论文部分内容阅读
本文提出了基于替代数据思想的复杂度归一化方法。该方法将目前国际上流行的Surrogate方法应用到时间序列分析中,成功地解决了非线性指标对序列长度、采样频率敏感的瓶颈问题,使得时间序列的非线性指标之间具备了可比性。该方法在脑电信号分析中取得了很好的成效。
本文给出了基于Lyapunov指数谱的主成分聚类分析方法。该方法有效地将统计学的方法与非线性动力学方法结合起来,该方法可以有效地对时间序列同类的非线性特征做出比较分类,在心率变异性用于临床分析中取得了极其有效的结果;我们还将基于Lyapunov指数谱的主成分聚类分析方法改进成TSS(teacherselectstudent)算法,即利用已知样本来分析未知样本,十分适用于时间序列同类指标的比较分析,用于对心电信号进行分析,TSS算法表现出了更强的应用价值。
本文将最大Lyapunov指数方法以及Lyapunov指数谱方法分别应用到心电信号分析中,得出了一些新的结论。并发现,在Lyapunov指数谱中,除最大Lyapunov指数外,其他的Lyapunov指数也具有判断系统的某些非线性特性的作用。