Weighted Structured Errors-in-Variables Methods for Noise-Robust Coherence Analysis

Zhenghao Guo

doi:10.1109/tsp.2026.3733374

Weighted Structured Errors-in-Variables Methods for Noise-Robust Coherence Analysis

2026-09-11

0

PRE

AI

DOI：10.1109/tsp.2026.3733374

原文链接

原文求助

摘要

En 中文

相干性分析常用于评估两个时间序列的频率依赖相关性，广泛应用于神经科学、天文学和声学工程等多个学科。然而，测量噪声会显著降低其有效性，特别是在两个信号均被噪声污染的情况下。本文提出一种加权结构化误差变量（WSEIV）框架，用于抗噪声相干性估计，该框架将问题表述为在测量不确定性下的同步分量恢复问题。在该框架内，评估了四种估计器——总体最小二乘法、加权总体最小二乘法、结构化总体最小二乘法以及加权结构化总体最小二乘法——以恢复噪声减少的同步分量表示，从而改进相干性估计。后三种方法显式考虑了数据矩阵中不等噪声方差和结构约束，可独立或联合处理。该框架通过不同信噪比下的合成信号进行验证，并进一步在代表性的皮层肌肉耦合应用中使用脑电图和肌电图记录进行评估。结果表明，WSEIV方法在噪声条件下能持续提升相干性估计，并改善从污染测量中恢复耦合相关信号分量。该方法论为在必须从噪声测量中推断连接性的情况下，进行频率分辨耦合分析提供了一种可推广的框架。

Keyword:

Coherence analysis

errors-in-variables modeling

weighted structured total least squares

signal recovery

frequency-resolved coupling

Weighted Structured Errors-in-Variables Methods for Noise-Robust Coherence Analysis

摘要

期刊

机构

引用论文