稀疏时变多元自回归模型算法:基于仿真数据的研究
在脑电信号分析中,时变多元自回归模型被广泛应用.传统时变多元自回归模型估计方法往往需要事先给定一些参数,而实际应用中这些参数的选择依赖经验或者反复交叉检验.为了克服这些问题,本文提出了稀疏时变多元自回归模型,该模型假设模型系数变化缓慢或只存在少数突变.本文还根据期望最大算法的原理,给出了稀疏时变多元自回归模型估计算法.与传统算法不同,该算法可自动确定模型参数.在仿真数据上的结果显示,本文提出的方法在保证模型估计精度的情况下,跳变点检测精度比传统的基于卡尔曼滤波的方法更高.因此认为该模型和估计算法可以适用于快速变化的脑电信号研究.
脑电信号 多元自回归模型 仿真数据
吴超华 高小榕
清华大学,100084
国内会议
南京
中文
1-5
2015-10-16(万方平台首次上网日期,不代表论文的发表时间)