AR模型计算心电功率谱

资 源 简 介

AR模型计算心电功率谱

详 情 说 明

心电RR间期的频域分析是评估自主神经系统功能的重要方法。基于自回归（AR）模型的功率谱分析能够有效提取低频（LF）和高频（HF）成分的能量特征，其实现可分为以下关键步骤：

数据预处理 RR间期序列需先进行插值重采样（通常4-10Hz）以获取等间隔信号，消除原始RR间期不等距带来的分析误差。常见方法包括线性插值或样条插值，形成均匀时间序列便于频谱计算。

AR模型参数估计 通过Burg算法或Yule-Walker方程估计模型阶数（通常8-16阶），模型阶数选择需兼顾频谱分辨率与过拟合风险，可通过AIC/BIC准则优化。AR系数确定后，结合白噪声方差推导功率谱密度函数。

频段能量计算 LF（0.04-0.15Hz）：反映交感神经活动 HF（0.15-0.4Hz）：关联副交感神经活性 对功率谱在目标频段数值积分得到绝对能量，进一步计算标准化值（如LFnu=LF/(LF+HF)）以消除个体总功率差异的影响。

批量处理与可视化 对多组RR间期数据循环执行上述流程，汇总各样本的LF、HF绝对/标准化值至Excel表格，包含列名如`LF_power`、`HF_power`、`LFnu`等。频谱图绘制建议叠加频段标记，横轴为频率（Hz），纵轴为功率密度（ms²/Hz）。

注意事项：需验证AR模型稳定性（极点是否在单位圆内），异常RR间期（如早搏）应预先剔除以避免频谱泄露。此方法适用于HRV分析的研究场景，如压力评估或疾病风险预测。