神经感知中源定位的信息论误差界

基于摘要分析。本文研究神经感知中的点源定位精度极限：将信号源置于 d 维、半径为 R 的球内，由球面上的传感器接收信号，推导均方误差下的极小极大风险界。三维情形可用于建模 EEG 或 MEG 对癫痫发作等特定神经事件的源定位；其核心贡献是理论误差界，而非新的 BCI 解码算法。 在传感器信号服从指数 α>0 的幂律衰减模型下，作者报告定位风险的渐近下界为 d²σ²R^(2α+2)/(nα²PK)，其中 σ² 为噪声方差，P 为信号功率，K 为传感器数量，n 为独立测量次数。该表达式量化了模型内各因素对精度极限的影响，但不能直接作为实际 EEG 定位误差的预测。在 d≤2(α+1)、传感器位置均匀分布的条件下，作者进一步报告在原点邻域得到匹配的渐近上界，且常数一致；这一局部结论不应扩展为整个球内均可达到相同误差界。 作者报告，某一 Fisher 信息量在 d=2(α+2) 处发生相变：高于该临界维数时，其最小值位于球边界；低于临界维数时位于原点；临界维数下则在整个参数空间中保持常数。摘要尚未给出该信息量的具体定义及证明条件，需由正文核对。 对于 d=3，作者使用由群体平均磁共振成像数据构建的现实头模型开展 EEG 正向仿真，以补充并比较信息论分析。摘要未提供仿真指标、误差数值或理论与仿真的一致程度，因此不能据此认定理论界已获真实 EEG 或临床数据验证。复现需核对噪声与独立测量假设、传感器布置、点源信号模型、上界对应的估计方法，以及现实头模型的实现条件；实验协议、消融及统计信息尚未验证。