用于生物医学信号时频表示的二进聚合自回归（DASAR）模型
信号处理
2021-05-24 v1 医学物理
统计方法学
摘要
本文提出一种针对生物医学信号的新时频表示方法：二进聚合自回归（DASAR）模型。诸如脑电图（EEG）与功能性近红外光谱（fNIRS）等信号，通过特定频率区间（EEG 为 0–50 Hz，fNIRS 为 0–150 mHz）内随时间演化的频谱分量展现生理信息。信号中的谱时特征 conventionally 使用短时傅里叶变换（STFT）与小波变换（WT）估计。然而，尽管这两种方法在生物医学领域广泛应用，它们可能无法提供最稳健或最紧凑的表示。所提方法 DASAR 以简约的参数集改进了可解释频率分量的精确频率识别与跟踪。DASAR 假设生物医学时变频谱由若干具有（分段）时变频率的独立随机振荡器构成，从而实现上述特性。在记录的二进细分内可假设局部平稳，而随机振荡器可用二阶自回归模型聚合（ASAR）建模。DASAR 可通过提高用户定义频谱感兴趣区域（SROI）中的估计精度，提供更准确的（高对比度）EEG 与 fNIRS 频率范围表示。我们在混合 EEG-fNIRS 上进行了心算实验以评估该方法效率。将我们提出的技术、STFT 与 WT 应用于两种生物医学信号，以发现可改善任务条件与其基线区分的潜在振荡器。结果表明 DASAR 提供了最高的频谱区分度，且是唯一能在 97.4–97.5 mHz 识别 Mayer 波作为窄带伪影的方法。
引用
@article{arxiv.2105.10406,
title = {Dyadic aggregated autoregressive (DASAR) model for time-frequency representation of biomedical signals},
author = {Marco A. Pinto-Orellana and Habib Sherkat and Peyman Mirtaheri and Hugo L. Hammer},
journal= {arXiv preprint arXiv:2105.10406},
year = {2021}
}