende Projektantrag hat die Entwicklung und Anwendung multivariater Spektralanalyseverfahren zum Ziel. Anwendungsgebiete sind hochdimensinale Elektro- und Magnetoenzephalogramme (EEG/MEG) kognitiver Prozesse. Da zur Analyse solcher Prozesse die Interaktion verschiedener Hirnareale von besonderer Bedeutung ist, stehen die Entwicklung bzw. Weiterentwicklung von Verfahren zur Detektion und Beschreibung von Synchronisationsprozessen im Vordergrund. Aufgrund der hohen Dynamik kognitiver Prozesse kann dabei nicht von stationären Signalen ausgegangen werden. Die zu entwickelnden Verfahren müssen deshalb zeitlich- hochaufgelöste Schätzungen liefern. Die methodischen Aufgabenstellungen gliedern sich in drei Schwerpunkte. Zur Quantifizierung komplexer Synchronisationsprozesse mit mehr als zwei Signalkomponenten sollen adaptive Matrix-Kohärenzen entwickelt werden. Weiterhin sollen adaptive Verfahren konstruiert werden, die kausale Zusammenhänge der Signalkomponenten charakterisieren. Methodische Grundlage ist eine lokal-stationäre AR-Modellierung. Drittens werden dynamische Kenngrößen zur Beschreibung komplexer Phasensynchronisationen auf der Basis der Gabor-Erweiterung entwickelt.