Phân tích xu hướng chuỗi thời gian bị gián đoạn trong ứng dụng mHealth: Phương pháp lọc spline thích nghi dựa trên kiểm định giả thuyết và trọng số tầm quan trọng

( 0 đánh giá )
Miễn phí

HASF chia chuỗi thời gian thành các đoạn spline, mỗi đoạn được khớp bằng đa thức bậc ba.

  • Kiểm định giả thuyết (F-test) được sử dụng để quyết định có nên thêm, dịch chuyển hoặc loại bỏ nút spline.
  • - Biến thể 1: nối khoảng trống bằng đường thẳng giữa hai điểm biên.
  • - Biến thể 2: nội suy khoảng trống bằng spline bậc ba, nhưng dễ gây dao động mạnh.
  • - Biến thể 3: dùng spline tuyến tính cho khoảng trống lớn, spline bậc ba cho vùng dữ liệu dày, đảm bảo tính liên tục và trơn.
  • - Trọng số tầm quan trọng được gán cho các điểm dữ liệu gần vùng thiếu, giúp cải thiện độ chính xác.
  • - Đánh giá trên 3 loại dữ liệu: nhịp tim, huyết áp, và chuỗi sin có nhiễu. Biến thể 3 cho kết quả tốt nhất, với tỷ lệ tín hiệu trên lỗi (SER) > 32 dB khi khoảng trống nhỏ.
  • - Trọng số tầm quan trọng giúp tăng SER trung bình thêm 3.19 dB.