稀疏多小波时变系统辨识及脑电信号时频分析

通过时变参数建模算法对非平稳时变系统的辨识问题进行了研究,并将其应用于脑电(EEG)信号时频特征提取分析。首先,将时变系统参数用具有良好局部逼近能力的多小波基函数进行展开,时变系统建模问题简化为时不变回归模型估计。其次,进一步结合正则化正交最小二乘(ROLS)算法,既降低模型复杂度,又避免模型过拟合问题,从而实现了时变参数的快速准确估计。仿真实例结果表明,与传统递归最小二乘(RLS)算法、经典正交最小二乘(OLS)算法结果相比,所提稀疏多小波建模算法能够更加准确跟踪时变参数的变化。最后,该算法用于运动想象任务下采集的真实EEG信号的时频特征分析,能够有效地得到α节律下高时频分辨率的事件相关去同步(ERD)及事件相关同步(ERS)分析结果,验证了本文算法的应用性。