非平稳随机信号ARMA模型时变参数与其WVD的关系

研究了非平稳随机信号自回归滑动平均（ＡＲＭＡ）模型时变参数与其对应的离散ＷＶＤ以及ＡＲＭＡ模型时变参数与连续ＷＶＤ之间的关系，使ＷＶＤ可以用ＡＲＭＡ模型的时变参数表示，计算机仿真结果验证了理论推导。     

时变AR模型阶数确定与系数估计的方法

研究了用时变自回归(TVAR)模型对非平稳信号建模的方法.对该模型进行详细分析,探讨了参数模型辨识存在的2大问题:模型阶数的确定和基函数的选择.基于现定阶准则只适用于短时平稳信号的分析,所以利用具有时变特性的信息理论准则(information theoretic criteriaI,TC)来确定模型的阶数.通过引入基函数,利用最小二乘算法对模型系数进行估计,从而将非平稳信号的时变模型转化为线性时不变模型,并比较了几种基函数的拟合性能.证明了由于墨西哥草帽小波基函数具有良好的时频特性并且在使用时无需预知信号的先验信息,从而优于其他传统的基函数.     

平稳随机信号准确模型的研究

针对对平稳随机信号建立参数模型的常用信号处理方法，研究了信号建模的本质，给出了“准确模型”的定义，指出，对给定的平稳随机信号，以其不同阶次统计量建立的“准确模型”的输出信号与原信号并不相等，二者只是在相应的统计特征上相匹配。从这一概念出发，在总结了二阶统计意义下建模的一些主要结论后指出，平稳信号在二阶统计意义下总可以准确建模，证明了在三阶统计意义下并非所有的平稳过程均可准确建模，并给出了可准确建模的必要条件。     

多元回归中时变参数的非参数估计

本文讨论了参数随时间变化的一类多元回归模型,提出了一种非参数估计方法——准最小二乘核函数估计方法。证明了在一定的条件下所得的估计具有相容性,推广了Robinson的结果。     

两类动态时变系统的参数估计新算法

本文应用作者提出的修正的自适应滤波算法,给出了两类有广泛应用前景的时变动态系统的参数估计新算法。模拟例子说明其方法的有效性。     

时变调幅信号的循环平稳特征

介绍了一种新的时变幅值调制信号的处理方法－循环平稳信号分析与处理方法。在给出时变幅值调制信号模型的基础上,论证了其具有循环平稳特性,进一步分析了其一阶和二阶循环平稳特性,给出了相应的计算公式,并指出循环自相关函数可以有效地实现解调的功能。通过仿真和实测滚动轴承的振动信号加以验证。     

时变参数估计的几乎必然收敛性及均方参数估计误差的有界性

针对系统参数以随机方式变化的时变系统，提出了参数估计器的设计方案，通过选择估计算法中的设计参量，从而保证了参数估计的几乎必然收敛性。同时证明了均方参数估计误差的有界性。     

一种随机时变神经网络最短路径算法

提出一种基于脉冲耦合神经网络(PCNN)的框架来解决随机时变网络最短路径问题.由于随机时变网络中弧的长度是不确定的,因此传统的最短路径算法无法有效的解决随机时变网络最短路径问题,本文中提出的随机时变神经网络(STDNN)算法通过构造具有随机时变特性的神经网络来解决随机时变网络的时变和随机特性.理论和实验分析可以得出,算法针对边较少,结点稠密的随机时变网络求解效率较高.     

一种新的时变参数AR模型分析方法

提出了一种新的非平稳信号的时变参数AR模型分析方法－局域波分解及其时变参数AR模型。该方法先用局域波分解方法把待处理信号分解成有限个基本模型分量,再对分解得到的基本模式分量建立时变参数AR模型,从而得出时频平面上的时变参数AR模型谱。它扩大了传统的时变参数模型法的应用范围,可用于复杂的非平稳信号的分析和处理。     

一种改进的B样条网络学习算法应用于非线性时间序列预测

将一种关于一维输入的改进B样条网络学习算法推广到二维输入情形,并应用到一个非线性时间序列预测问题中,计算机仿真结果表明该算法比现有的B样条网络学习算法更有效。     

复杂衰减振荡波形的模型参数估计─互相关Prony算法

在Ｐｒｏｎｙ算法的基础上，结合互相关函数计算，提出了一种适合于多个有不同时延的振荡于波组成的复杂振荡波形的模型参数估计方法──互相关Ｐｒｏｎｙ算法。仿真波形的分析及高压断路器操作振动实测加速度信号的分析都表明这个方法能获得满意的结果。     

多用户多径环境下DOA估计算法研究

针对移动通信中多用户多径环境下的DOA估计问题，提出利用CARE算法求出各用户的空间循征矢量，进而利用基于对称阵列的改进MUSIC算法求出各用户对应多径信号DOA的联合算法，仿真结果表明：结合CARE算法，基于对称阵列的改进MUSIC算法能自动对多用户的DOA进行分组，并能对每个用户的多径相干信号进行DOA估计，不需要做平滑计算，不需要判断多径信号的个数，不增加计算量。     

fMRI信号盲分离的一种独立成分分析算法

建立了独立成分分析(independentcomponentanalysis,ICA)的一个优化模型,在此基础上,给出了一个新的梯度算法,称之为Orth-ExtBS算法.该算法结合了ExtBS算法和FastICA算法,兼顾两者的优点,形式简单,易于应用,能有效地盲分离具有超高斯和亚高斯分布源的混合信号,获得更准确的分离效果和较快的收敛速度.将新的算法与其他两个算法(FastICA和ExtBS)分别应用到大型fMRI数据中,通过比较发现,新算法在估计激活的时间动力学准确性上要优于其他两个算法.     

非线性时间序列的相空间重构参数估计的新算法

针对混沌理论中非线性时间序列相空间重构的理论和方法,提出一种估计嵌入维数和延迟时间的新算法,采用矢量空间平均位移法确定延迟时间;基于混沌吸引子上邻近点之间距离随着时间增加最终趋于饱和的特性,估算非线性时间序列相空间重构的嵌入维数. 实例表明,该算法可以有效估计非线性时间序列的相空间重构参数.     

带随机利率离散时间风险模型的破产问题

在带独立同分布随机利率,同时考虑到保费、理赔支付时间的离散时间风险模型下,得到了在停时T,保险公司在初始准备金为u时,破产前最大盈余分布函数满足的积分方程以及盈余首次低于某一个预警水平x的时间分布的递推公式和破产时间分布的递推公式.     

一种基于径向基函数的近似模型构造方法

发展了一种基于径向基函数的近似模型建立方法。首先采用试验设计方法对设计空间进行样本选择,采用数据分析方法对样本集进行聚类分类,得到径向基函数中的相关参数。对于近似模型权系数采用能够适应大规模并行计算并且能够在全局解空间的多个区域内寻优的遗传算法进行求解,而不是采用最小二乘法通过线性方程的求解获得。最后通过对一维非线性和多维高阶非线性函数的逼近测试,以及对近似模型的拟合函数与原函数之间的误差分析,表明本文提出的基于径向基函数的近似模型方法具有良好的拟合与预测精度。     

单台机器模糊加工时间排序问题的遗传算法

根据三角形模糊数的特性,在对总加工时间模糊度有约束的条件下,构造出NP-困难的1 |fuzzy| min n∑i=1Ci排序模型的遗传算法.并采用算例进行了仿真实验,验证算法的有效性.同时重点研究了设计的分段线性适应度函数的适用性.实例计算表明,通过调节适应度函数中的惩罚系数α和β,可以兼顾种群的多样性和促使搜索效率的提高.该算法的实际应用可行,且具有良好的收敛性和较高的搜索效率.