谱分析的神经网络方法──局部零残差法

提出了一种神经网络ＡＲ（自适应递归）参量估计的新方法──局部零残差法。利用所建立的神经网络的明确收敛性，在每一个数据到来后获得一组ＡＲ参量的零残差解，这时ＡＲ参量的特性是与时间序列的噪声相关的随机过程，最终的ＡＲ参量值为全部数据通过神经网络预测误差滤波器后，对各点获得的ＡＲ参量解的求和平均。由此，ＡＲ参量值确定的最大熵谱具有很好的稳定性，且谱的分辨率和精度是与滤波器的长度成正比，这给最佳滤波器的选择保留了充分的灵活性。另外，利用神经网络并行快速的特性，可用该系统进行实时谱分析。     

基于倒谱的非因果自回归系统自适应辨识

为解决信号处理中非因果自回归（ＡＲ）系统的自适应辨识问题，本文提出了一种利用倒谱进行ＡＲ系统辨识的新方法。这一方法在倒谱域内把非因果ＡＲ系统辨识问题转化为非最小相位有限冲激响应（ＦＩＲ）系统辨识问题，因此可以利用现有的基于倒谱的ＦＩＲ系统辨识算法构造非因果ＡＲ系统辨识算法，从而实现了非因果ＡＲ系统的自适应参数辨识，并解决了以往文献中未曾解决的非因果ＡＲ系统阶次自适应确定问题。另外，本算法可以保证估计出的ＡＲ模型是稳定的。数值仿真结果证明了本算法具有很高的估计精度。     

GA-ANN算法在产品质量估计中的应用

针对反向传播（ＢＰ）算法,径向基函数（ＲＢＦ）算法的不足,提出了基于遗传算法（ＧＡ）确定神经网络构或权值的进化神经网络算法（简称ＧＡ－ＡＮＮ算法）。在产品质量估计仿真研究中表明,该算法不需试凑而取得较好的网络结构和参数。     

数据加密技术及其在银行业务中的应用

分析和比较了ＤＥＳ加密算法和ＲＳＡ加密算法的优缺点，在综合ＤＥＳ算法和ＲＳＡ算法优点的基础上进一步提出了一种加密方案。根据银行业务的现状和发展趋势，利用所提出的加密方案设计了一个在银行业的应用模型。     

具有观测噪声的AR模型参数的无偏估计

本文研究了带未知白色观测噪声的ＡＲ模型参数的无偏估计问题，提出了一种实现ＡＲ模型参数无偏估计的偏差补偿最小二乘法，这种方法通过对预测数据预滤波，将一个已知零点嵌入被辨识系统，并利用该零点提供的信息，从普通最小二乘估计中提出出噪声引起的偏差并予以消除，从而得到无偏估计，文中给出的数值仿真例子说明了所提算法的有效性。     

低频线谱的一种估计方法

分析几种低频线谱参数估计方法的优点与不足，结合舰艇噪声低频线谱所具有的特点，应用数字滤波－相关谱估计（ＤＦ－Ｃ）和自回归移动平均（ＡＲＭＡ）模型相结合的方法（ＤＦ－ＡＲＭＡ）对低频谱作估计，所得线谱的强度和频率估计值准确度较高。     

自回归语音信号模型参数的韧性估计算法及在共振峰检测中的应用

使用牛顿算法的韧性（Ｒｏｂｕｓｔ）Ｍ估计方法来估计自回归（ＡＲ）语音信号模型的线性预测参数，该方法考虑了语音信号模型浊音激励源的非高斯特性，能有效地抑制异常值（ｏｕｔｌｉｅｒ）的影响。使用所提出的韧性线预测算法来检测共振峰，获得了比使用常规线性预测方法更准确的结果     

线性与非线性输出单元相结合的神经网络

从神经网络的连接方式着手，扩展从隐含层到输出层的连接，提出了一种新的神经网络连接结构，在此基础上推导出了相应的学习算法．并通过对奇偶问题、非线性函数逼近问题、模式分类问题等的仿真，验证了所提出方法的有效性．实验结果表明，通过适当地调整线性输出与非线性输出的比例，所提出的算法具有训练速度快和正确识别率高的双重优点．     

自适应IIR滤波器的韧性梯度估计算法

对于自适应ＩＩＲ滤波器的输出误差模型结构。ＨＡＲＦ算法和ＲＰＥ算法是两种基本算法。ＨＡＲＦ算法受严格正实条件限制。ＲＰＥ算法则有稳定性问题；经分析，其原因在于其梯度的不坚韧性。为此，提出了一种能够稳定收敛的韧性梯度估计算法；其计算量小，是一种实时算法。     

杂波谱中心和谱宽估计方法

在雷达动目标检测等处理中 ,为了有效抑制杂波 ,并防止目标白化 ,首先需要对杂波谱中心和谱宽进行有效的估计。基于短序列雷达杂波数据的快速付氏变换 (FFT)运算结果 ,提出了新的杂波功率谱中心和谱宽的估计方法 ,分别称之为“质心法”和“积分法”。将物理学中的“质心法”应用于杂波功率谱中心估计 ,取得了较常规方法好的多的估计效果。在杂波功率谱宽估计中 ,结合相应的功率谱谱形特征 ,利用能量积分的方法完成了功率谱谱宽的估计。和常规的方法相比较 ,有性能好、算法复杂性较小的优点     

ARMA模型参数的分步估计方法

提出了一种ARMA模型的线性估计方法，这种方法通过两次AR模型的估计来实现ARMA的估计。讨论了一维时间序列开环系统、闭环系统的辨识方法及定阶问题。仿真结果表明该方法具有良好的准确度和可靠性，可直接用于结构状态监测。     

一类时变时间序列模型的参数估计研究

根据对一类时变时间序列模型结构特点的研究,提出了一种时变ＡＲ模型的递推参数估计算法。其原理是将时变参数的估计转化为对状态方程的状态估计,采用卡尔曼滤波推导出参数估计递推公式,并研究了其渐近稳定的充分条件。     

AR双谱估计的Matlab实现

根据AR双谱估计的基本原理,对其Matlab实现方法进行研究,给出了AR模型双谱估计的Matlab实现,最后给出一个仿真测试实例,仿真结果表明了该方法的有效性.     

动态数据系统(DDS)建模方法的改进

本文概述了原DDS建模方法的缺点,叙述了改进的途径,推导了改进的算法,给出了改进部分的详细框图。首先用长自回归拟合数据直到残差为白噪声,如AR模型阶不高,则认定为AR模型。否则,利用数据和残差,线性估计ARMA模型参数。增阶和降阶时,Yule—Wolker方程系数阵和模型参数都可递推求得。初估ARMA模型后,用非线性最小二乘法来优化参数。通过二个实例计算表明,经改进的方法可以节省66％的机时,效果是明显的。     

GSM 信号的自适应最大似然接收

考虑如何在ＧＳＭ接收机中实现最大似然接收以克服多径传播带来的严重的信号失真，提出了新的算法，它和常规的算法相比在复杂度上大大降低。给出了仿真结果，结果表明这一新算法具有接近理想的最优性能。     

多维和多重递推辅助变量辨识算法

对带白色观测噪声的多维自回归(AR)模型,应用相关方法,分别提出了多维和多重递推辅助变量(RIV)算法,给出了未知AR参数的强一致估计;推广了一维RIV算法。提出了模型噪声和观测噪声方差的信息融合估值器,它们具有强一致性。一个仿真例子说明其有效性。     

带有色观测噪声的ARMA模型参数估计的三段算法

提出了带有色观测噪声的自回归滑动平均（ARMA）模型参数估计的三段算法。第一段用递推增广最小二乘法（RELS）估计自回归（AR）参数；第二段用Gevers-Wouters算法估计伴随滑动平均（MA）模型参数；第三段用求不相容线性方程组的最小二乘解得到原始MA参数估值。一个仿真例子说明了其有效性。     

基于最大熵谱估计的短时间序列分析与预测方法的研究

针对短时间序列的特性，根据最大熵谱估计原理，论述了用Burg算法作为求解AR模型参数的方法，并给出了应用实例。     

正交最小二乘算法及其应用

介绍了正交最小二乘法的算法原理，同经典的最小二乘法相比，其数值稳定性好、计算量小，能节省大量存贮空间。应用了Ｈｏｕｓｅｈｏｌｄｅｒ变换、Ｇｉｖｅｎｓ变换和它的逆变换３种算法。根据残差矢量最小准则，将该法用于ＡＲＭＡ模型结构辨识和时变ＡＲ模型参数估计，取得了满意的仿真结果。