Zusammenfassung
Der Übergang von statischen Daten zur statistischen Zeitreihenanalyse mit Hilfe des Ensemble-Konzepts wird theoretisch begründet und seine mit Einschränkungen realisierbare Alternativen analysiert. Methoden zur spektralen Schätzung von a-priori stochastischen Prozessen werden erläutert und bewertet. Eine der wichtigsten Aufgaben der Biosignalverarbeitung – die Detektion eines Biosignals – wird an Hand der methodisch grenzwertigen Detektoren (Energiedetektor und Korrelationsdetektor) analysiert, begründet und an Beispielen demonstriert. Einen wesentlichen Teil bilden die Methoden zur Signalzerlegung. Sowohl konventionelle als auch problemorientierte Zerlegungsverfahren werden vorgestellt und in ihrer Wirksamkeit bewertet. Dabei wird dargestellt, dass die verbreitetsten Verfahren der Signalzerlegung basierend auf Statistiken zweiter Ordnung für Biosignale nicht ausreichend sind, eine Signaltrennung mit HOS wird vorgeschlagen. Alternativ werden Statistiken zweiter Ordnung zur mehrdimensionalen Zerlegung eingesetzt, die das Problem der Nichtlinearität abschwächen sollten.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Literatur
De Lauthauwer, L., De Moor, B., & Vandewalle, J. (2000). A multilinear singular value decomposition. SIAM Journal on Matrix Analysis and Applications, 21(4), 1253–1278.
Ingle, V. K., & Proakis, J. G. (2007). Digital signal processing using MATLAB. Thomson, Cengage Learning.
Haardt, M., Roemer, F., & Del Galdo, G. (2008). Higher-order SVD based subspace estimation to improve the parameter estimation accuracy in multi-dimensional harmonic retrieval problems. IEEE Transactions on Signal Processing, 56(7), 3198–3213.
Heisenberg, W. (1927). Über den anschaulichen Inhalt der quantentheoretischen Kinematik und Mechanik. Zeitschrift für Physik, 43, 172–198.
Henning, G., Hoenecke, O., Husar, P., & Schellhorn, K. (1996). Time-frequency analysis in objective perimetry. Applied Signal Processing, 3(2), 95–103.
Hyvärinen, A. K. (2001). Independent component analysis. Wiley.
Liavas, A., Moustakides, G., Henning, G., Psarakis, E., & Husar, P. (1998). Periodogram-based method for the detection of steady-state visually evoked potentials. IEEE Transactions on Biomedical Engineering, 45(2), 242–248.
Manolakis, D., & Ingle, V. (2011). Applied digital signal processing. New York: Cambridge University Press.
Nikias, C. L., & Petropulu, A. P. (1993). Higher-order spectra analysis; A nonlinear signal processing framework. Englewood Cliffs: PTR Prentice-Hall, Inc.
Pan, J., & Tompkins, W. J. (1985). A real-time QRS detection algorithm. IEEE Transactions on Biomedical Engineering, 32(3), 230–236.
Renn, J., & Sauer, T. (1996). Einsteins Züricher Notizbuch. Physikalische Blätter, 52(9), 865–872.
Stewart, G. W. (1993). On the early history of the singular value decomposition. SIAM Review, 35(4), 551–566.
Weis, M. (2015). Multi-Dimensional Signal Decomposition Techniques for the Analysis of EEG Data. Ilmenau.
Author information
Authors and Affiliations
Corresponding author
Rights and permissions
Copyright information
© 2020 Springer-Verlag GmbH Deutschland, ein Teil von Springer Nature
About this chapter
Cite this chapter
Husar, P. (2020). Statistische Analyse von Zeitreihen. In: Elektrische Biosignale in der Medizintechnik. Springer Vieweg, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-59641-8_7
Download citation
DOI: https://doi.org/10.1007/978-3-662-59641-8_7
Published:
Publisher Name: Springer Vieweg, Berlin, Heidelberg
Print ISBN: 978-3-662-59640-1
Online ISBN: 978-3-662-59641-8
eBook Packages: Computer Science and Engineering (German Language)