估计能谱的MATLAB程序

Question

MATLAB 程序通过非参数和参数方法估计来自癫痫患者的 EEG 信号的能谱，具有局灶性和非局灶性区域记录

我必须这样做，但我不知道从哪里开始。我有这个参考链接，https://www.upf.edu/web/ntsa/downloads/-/asset_publisher/xvT6E4pczrBw/content/2012-nonrandomness-nonlinear-dependence-and-nonstationarity-of-electroencephalographic-recordings-from-epilepsy-patients?inheritRedirect=false&redirect=https%3A%2F%2Fwww.upf.edu%2Fweb%2Fntsa%2Fdownloads%3Fp_p_id%3D101_INSTANCE_xvT6E4pczrBw%26p_p_lifecycle%3D0%26p_p_state%3Dnormal%26p_p_mode%3Dview%26p_p_col_id%3Dcolumn-1%26p_p_col_count%3D1#.X751wmUzaUk

如果有人可以给我一些建议，请。

Answer 1

我都做过。信号处理工具箱和系统识别工具箱文档在这个主题上非常好。 Here is a paper我发表了这个话题。它是关于点过程而不是连续信号，但它确实有关于参数与非参数频谱分析的部分。 非参数是正常的方式。如果您的算法使用快速傅里叶变换，则它是非参数的。
参数化意味着极点和零点类型的模型。非参数估计的光谱往往比非参数更平滑。参数估计中出现的一个在非参数中没有出现的关键问题是使用什么模型结构和什么模型顺序。在非参数中，不会出现这些问题。有办法回答这些问题。 Akaike 信息准则 (AIC) 是回答有关模型顺序问题的标准方法，尽管在某些情况下肯定有 AIC 的替代方案更好。 当您阅读文档时，您会看到许多对“估计”的引用。起初这可能看起来很奇怪，但它是一个非常重要的概念：当您从信号中确定频谱时，无论是参数化还是非参数化，您都是在基于过程样本估计真正的基础频谱。你记录的数据就是那个样本。