多 stationary 时间序列的层次贝叶斯谱分析

生物医学时间序列的功率谱提供了关于支撑健康和生物功能的生物过程的重要间接测量。然而，同时表征多个时间序列的功率谱仍具有挑战性 due to extra spectral variability and varying time series lengths. 我们提出了一种方法用于层次贝叶斯估计 stationary 时间序列(HBEST)，该方法提供了一个可解释的框架用于有效地对多个功率谱进行建模。HBEST 使用截断余弦基展开对 log 功率谱进行建模，采用一种新颖的全局-局部系数分解，使能够同时估计 population-level 和 individual-level 功率谱，并容纳长度不同的时间序列。完全贝叶斯框架提供收缩先验，以实现正则化估计和高效的信息共享。仿真表明 HBEST 在计算效率和估计精度方面优于竞争方法。将应用于心率变异性时间序列的应用表明 HBEST 能够准确地表征功率谱并捕捉与传统心血管风险因素相关的关联。