抄録
従来,不規則時系列のモデルとしては線形自己回帰(AR:Auto Regressive)モデルに代表される線形モデルが広く用いられてきたが,脳波等の生体信号は,その生成機構に種々の非線形性を有しており,線形モデルでは十分に近似できない可能性がある.非正規時系列生成モデルとして林らによって提案された局在化非線形自己回帰(LNAR:Localized Nonlinear Auto Regressive)モデルは基本的にパラメータ推定が線形方程式であること,及び線形項が安定ならば安定性を確保できるという点から,生体信号への利用が期待されている.本研究ではLNARモデルの従来のパラメータ推定方法ではパラメータを正しく推定できない可能性があることを示し,その解決方法として安定性を確保した同時推定法が有効であることを示す.
Linear a Auto Regressive model(AR model) have been used widely for modeling of stochastic time series. However such linear models may fails capturing stochastic characters of biological signals such as EEC (Electroencephalogram) because of their nonlinear natures of signal generating mechanisms. As a nonlinear AR model, the LNAR (Localized Nonlinear Auto Regressive) model has potential to extract such nonlinearities in biological signals effectively, because parameters of the LNAR model are estimated by solving a linear equation and the stability of the model relies only on that of the linear part of the model. However some problem remain in estimation of parameters of LNAR. In this paper, we point out a problem of the conventional parameter estimation method, and propose new method to overcome the drawback of conventional method.
