我的第一篇综述论文近期在Journal of Neuroscience Methods（NSM，248: 59–69，2015）上发表了，题目是《Tensor decomposition of EEG signals: A brief review》，心中还是着实开心了一下。

论文链接：http://www.sciencedirect.com/science/article/pii/S0165027015001016 

我从2013年开始担任NSM的编委。2013年底，NSM主编发信询问我是否可以写写我工作方向的综述论文。一开始，我做了推脱，毕竟感觉自己积累得还不是那么充分，不过主编还是非常鼓励我尝试一下。我2013年12月底回国工作，2014年非常忙，稿件也是推了三次，才提交上去。论文的评审过程，与一般的研究论文类似，经过两轮的审稿，最终录用。

张量（Tensor，多维数组）分解是近年来信号处理领域的新方法，因其可以挖掘信号多个维度（Mode）之间的交互作用而倍受关注。如下图：一个三阶张量被分解为两个秩为1的张量的和。

脑电图（EEG）成像是功能性脑成像的重要手段，EEG信号具有多个维度的特性，但是通常EEG信号的噪声较大，因此通过张量分解来处理和分析EEG信号在认知神经科学和计算机科学等领域是非常热门的研究方向。如下图：通过张量分解，可以同时挖掘EEG信号在四个维度的信息：

这篇综述着重介绍了过去10年来通过张量分解来处理和分析EEG信号的进展，总结了EEG信号的高维度特性和张量分解主流模型的异同，首次全面阐述了从认知神经科学和计算机科学两个不同角度来认识张量分解在EEG信号处理与分析中的应用，并且为该研究方向的未来发展提出了详实的建议。