EEG 微状态随机游走的解析与经验波动函数：短程相关与长程相关

基于摘要分析（现有材料仅含研究要点，未取得论文全文）。该研究考察静息态 EEG 微状态随机游走中的长程相关判定，重点讨论短程相关零假设、微状态状态空间划分以及 Hurst 参数估计算法如何影响结论。 作者主张，检验长程相关时，应使用具有指数衰减短程相关的模型作为零假设，而非仅凭 Hurst 参数的点估计大于 0.5 作出判断。作者报告，静息态 EEG 微状态序列往往无法与一阶 Markov 零假设区分；即使得到 H>0.5，其估计值也经常与 Markov 替代序列没有显著差异。现有要点未提供检验方法、显著性阈值或具体估计数值。 作者还报告，对微状态状态空间采用不同划分，会改变关于 H 是否大于 0.5 的判断；不同算法估计的 Hurst 参数，对微状态随机游走是否存在长程依赖也给出不一致答案。因此，本研究的直接价值在于提醒读者区分“参数点估计提示持续性”与“能够排除短程相关解释”，不宜将二者等同。 材料未提供解析波动函数的具体表达式、随机游走构造方式、状态空间划分规则、EEG 数据与被试信息，相关实验协议、消融及统计信息尚未验证。现有证据也不足以推断其对 BCI 解码性能的影响。