Localization of brain signal sources from EEG/MEG has been an active area of research. Currently, there exists a variety of approaches such as MUSIC, M-SBL, and etc. These algorithms have been applied for various clinical examples and demonstrated excellent performances. However, when the unknown sources are highly correlated, the conventional algorithms often exhibit spurious reconstructions. To address the problem, this paper proposes a new algorithm that generalizes M-SBL by exploiting the fundamental subspace geometry in the multiple measurement problem (MMV). Experimental results using simulation and real epilepsy data show that the proposed algorithm outperforms the existing methods even under a highly correlated source condition.
EEG와 MEG로부터 얻은 신호를 바탕으로 뇌신호원을 국지화하는 문제는 활발히 연구되고 있는 분야이다. 현재 이와 같이 신호원을 찾는 문제를 풀기 위하여 MUSIC, M-SBL 등 다양한 방식의 접근이 존재한다. 이 알고리듬들은 다양한 임상사례에 적용되어왔으며 훌륭한 성능을 보여주고 있다. 그러나 미지의 신호원이 크게 동기화되어 있는 경우, 현존하는 알고리듬들은 다소 신뢰도가 떨어지는 복원 결과를 보여주며 이것이 기존 알고리듬들이 다양한 임상 환경에서 이용되지 못하는 큰 이유 중 하나이다. 이 논문에서는 다중벡터문제에서의 기저공간 기하구조를 이용하여 M-SBL을 일반화한 새로운 알고리듬을 통해 이러한 문제를 해결하고자 한다. 시뮬레이션과 실제 간질발작 신호에 대한 실험 결과들은 새로운 알고리듬이 동기화된 신호에 대해서 기존의 방법들보다 뛰어난 복원성능을 가지는 것을 보여준다.
