文摘

BioSig是一个开源软件库生物医学信号处理。BioSig项目的目的是培养在生物医学信号处理的研究提供免费和开源软件工具对许多不同的应用领域。可以使用的一些地区BioSig neuroinformatics,脑-机接口、神经生理学、心理学、心血管系统,和睡眠研究。此外,分析生物如脑电图(EEG)、皮层脑电图(ECoG)、心电图(ECG)、眼电图(小城镇)、肌电图(EMG),或呼吸信号是一个非常BioSig项目的相关元素。具体来说,BioSig为数据采集提供了解决方案,工件加工,质量控制,特征提取,分类、建模、数据可视化,等等。在本文中,我们强调几种方法帮助学生和研究人员与生物医学信号工作更有效率。

1。介绍

生物医学信号处理领域必须处理各种各样的话题。工件污染、低信噪比、不同数据格式,分类,和统计评价一般领域的挑战。此外,大量的不同的数据处理方法对不同信号形式(脑电图、心电图等)和不同的应用程序必须被考虑。此外,软件开发本身就是生物医学信号处理的一个重要组成部分。

在1990年代,使用Matlab流行过程的生物。然而,算法很少是可用的和重新实现方法是常见的,甚至在同一个研究小组。软件开发领域的特点是由供应商提供关闭(专有)解决方案。这导致不兼容,同样的算法实现了一次又一次。另一个副作用是,每个设备供应商定义自己的数据格式来存储生物。这些数据可以分析的专有软件供应商。数据导出,如果可能的话,困难而导致的损失通常信息(例如,关于记录的元数据条件下,如过滤器设置或采样率,没有保存)。

这些事实使得新方法的开发和验证困难。此外,成功的自由与开源软件领域的操作系统(如Linux)和服务器软件并鼓励自由软件的开发为生物医学信号处理库。

尽管它关注脑电图数据,BioSig可以用于一般的信号处理任务相关的各种测量方法。一个例子是梅格与事件相关的平均值的计算。另一个是单个通道或时间的计算谱估计在功能近红外光谱数据段。多种波动描记数据格式器BioSig涵盖许多脑电图和。此外,数据加载是通过一个简单的命令。

BioSig包含一些(或多或少)一致的部分,总结如下。(我)BioSig八度和Matlab (biosig4octmat)。八度的工具箱和Matlab强大的数据导入和导出过滤器,特征提取算法,分类方法和一个强大的查看和评分软件。(2)C / c++ BioSig (biosig4c + +)。一个C / c++库,提供了阅读和写作的例程不同biosignal数据格式。(3)rtsBCI (rtsBCI)。一个实时脑机接口(BCI)系统在Matlab和Simulink实现。

大多数函数中实现BioSig可以使用Matlab和八度和安装包“biosig4octmat”。这也是项目的主模块。在这个库支持多种数据格式和工具箱为阅读提供了一个公共接口(1不同的格式。文件格式的自动检测简化使用,使检测对用户透明。几种常见的写作还支持文件格式。此外,有用的算法对工件检测和校正。许多算法对随机模型参数(自回归、多变量、时变等)都可以访问的时间序列分析(TSA) [2工具箱。这些和其他功能的NaN-toolbox [3)能够处理数据缺失值(造成的,如工件)。

BioSig软件可用“在线”(cf。4),根据“通用公共许可证(GPL) v3 (5]。GPL担保BioSig图书馆的用户可以免费使用,研究,修改,和分布式。拥有一个图书馆的生物医学信号处理提供了一个总结现有技术,可能是有用的软件专利的不利影响。

2。BioSig结构

2.1。工具箱组件

Matlab是一种广泛的数值编程语言用于biosignal处理,因此BioSig开始开发这个专有平台。然而,为了提供一个真正自由和开放的图书馆,一个特殊的工作开展提供兼容八度(6),一个自由和很大程度上替代Matlab兼容。所有的功能都与两个平台的兼容性测试。尽管BioSig支持其他编程语言如C / c++、Python、BioSig是Matlab和八度的主要模块,我们将集中在以下。

BioSig涵盖了生物医学信号处理的许多方面。因此,工具箱是分成子类依赖于算法中包含的功能。安装BioSig后,可用以下文件夹和子任务下令:(我)文件访问、数据输入和输出(加载和保存的例程),路径:biosig t200一样/ / *(2)预处理、质量控制和工件加工、路径:biosig / t250 / *,(3)信号处理和特征提取,路径:biosig / t300 / *,(iv)与事件相关同步/失调(人/ D)地图,路径:biosig / t310 / *,(v)分类和统计(单试验分析),路径:biosig / t400 / *,(vi)统计测试,路径:biosig / t450 / *,(七)评估标准,路径:biosig / t490 / *,(八)可视化、路径:biosig / t500 / *,(第九)时间序列分析、路径:tsa / *,(x)统计数据的缺失值编码为南(不是一个数字),路径:南/ *,(十一)交互式查看器和得分(需要Matlab),路径:biosig /观众/ *,(十二)文档和帮助,路径:biosig / doc / *。

图1代表一个工具箱的设计方案和其不同的元素是如何相互关联的。

模块的数据输入和输出是一个公共接口来访问各种格式包括一个自动格式检测。它支持阅读约40和写作的10个不同的数据格式,包括一些音频格式。预处理模块提供了工具,用于触发(分段)信号数据,减少工件检测,工件和质量控制。信号处理模块包括几个专业biosignal处理功能,而且接口标准信号处理函数和包装器函数更复杂的分析。分类模块包括支持不同的分类方法。许多分类器包括线性、二次和正规化的判别分析,几种方法的支持向量机(SVM),朴素贝叶斯分类器,感知器学习,偏最小二乘法、回归分析以及一些稀疏分类器支持;支持交叉验证程序,防止过度拟合。最近,这些方法是延长使用缺失值和分布式的一部分也NaN-toolbox [3]。评估标准的模块包含几个功能领域的性能指标,是脑机接口(BCI)研究[7]。生物医学数据的可视化模块包含一个简单的查看器以及一个包装器函数可视化几个标准分析程序的结果。交互式查看和评分软件(SViewer)是基于Matlab的图形用户界面,目前不支持的八度音阶。另一种方法是自由独立的观察和评分软件“SigViewer”。

其他重要模块BioSig是时间序列分析(TSA)工具箱2)和NaN-toolbox (3),也是Octave-forge库的一部分。TSA工具箱提供了一个独特的多种耦合措施基于多元自回归建模程序。南工具箱处理数据缺失值,通常引起的工件和编码的不是一个数字(南)。BioSig也包含几个示范例子和一个基准函数比较不同平台的性能。基准函数执行一些典型的处理步骤计算BCI的分类器实验。首先加载一些数据;然后几个特征提取;功能是用于计算分类器;交叉验证过程(在本例中)分析方法用于验证分类器。基准可以用来比较不同的硬件平台以及不同版本的八度音阶和Matlab。

当代高密度脑电图和梅格会导致非常大的多维信号向量。因此他们的处理可能需要大量的内存只能在64位操作系统。促进工作与简单硬件,BioSig可以读取数据块和用户控制参数提取是一致的数据块。阅读个人渠道是可能的,即使整个数据集不适合到内存中。这是通过连续读取块和连接的单通道数据片。

2.2。八度之间的兼容性和Matlab

BioSig兼容的八度音阶和Matlab并非不证自明的。在过去,很多核心功能出现在Matlab从八度失踪,和必须由BioSig兼容性。幸运的是,失踪的人数功能已经强烈降低新版本的八度音阶(v3.2和更高版本)。

此外,专有的Matlab的另一个问题是解决,值得注意的并不是所有Matlab用户所有可用工具箱。花更多的努力来取代依赖附加工具箱(如统计数据和信号处理)与自由选择。结果,“自由的释放为Matlab工具箱”(freetb4matlab),这使得工具箱从八度,用Matlab Octave-forge可供使用。

一般来说,试图使BioSig(尤其是biosig4octmat)完全兼容八度以及Matlab被广泛成功。目前,只有互动评分软件(一个理想的但不是关键任务组件)不能用于八度。BioSig表明大规模的项目也可以被编程以这样一种方式,它可以运行在Matlab和八度没有任何代码修改。

2.3。与其它工具箱BioSig的兼容性

显然BioSig是为数不多的几个工具箱用于生物医学信号分析。这表明工具箱,避免冗余之间的相互依存是相当重要的,但到目前为止这一主题,而被忽视。一个有前途的例子是实地考察的依赖(http://fieldtrip.fcdonders.nl/)和SPM (http://www.fil.ion.ucl.ac.uk/spm)BioSig为特定任务。例子是阅读各种文件格式只支持在BioSig (cf。实地考察:ft_read_data.m)和多元自回归建模实现BioSig (cf。实地考察:ft_mvaranalysis.m)。此外,Biosig EEGlab还包括,一种广泛使用的交互式Matlab工具箱进行脑电图和梅格处理。

这些依赖关系需要更好的解决,因为没有一个工具箱提供了所有可能类型的分析。的一系列处理步骤适合生物和生物磁效应信号总结如8]显然超过了一个工具箱的范围。与专有软件,工具箱设计不是“一个与其他的竞赛”,而是一个合作努力创建“抓痒”的开发人员和用户,并最终构建“超级工具”。

一个相关的问题是适当的承认工具箱及其作者的科学文献。通常一个工具箱实现最多几十到几百发表的算法。一个有趣的想法,工具箱提供了一个“日志的方法”应用程序所使用的用户。目前,BioSig引用的出版物在文档中每个函数。通过这种方式,可以承认作者的原创作品。这将是可取的,这也发布的软件及其作者正确引用。

3所示。数据格式

生物医学信号存储在许多不同的数据格式。大多数格式已经发展为一个特定的目的的专门社区(心电图的研究中,脑电图分析,睡眠研究,等等),企业、研究机构和标准化组织。大约20个生物医学数据格式的详细比较公开规格如图2(更多细节见9])。

尽管BioSig支持40多个不同的数据格式和可以缓解这个问题,仍然需要一种通用格式的定义。为了克服数据格式的扩散“生物通用数据格式”(GDF) (1)开发,目的是将不同格式的最好特性成一个单一的数据格式。BioSig为不同的数据格式提供了一个公共接口包括一个自动识别的文件格式。这提供了一个无缝的用户界面,用户可以利用阅读不同格式的相同的功能。

版本1的数据格式(GDF), (10),已成功开发和实现,用于BCI研究。GDF提供了许多有用的功能(不同的渠道,不同的采样率和校准值自动溢出检测,支持不同的数据类型,编码过滤器设置,等等),这只是部分在其他格式中实现。一个关键思想也为事件定义一个固定的编码方案,它支持事件信息在不同的研究和实验室的兼容性。GDF是第一个解决此问题的数据格式。

在最近几年,新的需求变得明显。新版本2的GDF地址需要:(我)科目的信息(性别、年龄、损伤等),(2)记录位置,记录的识别软件,等等,(3)的可能性将电极位置存储在空间坐标,电极阻抗,等等,(iv)更高效的编码的日期和时间、物理维度,和过滤信息,(v)nonequidistant(稀疏)抽样。

GDF v2.0的结构类似于EDF (11),GDF1。x (10),和法国电力公司(EDF) + (12]。

短暂,GDF文件包括以下5个部分:固定标题或标题1(256字节)是强制性的,变量包含channel-specific信息的标题或标题2(数目的信道* 256字节)的tag-length-value(电磁阀)标题或标题3包含可选信息,数据部分,表的事件。头2可以是空的,如果没有渠道信息存储(例如,在纯事件文件)。

数据存储在小端字节格式。然而,BioSig支持也高位优先平台通过内部数据的转换。版本字段的类型是char [8)和存储在文件的开始。这个字段是用来提供向上兼容GDF的过去和未来版本。

GDF几乎是简单的格式定义EDF的定义。使用二进制编码使更多的压缩表示;因此,更多的信息可以存储在消息头信息。这使得更高的准确性(例如,在日期和时间信息)和附加信息可以存储扩展头大小。

该格式规范成功实现C / c++以及一个米——文件可以使用八度(> 2.9.12)和Matlab (> 6.5)。软件的实现只需要轻微变化升级从法国电力公司(EDF),快速公车提供,或更早的GDF GDF 2.20。在BioSig可以同时支持不同的数据格式。

GDF提供的超集特性从许多其他数据格式。GDF v2.10包括支持、用户指定的事件描述(如EDF +和BrainVision格式),制造商信息(如在SCP (13和曼氏金融14]),和梅格的方向传感器。因此,GDF v2。x(向上)兼容其他数据格式;这意味着biosignal来自其他格式的数据可以转化为GDF没有损失的信息。例程读写GDF文件在八度和Matlab,以及在C语言中,实现在开源包BioSig。有关详细信息,请参考[1]。

4所示。BioSig在生物医学研究

4.1。心率提取

显然简单任务的提取心率从心电图(ECG)信号适合biosignal工具箱,因为用户不被编码动态心率器。在BioSig,两个经过和发表算法(15,16)在一个程序实现。第一个算法决定了心电图的信封用希尔伯特变换和R-peaks的位置是由阈值决定的。第二个过滤器算法使用一个银行,它包含了一个异位击败校正。结果心率因此适合高级心率变异性研究。

第一个算法(15在图所示的示例中使用3。在一个会话持久的1800年代,梅格,fNIRS的(功能性近红外光谱),心电图记录从一个主题。整个时间的主题必须在30年代之间交替的手指动作和30年代的休息。心率是提取心电图的离线。随后,梅格与事件相关的平均值计算,fNIRS,心率超过30时代的手指动作使用触发点与手指运动的发病有关。的提取心率、触发时间点测定,平均进行从BioSig使用适当的例程。心电图的收购紧随其后的提取与事件相关的心率,如图3,建立了整个测量主体处于放松状态。振荡的平均心率在图3 (b)显示一定程度的同步呼吸和手指之间运动的任务。梅格和讨论了fNIRS的结果17]。

4.2。工件加工

几个工件加工方法都包含在BioSig。已经证明了方法的性能研究和发表数篇论文。下面我们简要解释其中的一些。

第一种方法包括生物医学信号的“直方图”质量控制(见图4)。在[18]发现脑电图记录的标题信息并不总是提供真正的饱和值的录音设备,因此自动饱和检测是不可能的。开发的一种基于直方图分析的质量控制方法及其性能被成功的证明。通宵的睡眠幅度直方图和熵录音从8种不同的睡眠实验室进行计算。这个方法是由BioSig为了支持所需的视觉识别阈值的饱和检测。

同时,算法检测肌肉实现工件。例如,[中描述的方法19在BioSig)是可用。在论文作者时域和频域方法用于肌肉噪声的检测清醒脑电图。时域检测,他们用斜率和最大/最小振幅。在频域的参数是绝对和相对“高贝塔”功率(> 25 Hz)和光谱边缘频率。检测阈值计算从学科分布计算参考。这个方法一直优于使用常数经验阈值。

最后,一个工件的方法去除electrooculographic(小城镇)工件在BioSig脑电图也可以。这是一个非常强大的基于简单线性回归算法。已经证明了其适用性两篇论文,20.,21]。

观察脑电图可以被视为一个线性叠加的脑电图和小城镇组件。这可以书面的形式回归模型:

因此,观察到的脑电图是一个向量与元素,和观察到的此次活动在时间有元素。观察到的脑电图数据由一个真正的脑电图活动的线性叠加和眼部活动传播到每个脑电图电极体积传导机制。传播因素所描述的模型参数,这描述的影响眼部偶极子的每个组件脑电图通道。因为传播机制是简单卷传导(22- - - - - -24),它只取决于几何和头部组织电导率。它是合理的假设这些都是常数在整个脑电图记录时间和独立的频率。应该注意的是,回归模型也可以写成以下形式: 在哪里代表观察到的小城镇频道。

如果此次活动来衡量,其贡献可以删除使用的最小二乘解(1)。一个乘法的(1),和应用期望算子随着时间的推移收益率 因为脑电图此次可以被认为是不相关的,这个词变成了零,真正的模型系数 根据脑电图数据可以纠正它们 该方法也被称为“最小二乘方法”或“多个最小二乘的方法”,不止一个小城镇组件被删除。选择这样的均方是最小化。

这个模型只考虑脑电图和小城镇来源。在实践中,其他噪音来源(例如,放大和阻抗噪音、电磁干扰,和肌肉活动)发生,。为了分析可能影响这些噪声源还原法,嘈杂的模型必须考虑。这个分析的结果之一是模型估计的事实小城镇之间至少有偏见,如果信噪比和其他噪声源是尽可能大。因此,我们从数据估计模型系数大的眼部活动。此外,它可以有利于滤波器的数据(例如,删除的非常低的频率成分放大器噪声、高频率活动)。换句话说,校正系数是最精确的,如果其他噪声源的影响是可以避免的。

回归的方法之间的区别(线性叠加模型)和基于组件的方法,如盲源分离仍在的方式描述此次活动的信号是如何获得的。而回归方法使用观察此次活动,基于组件的方法将数据分解成许多独立(不相关的)组件,和不同的启发式方法用于确定小城镇组件。优势无法演示了在一个基于组件的方法研究[20.]。使用双极型小城镇渠道很重要小城镇电极靠近眼睛作为解释变量。结果表明,更难识别工件组件与盲源分离方法比专用通道(如小城镇)记录工件。

图5说明了在脑电图中回归方法来纠正小城镇工件。左边的原始脑电图数据可见,在右边显示修正后的脑电图。更详细的信息可以在20.,21]。

4.3。耦合和连接与脑电图和多变量自回归模型

最引人注目的问题之一在大脑神经科学研究领域相互作用,以及他们如何相互作用在某一任务的性能。

单通道的光谱(汽车)和两种不同渠道的互谱已经使用了一段时间来分析大脑不同区域的连通性25,26]。

一个常用测量相关的互谱相干,这被定义为两个渠道规范化的互谱的力量autospectra相应的权力。因此,它的大小各不相同,从0到+ 1。规范化互谱之前的力量叫做一致性,和它是一个复数,所以它有一个实部和虚部。作为一个复数可以表示为其振幅和相位。

诺尔特et al。27]提出的虚部调查一致性作为连接措施,因为一个非零的虚部的一致性不能解释为体积仅传导,但是是一个指示器功能性大脑不同区域之间的耦合。通过计算相位的一致性(使用实部和虚部),信号之间的时间延迟可以估计在两个渠道。另一个测量定义为消除偏见,由于体积传导是部分相干。这是一双渠道之间的计算,使偏心的活动剩下的渠道。

提到的措施到目前为止是反对称和对称的,因此不能代表信息流的方向。Kaminisky和Blinowska28]提出了直接传递函数来检测是否大脑区域之间的耦合是向前,向后,或两者兼而有之。部分相干(PDC),出于局部连贯性,也为这一目的定义(29日]。只有PDC和广义PDC有可能确定的因果关系和底层结构观测系统。

所有这些措施的共同之处,他们可以从一个多元自回归(兆乏)估计模型,以便兆乏模型可以被认为是一个共同的基础措施比较不同的耦合。BioSig兆乏建模并集成一个完整的工具箱的文件夹运输安全管理局(时间序列分析)2]。

例子使用BioSig耦合的应用措施,脑电图可以发现在30.- - - - - -33详细),和方法论问题得到解决的工作(8,34]。

4.4。人脑计算机接口

BCI系统的目的是识别用户的意图通过观察和分析大脑活动不依赖从肌肉或周围神经信号。BioSig BCI研究包含很多有用的工具,其中大部分为脑电图信号(虽然某些功能可以用于处理其他信号)。BioSig专注于脑电图的原因是它是侵入式的,可移植的,几乎可以用在任何环境中,具有优良的时间分辨率。

图6演示了一个典型的BCI。一个在线实时数据处理系统控制设备,并提供反馈给用户。生成控制信号,BCI必须提取和分类脑电图特征。特征提取方法通常是基于神经生理学激活的类型,和分类器通常是通过离线分析之前的数据记录从相同的主题(subject-selected特征参数,cf。35])。

大脑rtsBCI工具箱是一个实时的计算机接口(BCI)系统在Matlab中实现和仿真软件,可以设计一个在线系统的目的,然而目前不支持。

一些bci主要使用光谱分析(例如,频率和频带能量或自回归谱)描述自发振荡脑电图活动。它还可以直接使用自回归参数来描述整个谱密度函数(36]。另外,BCI可以分析用户对视觉或听觉刺激的反应,可以提出一个接一个或稳态(重复)模式。

正如前面提到的部分4.2数据预处理是非常重要的,去除技术构件的影响和nonbrain电信号等活动造成的眼部运动或面部肌肉。部分4.2提供的例子的方法实现BioSig去除工件。此外,在脑电图记录的情况下,空间过滤器也可以专注于一个特定的大脑区域或识别特定信号组件(35,37- - - - - -39]。这些BioSig中可用。

BCI使用脱机分析几个目的。最常见的是一个可靠的估计分类器。但当包含hyperparameters分类器和/或特性,如适应速度或正则化系数,他们需要调整离线(40- - - - - -43]。评估方法、交叉验证的应用和可能重采样过程可能是必要的。所有工具在BioSig离线分析。

BCI研究概述的一般方法实现BioSig提出了表1。

评估标准
传统上,BCI性能量化分类精度或出错率。多级(当用户执行超过2任务),有可能比其他指标,例如,科恩kappa系数,这是由混淆矩阵(44]。
在某些情况下,需要量化BCI性能方面的信息传输速率(45]。其他指标相关系数、均方误差,接受者操作特征曲线下的面积。提供支持这些和更多的标准在BioSig [46- - - - - -48]。

5。BioSig C / c++和Libbiosig

C / c++ BioSig(短biosig4c + +)提供了一些命令行工具进行数据转换,图书馆访问数量的数据格式(libbiosig),和一些实验代码biosignal数据的网络传输。基于C / c++的动机的图书馆是性能问题,灵活性的支持的平台上(例如,Matlab可以不安装在一些嵌入式设备),和连接现有的库。当时需要一个转换器之间的基于xml的HL7aECG SCP-ECG数据格式,这是第一次在C / c++中实现(49),现在大约30数据格式可以读取和10编写。此外,biosig4c + +现在可以使用通过MEX-interface八度和Matlab产生更好的性能比传统的m-scripts。biosig4c + +也提供了一个接口,用于Python(它使阅读30 biosignal数据格式到Python)和还可以用于其他软件平台。免费查看和评分软件“SigViewer”使用libbiosig访问biosignal数据。实验实现的一个基于网络的数据传输中包含biosig4c + +,这可能是有用的为biosignal记录器(嵌入式设备)和基于网络biosignal档案。

6。结论和未来的工作

BioSig提供了一个完整的工具链为BCI研究的数据处理方法。这些工具是有用的在其他应用领域,如癫痫检测和癫痫脑电图的癫痫发作预测。连通性分析BioSig兆乏方法是另一个扩展应用程序的主题。

数据分析与biosig4octmat强调几乎完全自动化的数据分析。然而,这一目标的一个主要限制工件的手动评分。在这里,我们看到一个需要验证有前途的工件加工方法。结果此次工件表明双通道回归分析可以减少大约80%的小城镇工件在脑电图记录(21),类似于盲源分离方法结合一些启发式组件选择,(20.]。类似的结果预计在通道为梅格原始数据空间。EMG工件,有反滤波方法(36)和高通滤波实现(50),但目前只有有限的结果对他们的性能。然而,验证工件加工方法的性能是至关重要的许多可能的应用,包括BCI癫痫检测和预测。

到目前为止,控制信号调节下BioSig不包括为了简化设计,同时也因为在实验条件通常是固定的。否则目前尚不清楚是否变化是由于记录系统或者他们发生在观测系统。

biosig4octmat是一个应用程序,该应用程序可以使用八度和可以从Sourceforge。目前,每月下载范围是每月约500元。它安装在Matlab八度是相似的。然而,BioSig基准显示八度有点慢于Matlab。在未来,BioSig发展将继续致力于兼容性八度,并将积极支持兼容。

对于某些应用程序,硬件平台的支持超出了个人电脑的兴趣。例如,嵌入式设备对在线和实时应用程序很重要。在这里,一个C / c++库biosig4c + + / libbiosig很有用。Biosig支持到目前为止不同编程语言包括C / c++,八度/ Matlab和Python。实验支持其他编程语言(如Java、PhP、Perl、Ruby、Tcl等)使用SWIG工具目前正在调查中。标准化的数据格式以及数据分析方法)也是一个重要的领域,并由于其免费软件开发模型BioSig为这些问题提供了一个合适的平台。

到目前为止,BioSig的重点是在图书馆提供一个高质量的方法,有用的算法,和参考实现的生物医学信号处理问题,而不是一个为非专家“用户友好”环境。然而,与几个演示可以安装后的文件夹(biosig /演示/)。BioSig是开放的,未来的发展方向和未来BioSig BioSig项目取决于每一个贡献者。

确认

帮助与阿兰·德Cheveigne讨论,和弗拉基米尔·罗伯特·Oostenveld Litvak感激地承认。这项工作已经由fp7 - ict - 248326之下,meif - ct - 2006 - 40666。这个刊物只反映了作者的观点。资助机构不承担任何使用这可能是由本文所包含的信息。