基于滞后阶数自适应选择的多变量因果关系分析方法

摘要

本发明涉及一种基于滞后阶数自适应选择的多变量因果关系分析方法，旨在为了准确地预测基于运动想象脑电信号的各个脑区域之间的因果影响。目前基于自回归模型的传统Granger因果关系方法缺乏考虑多变量时间序列中存在的时滞依赖结构以及模型系数对因果性的影响。本项目首先获取多通道运动想象脑电信号，其次采用改进的后向时间选择算法估计回归模型中每个变量的最优滞后阶数，建立多通道脑电信号的动态回归模型，然后利用模型的残差和系数来定义多变量之间的条件因果测度，可以有效地提高真实因果关系的估计性能。该方法在因效性脑功能网络、皮层肌肉耦合分析领域具有广阔的应用前景。