摘要
心率变异性（HRV）是研究情绪刺激下自主神经系统调节作用的一种有用的无创工具；然而，由于HRV信号的非平稳特性以及某些谱方法对配置参数的敏感性，准确估计HRV信号中的主导频率仍然具有挑战性。本研究提出了一种基于DREAMER数据库中心电图（ECG）记录获取的HRV信号的谱表征方法，重点在于优化MUSIC算法的模型阶数以改善生理低频（LF）和高频（HF）频段内的主导频率定位。所提出的方法包括ECG信号预处理、R波峰值检测、RR间期提取、HRV插值以及使用MUSIC算法进行谱分析，同时通过基于AIC、MDL、ESTER、特征值间隙和模型复杂度的信号驱动复合准则来评估不同的模型阶数。这些准则通过最小-最大值归一化进行归一化处理，并使用预先设定的等权权重进行组合。结果表明，参数p的信号驱动选择产生了依赖于记录数据的模型阶数配置，并且在所分析的刺激条件下产生了不同的主导频率估计值。模型阶数选择后，对LF/HF一致性进行了独立评估，结果显示在不同刺激条件和谱估计方法之间存在非均匀对应关系。总体而言，这些发现表明模型阶数的选择可以显著影响通过MUSIC算法获得的谱表征结果，并为在HRV记录中研究这种依赖性提供了一种信号驱动的框架。
