基于方差的多尺度时间序列重构方法研究

针对传统的多尺度时间序列重构方法无法完整地提取脑电图EEG信号特征的问题,提出了一种新的多尺度时间序列重构方法——移动方差化。将EEG信号使用移动方差化方法进行序列重构,进而在多个尺度上提取时间序列的2个特征值——样本熵和方差熵。最后对所提取的特征值使用KS检验方法进行p值检验。实验证明,利用移动方差化方法重构的多个尺度上的时间序列对EEG信号进行特征提取,可以有效地区分癫痫患者发作间期与发作期的EEG信号,为之后利用EEG信号诊断判别精神疾病提供了依据。