作者:王涛; 王国辉; 冯焕清睡眠脑电自回归模型阶数特性ar模型功率谱时域频域
摘要:传统睡眠脑电(Sleep EEG)研究从信号的时域和频域的特征分析睡眠过程,通常根据功率谱观察信号中特定节律的出现和频带的分布.而功率谱估计中基于参数模型的方法得到广泛应用,但建模时通常只能根据经验选择一个固定较低的阶数.本文讨论了自回归模型阶数(Autoregressive model order,ARMO)估计准则的一些最新进展,并且统计了一段睡眠过程中EEG的阶数分布.结果显示EEG的ARMO分布集中在差别很大的几个区间,可以用来表示睡眠EEG分期内微结构和过渡过程,并在一定程度上提供EEG的特征和组成成分的信息.
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社