自回归滤波器的设计

介绍了滤波器设计中近代谱估计法的基本思想，重点分析了自回归（AR）模型、以及模型参数与自相关函数、功率谱之间的关系。通过Levinson—Durbin递推算法来确定自回归模型的系数，并给出AR模型阶数的算法。用递推公式得到滤波器的输出。经过分析得出结论：自回归模型的参数估计计算简单，具有递推特性，适合表示很窄的频谱。     

年龄对利用脉搏波估计心率和心率变异性的准确性的影响

由于测量简便,脉搏波被广泛用于替代心电计算心率和心率变异性,但其准确性颇受争议。该文探讨了年龄对利用脉搏波估计心率和心率变异性准确性的影响,实验招募了 100 名年龄广泛分布在 20～71 岁的健康者,同步采集静息脉搏波和心电图,利用脉搏波相邻峰值点的时间间隔序列,计算受试者的瞬时心率和心率变异性,并将其与利用心电相邻两个 R 波峰值点计算的心率/心率变异性(金标准)进行对比,计算利用脉搏波估计心率和心率变异性的误差。实验结果表明,心率估计误差在 40 岁以下的年轻人中较小(标准差在 0.3 搏/min 左右),在 40 岁以上的中老年人中较大(标准差在 0.7 搏/min 左右),时域的心率变异性参数的规律类似。因此,即使在静息条件下,利用脉搏波峰值点计算老年人的心率/心率变异性也要谨慎对待。     

自回归模型在平面曲线识别中的应用

在计算机视觉中,平面曲线的形状分类和识别具有重要的意义,在立体足迹的重压面边界围线的形状分类和识别中,由于不能严格控制基准面方向的一致性,必须采取对透视变换不敏感的描述方法,从空间旋转不变的要求出发,首先从平面闭合曲线得到一维极径序列,进而采用该序列的自回归模型来完成特征提取并用于平面曲线的形状分类,与传统方法相比,这种方法提取的特征具有与采样起始点无关、受噪声影响小、计算简单、方便用于分类等优点     

基于非线性规划的指数自回归模型的辨识

讨论了指数自回归模型的辨识问题，证明了该模型最小二乘估计的目标函数的非凸性，并给出了使该函数为凸的条件，最后给出了辨识该模型的算法及该算法的收敛性，并以数值例子加以说明。     

基于多元线性自回归模型的流量预测

为使流量预测模型具有自适应性和相关性,以时间点为基础进行建模,结合时间序列与流量序列,引入多元线性自回归(AR)思想进行参数估算,对多次估算所得参数值建立指数加权移动平均数模型进行二次估算,在此基础上,建立多元线性自回归模型。实验结果证明,与AR模型、ARMA模型相比,基于多元线性AR模型的预测结果更准确。     

运动前后心率变异性的高维时间不可逆性分析

对心率变异性的分析已经广泛应用于心血管疾病临床实践和基础研究中,并逐渐开始在运动领域中流行起来.本文利用时间序列的高维时间不可逆性(High-dimensional time irreversibility,HDTI)分析方法,研究受试者在跳绳运动前、中、后不同状态下短时心率变异信号的时间不可逆特性.结果表明,高维的时间不可逆性分析特征参量的变化正好反映了运动前、中、后交感-迷走神经之间从平衡态到非平衡态、再从非平衡态逐渐恢复到平衡态的过程;在分析快速变化的心电数据时,该特征参量与心率变化的趋势密切相关.研究结果显示HDTI分析方法有望在运动领域中得到进一步的应用.     

基于非线性自回归模型的短期导游人才需求预测

该文采用非线性自回归模型(NAR),利用从四大招聘网站上提取的旅游公司导游岗位需求数据,使用MatLAB编制相关计算程序,按“每日需求”预测导游岗位的需求量,该方法可以为旅行社、景区等旅游企业提供参考。     

一种新的统计预测模型——多项式系数自回归模型

传统的自回归滑动平均模型（ARMA）和新近出现的函数系数自回归模型（FAR）不能满足非线性时间序列预测分析的准确度与运算速度要求,为了改进预测性能,研究提出了一种新的统计预测模型——多项式系数自回归模型（PCAR）。给出了PCAR模型的表示形式,详细探讨了PCAR模型的参数估计和阶次选择方法,在此基础上又提出了基于BIC准则的建模算法。同ARMA模型相比,PCAR模型扩大了适用对象范围,有效降低了模型选择误差;同FAR模型相比,它具有参数模型的特点,避免了系数函数局部线性回归估计所存在的不足;分析了PCAR模型与ARMA、FAR模型的等价条件。通过实验分析得出了PCAR模型较ARMA、FAR模型的单步预测准确度分别提高了99.65%和18.7%的结论,而且PCAR建模运算所需时间仅为FAR模型的0.2%。     

基于混合自回归潜周期模型的网络结构分析

格兰杰因果关系是推导网络结构最强有力的工具,特别是对于时间序列数据而言,它有非常精确的时间空间和频率空间的表示形式,所以它的应用越来越广泛。但是实际问题中的很多数据表现出明显的周期特点,且实际测量到的数据通常会受到历史记录的影响,对于这种类型的数据,可以用混合自回归潜周期模型来进行处理。将传统格兰杰因果关系模型应用到包含调和振子的混合自回归潜周期模型,对模型中的参数进行了估计,在此基础上,利用格兰杰因果关系的思想推导出网络的结构。     

心率变异时间序列的预处理算法

心率变异性(Heart rate variability,HRV)是近年来备受关注的无创性心电检测指标之一,但是HRV分析采用的心率变异时间序列(RR间期序列)由于受各类复杂因素的影响,会产生异常脉冲干扰及非平稳趋势波动,对后续的数据分析及有效信息提取产生很大的影响.针对该问题,本文提出一套用于心率变异时间序列预处理的算法,综合采用基于小波分解的去趋势方法和基于脉冲抑制滤波器、差分阈值滤波的方法去除原始间期序列中的非平稳趋势和异常脉冲干扰.通过时域频域对照分析及常用HRV统计指标的评估,结果表明,经本文所述预处理算法处理后的数据,有效抑制了脉冲干扰及非平稳趋势的影响,且主要信息无明显损失,各项常用HRV统计指标的诊断价值均得到了不同程度的提升.     

AR模型功率谱估计及Matlab实现

功率谱估计是分析随机信号的一种重要方法,是信息学科的研究热点。文章介绍了现代功率谱估计中AR模型参数的几种典型求解算法,并借助MATLAB平台对各种算法的功率谱进行仿真。     

基于心冲击图和BP神经网络的心率异常分类研究

心率变异性(Heart rate variability,HRV)被广泛用于临床自主神经系统评估和心率异常分类,传统的HRV分析基于心电图(Electrocardiogram,ECG)、光容积图(Photoplethysmography,PPG)和远程光容积图(Remote PPG,RPPG),这些方法存在诸多不足:(...     

自适应人脸多区域分析的视频心率检测

心率是衡量人体心血管健康状况和情绪压力的重要生理参数.然而,基于视频的非接触式心率检测技术在真实场景中,会由于人脸运动和光照变化等导致检测准确性的降低.为了解决上述问题,考虑到心率检测算法中感兴趣区域(region of interest, ROI)的选取与检测准确度高度相关.故提出一种自适应超像素分割多区域综合分析的心率检测新方法.首先利用人脸检测和追踪算法,裁切获得人脸图像;之后采用自适应超像素分割算法将ROI划分成互不重叠的子块;再通过色度特征提取构建各子块原始血液容积脉搏矩阵;最后对脉搏矩阵使用多指标综合分析并挑选出最佳区域进行心率估计.实验结果表明,通过自适应超像素分割和多区域分析优选可以有效提升心率检测准确性.在静止状态下和运动干扰条件下准确性分别达到99.1%和95.6%,光照干扰条件下准确性相对传统方法最高提升8.2%.增强了真实场景下心率检测的鲁棒性.     

Validity Test for a Set of Nonlinear Measures for Short Data Length with Reference to Short-Term Heart Rate Variability Signal

In this paper we investigate the requirementsfor the size of data set to be analyzed by a set of nonlinearmeasures. Time series from some standard nonlinear systems possessingchaotic behavior, as well as sinusoidal and random signals areconsidered. For Hénon, Kaplan-Yorke and logistic mapswe found the measures of correlation dimension (CD), approximateentropy (AE), Lyapunov exponents (LE), and deterministic ratio(DR) to be reliable for data length as short as 500 samples.On short-term heart rate variability (HRV) signal, AE and DRmeasures were able to distinguish between various experimentallymodified states of autonomic nervous system (ANS) controllingthe heart rate (HR). Thus, titling and parasympathetic blockademake the system more deterministic and reduce its entropy whilstsympathetic blockade makes it less deterministic.     

神经网络心率预测器

日常物理活动（Physical activities,PA）被普遍认为对心率（Heart rate,HR）的变化有着极大的影响。文章提出了一种采用前馈神经网络（Feed-forward Neural Network,FFNN）的具有心率预测功能的模型。该模型反映了日常物理活动对心率变化的影响。相关结果表明,该方法预测的心率平均绝对误差相对较小。     

心率变异的测量和分析

心率变异性实时测试系统由心电图机、Apple-II微型机、6522接口板和自制的接口电路组成. 将一系列心跳事件看作时间序列,并把发生在任意时刻,t_i的事件用其最接近的采样脉冲表示,则心跳序列可表示为     

Optimal input design for an AR model with output constraints

The output power constraint problem of optimal input design for parameter estimation for an autoregressive model is considered. A simple method to obtain an optimal design by solving two sets of $\text{p}\text{2-}\text{linear}$ simultaneous equations and a polynomial equation of $\text{p}\text{2}\text{th}$ order is proposed and two nontrivial examples are given to illustrate this methodology.