基于非线性动力学方法的时间序列处理

被引：3

作者：

范影乐

李轶

机构：

[1] 杭州电子科技大学自动化学院

[2] 杭州电子科技大学自动化学院浙江杭州

[3] 浙江杭州浙江大学生物医学工程及仪器学院

[4] 浙江杭州

来源：

复杂系统与复杂性科学 | 2004年 / 03期

基金：

浙江省自然科学基金;

关键词：

非线性动力学; 时间序列; 复杂性;

D O I：

10.13306/j.1672-3813.2004.03.010

中图分类号：

O313 [动力学];

学科分类号：

080101 ;

摘要：

因神经系统复杂的生理机理 ,EEG信号分析一直是信号处理领域研究中的难点问题。本文简要介绍并分析了现有对非线性时间序列进行数值分析的手段 ,包括Lyapunov指数、分数维、测度熵以及多种复杂性测度等。在考虑传统分析手段的优缺点 ,以及原有的复杂性分析方法的基础上 ,提出了分级加权复杂性测度的定义和计算步骤。脑电数据的临床处理结果表明 ,这种方法能够较好地区分脑功能的不同状态。分级加权复杂性测度考虑了多临界点的映射 ,通过调整权数可更大限度地提取时间序列中有用的信息 ,从而提高对不同状态的区分率。

引用

页码：70 / 75

页数：6

共 10 条

[1]

Entropy quantification of human brain spatio-temporal dynamics. Pezard L,et al. Physica D Nonlinear Phenomena . 1996

[2]

Determining Lyapunov exponents from a time series, Phys. Wolf A,et al. Revue Neurologique . 1993

[3]

Hao,Bai-lin. Elementary symbolic dynamics and chaos in dissipative systems . 1989

[4]

Nonlinear time sequence analysis. Grassberger P,Schreiber T,Schaffrath C. International Journal of Bifurcation and Chaos . 1991

[5]

Information transmission in human cerebral cortex. Xu Jinghua,Liu Zengrong,et al. Physica D Nonlinear Phenomena . 1997

[6]

A note on analyzing schizophrenic EEG with complexity measure. Tong Qinye,et al. Chaos Solitons Fractals . 1996

[7]

Geometry from a time series. Pachard N. H,et al. Physical Review Letters . 1980

[8]

On the complexity of finite sequences. Lemple A,Ziv J. IEEE Transactions on Information Theory . 1976

[9]

A Comparative classification of complexity measures. WackerbauerR,et al. Chaos,Solitons&Fractals . 1994

[10]

Nonlinear algorithm for processing biological signals. Cerutti S,Carrult G,et al. Computer Methods . 1996

← 1 →