一种基于时间基矩阵算法的变分稀疏源成像方法

本发明公开了一种基于时间基矩阵算法的变分稀疏源成像方法，属于脑磁源成像技术领域。所述方法包括使用传感器收集脑神经活动原始数据并进行预处理；将预处理后的脑神经活动原始数据投射到时间基矩阵的低秩特征空间，并转换到时间域中，表示为若干时间基函数组合成的时间序列；对时间序列使用引导场约束、范数约束将时间序列转换为多组基权重估计问题；建立完整的模型约束，通过乘子交替方向法对目标函数进行优化，求解多组基权重估计问题并重建出源空间的脑活动信号。本发明能够在低信噪比、大源和多源的环境中具有稳健的性能，在空间范围重建中表现出强大的鲁棒性，且先验信息的融合有效地提高了OPM‑MEG系统的成像性能。