基于MI的cfc（交叉频率耦合）分析

PAC 指高节律振荡幅值 ( 能量 ) 受到低节律振荡的相位调制，被锁定在低节律振荡的相位上。PAC 现象是目前发现比较多、研究较为深入的一种CFC 现象。PAC 现象已在啮齿类动物的海马、基底核和猕猴的新皮质以及人类的皮层和海马中有发现。

MI 算法由Canolty Tort 等［70］发展 提出，主要是基于高频节律的幅值在低频节律相位信号上的分布， 来计算该分布的香农熵从而表征该分布的不均匀性， 并且使用均匀分布时的香农熵最大值进行归一化．MI 值越大， 代表低频节律的相位对高频节律的幅值的调节作用越强。Tort 等[72]同时采集并分析了大鼠在执行 T 迷宫任务时脑纹状体与海马处的 LFP信号，分析显示每处 LFP 均存在 theta-gamma 节律间 PAC ；并观察到大鼠执行迷宫任务过程中 PAC可迅速地从无耦合提升到很强耦合，再进一步恢复到基本无耦合状态，而在决策时 PAC 耦合强度达最大值。

具体的MI算法为：

通过希尔伯特变换提取时间序列x(t)的相位序列Φt

           

并用同样的方法提取时间序列y(t)的幅值包络序列At

                    

将相位序列划分为n个等长的相位段，本文划分为18个相位段（从0°至360°），每段20，分别计算每个相位段上的序列的平均幅值，并将其中第j个相位段上分布的。

运用标准化熵度量H来表征调制指数，定义为

N为相位段的个数，pj定义为：