뇌파의 위상동기 특성의 해석은 뇌기능 정보 처리 네트웍의 이해에 있어서 중요한 요소이다. 본 연구에서는 위상동기 성능을 분석하기 위하여 시간 국부화 기능을 갖는 웨이블렛 변환방법, 힐버트변환 방법, 복소복조방법을 백색잡음혼입한 뇌파 중심주파수 대역신호에 합성한 모의 데이터와 실제 뇌유발전위에 적용하여 위상옵셋, 위상변화 시점, 대역간 상호간섭을 분석하였다. 모의데이터와 실제 데이터에 대하여 웨이블렛 변환방법이 ${delta}$, ${ heta}$, ${alpha}$ 대역신호 분할과 위상동기 성능 분석에 가장 우수 하였으며, 복소복조 방식은 큰 혼입잡음 환경에서는 사용에 한계점이 있었으나 위상변화 시점의 검출에는 좋은 성능을 보였다. 실제 데이터에 대하여 추정한 위상변화시점과 위상옵셋은 복소복조방법이 가장 좋은 성능을 보였다. 실험 관측을 통하여 뇌파의 위상동기 현상의 해석에 웨이블렛 방식이 자장 적절하였으며, ${delta}$ 대역 이상신호에 대한 위상동기 응용에는 복소복조 방법도 사용될 수 있을 것이다. 특히 웨이블렛 방식과 복조복조방식은 간접적으로 위상변화 시점을 검출하여 뇌기능의 변화시점 추정에 응용될 수 있을 것이다.
The analysis of phase synchronization characteristics from EEG signals is important for the understanding of information processing functionality in the brain network. In this paper, wavelet transformation(WT), Hilbert tansformation (HT), complex demodulation (CD) methods having time localization characteristics were applied to real evoked potential data and noise added simulation data with center frequencies corresponding to EEG bands for the estimation performance analysis of phase offset, phase changing point, and interband crosstalk. The WT is the best both in ${delta}$, ${ heta}$, and ${alpha}$ band signal decomposition, and in analyzing phase synchronization performance. The CD can be efficiently used in changing point detection under tolerant noise condition because of its abrupt performance degradation over noise endurance level. From experimental observations, the WT is the most suitable in phase synchronization application of EEG signal, and the CD can be affordable in restricted application such as changing point detection for higher bands than ${delta}$. Particularly, WT and CD can be used to detect the changing instant of brain function by indirectly estimating the phase changing point.
