论文部分内容阅读
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。因此我们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。