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。     

线性时变参数识别与非线性因素估计

本文讨论了利用非线性时不变振动系统的响应，根据线性模型识别出的线性参数的时变性质判断非线性项的存在、估计系统非线性因素的问题．大量的算例表明，据此判断非线性项的存在是可行的．文中还分析了利用具有非线性项的时变系统的响应，根据线性系统模型识别线性时变参数的问题．模拟计算表明，利用非线性系统的响应籍助线性模型，可以在相当大的范围内较好的识别出系统的线性时变参数。     

动态测试数据自动处理方法

提出成立动态测试数据自动处理方案，首先通过两次移动平均及相应的统计检验，自动初辨数据属于平衡型、一阶非平衡型或二阶非平衡型，同时用移动回归外推法自动剔除异常数据，并用ＲＰＥ－ＫＦ自适应滤波法抑制测试随机误差。然后按初辨结果自动选定加权逐步回归或／与时序模型特征根判别的混合谱分析法及其算法参数。提取数据中的非周期或／与周期成分，并用移动Ｍａｒｐｌｅ算法拟合随机成分的时变ＡＲ模型，估计其统计特征量。已     

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。     

时变系统的Laguerre模型辨识及设计变量（2） ——Kalman滤波法

文章考虑动态线性系统的时变参数是平稳的AR（1）变量，系统为时变的Laguerre模型时的传递函数估计的均方误差（MSE）。在缓慢时变和高阶模型下，利用Kalman滤波算法，得到MSE的近似表达式。最后得到了Kalman滤波算法的设计变量的最优解。     

一类基于非平稳噪声参量估计的时变系统参数辨识

对于未知噪声时变统计特性的时变动态系统，论述了一类基于非平稳噪声参量估计的时变系统参数辨识算法．该算法包括三部分，通过在线状态估计，构造残序列模型，试图从测量信号中分离出非平稳噪声，在线估计噪声时变均值和方差，用于整个改进算法的实现．仿真例子验证了该方法的有效性．     

一种新的重叠混沌信号盲分离算法

提出一种基于粒子滤波（particle filtering,PF）的重叠混沌信号盲分离算法,该算法依据混沌动力学系统的状态空间模型,把重叠混沌信号盲分离问题转化为混沌信号和系统参数的联合估计问题,利用PF方法估计各信号以及系统参数的联合后验分布,再由联合后验分布实现各信号以及系统参数的估计.在PF算法中利用核平滑的方法实现了非时变参数的迭代估计,并通过自适应迭代算法对加性高斯噪声进行了估计.仿真实验的结果表明,该算法能有效地解决重叠混沌信号的盲分离问题.     

时间序列AR模型参数的积分求解法

基于对时间序列实质的分析，提出了旨在减少序列的随机误差影响以及提高拟合精度的ＡＲ模型参数的积分求解法．重点讨论了ＡＲ（１）模型及ＡＲ（ｐ）模型参数的积分求解法，并与最小二乘法在计算机上进行了仿真比较．结果表明，采用积分求解法所得的ＡＲ模型参数的估计精度比最小二乘法的高．     

ARMA(p,q)模型参数初估计新方法研究

提出了一种Ｙ－Ｗ法与逆函数法相结合的ＡＲＭＡ（ｐ,ｑ）模型参数初估计新方法．该方法不但具有在计算机上容易实现的特点,而且与当前常用的参数初估计方法相比,在参数估计精度上有了较大的提高．这对ＡＲＭＡ（ｐ,ｑ）模型的进一步推广与应用将有着极为重要的意义．     

时变系统的Laguerre模型辨识及设计变量(1)

文章考虑动态线性系统的时变参数是平稳的AR（1）变量，系统为时变的Laguerre模型时的传递函数估计的均方误差（MSE）。在缓慢时变和高阶模型下，利用随机梯度算法，得到MSE的近似表达式。该文利用Laguerre模型取代FIR模型，减小了MSE，降低了模型的阶次，最后讨论了随机梯度算法的设计变量的优化问题。     

组稀疏贝叶斯逻辑回归的P300信号通道自动选择算法

为了提高脑机接口中P300脑电信号的分类准确率和计算速度,提出一种组稀疏贝叶斯逻辑回归的P300脑电信号通道自动选择算法.该算法首先在贝叶斯框架下建立P300脑电信号的解码模型,其次提出先验的组自动相关确定(GARD)方法构建组稀疏约束下的P300脑电通道权重系数,最后通过最大似然估计来求解超参数并选出P300脑电通道最优子集,避免了大量的交叉验证过程.所提方法在BCI竞赛数据和自采集数据上进行了验证分析.实验结果表明,所提的方法能够自动选择P300脑电通道子集,提高了P300特征分类准确率.     

变分贝叶斯Kriging模型预测混沌时间序列

基于变分贝叶斯及Kriging数学思想,提出了一种含噪混沌时间序列的相空间域预测模型。在相空间域中利用变分贝叶斯推断方法估计模型中的回归系数,采用Kriging数学方法估计模型中的随机部分,将该模型对含加性高斯噪声的Lorenz及Mackey-Glass混沌时间序列进行了预测研究;结果表明该文方法能够有效地预测含噪混沌时间序列,且具有较强的抗噪能力以及有效地克服了过拟和现象;同时预测精度对重构相空间的嵌入维数和时间延迟的变化不敏感。     

桥梁监测数据的动态线性建模与可靠性预测

引入贝叶斯动态线性模型(BDLM),建立桥梁监测应力的状态方程和观测方程,并利用贝叶斯因子监控监测应力.通过监测应力和应力状态的先验信息,对监测应力的状态参数进行贝叶斯后验概率推断,并不断进行"概率预测-修正"递推运算,获得最优监测应力的状态概率估计来预测桥梁的应力.基于贝叶斯动态修正的应力概率模型,建立桥梁结构可靠性的预测公式.最后,通过实例验证了本文所建模型的合理性和适用性.     

基于改进BVAR模型和MS-VECM模型的能源消费分析

针对向量自回归模型(VAR)的高维估计问题,结合贝叶斯理论提出了一种融合正态-逆Wishart共轭先验分布的估计方法。在该估计方法中,所提出的模型引入Metropolis-Hastings(MH)算法,从以往数据集中确定先验分布超参数,并通过设定与模型尺寸相关的收缩系数从而进行估计。与传统VAR模型相比,基于贝叶斯理论的估计方法可在保留相关样本信息的同时控制过度拟合,具有较好的稳健性和有效性。此外,在改进的BVAR模型基础上,结合区制转移技术与误差修正模型提出了MS-BVECM模型,该模型能够有效分析经济周期内各变量之间长期与短期均衡状态变化,当短期内经济变量受到波动而与长期均衡状态发生偏离时,误差修正模型机制会使其逐渐重新回到长期均衡状态,以保证模型的稳健性。最后,以重庆市为例,利用所提模型对其能源消费、产业结构升级和经济增长的动态关系进行了分析与预测并提供了可行建议。     

随机-模糊线性回归模型的参数估计及应用

导出了随机-模糊线性回归模型参数的估计量,证明了参数的估计量为无偏估计,同时推导了参数估计量数字特征和回归方程相关系数的计算公式.将该模型应用于岩石样本抗剪强度实验数据处理中,通过与传统的随机一元线性回归对比分析,表明使用该方法得到的力学参数更具代表性.     

]Modeling dynamic systems by using the nonlinear difference equations based on genetic programming

When acquaintances of a model are little or the model is too complicate to build by using traditional time series methods, it is convenient for us to take advantage of genetic programming (GP) to build the model. Considering the complexity of nonlinear dynamic systems, this paper proposes modeling dynamic systems by using the nonlinear difference equation based on GP technique. First it gives the method, criteria and evaluation of modeling. Then it describes the modeling algorithm using GP. Finally two typical examples of time series are used to perform the numerical experiments. The result shows that this algorithm can successfully establish the difference equation model of dynamic systems and its predictive result is also satisfactory. Foundation item: Supported by Foundation for University Key Teacher by the Ministry of Education of China Biography: Liu Min ( 1978-), female, Master candidate, research derection: application mathematics.     

桥梁时变可靠度指标的改进粒子滤波预测算法

基于健康监测时间序列数据,提出了桥梁动态可靠度指标的改进粒子滤波预测方法.首先,利用监测极值数据建立动态模型,将其作为粒子滤波算法的状态方程和监测方程;然后,采用贝叶斯动态线性模型(BDLM)为粒子滤波器提供随时间更新的动态建议分布,以解决传统粒子滤波算法的样本退化问题,同时增加了粒子滤波算法的鲁棒性及自适应性;进而利用改进的粒子滤波算法(IPF),结合极值监测数据实现结构极值的动态预测,并结合一次二阶矩(FOSM)可靠性方法,实现桥梁结构可靠度指标的动态预测;最后通过在役桥梁工程实例与设计试验对所提模型和方法的合理性与有效性进行验证.     

一类高阶滞后对象的特征建模与控制

针对一类参数未知、高阶有滞后的定常系统的控制问题,提出了在特征建模基础上,用有滞后的二阶时变差分方程来代替实际的对象特性,并给出了分析证明.稳态时,该特征模型与高阶滞后对象的输出保持一致,在动态过程中,动态输出误差保持在一定范围内,从而可以进一步按照特征模型设计控制器.从仿真结果可以看出,系统跟踪误差能保持在一定的范围内,表明了这种基于特征模型的控制方法的有效性和实用性.     

二阶时变非线性系统的边缘线性化模糊推理建模

本文给出了二阶时变非线性系统的边缘线性化建模方法。该方法根据模糊插值机理将被控对象的模糊推理规则库依时间维度进行划分转化为变系数非线性微分方程。在每个时间间隔内,依据边缘线性化方法,将局部时空结构下的变系数非线性微分方程转化为了常系数线性微分方程,进而迁移到整体时空结构下则成为变系数线性时变微分方程。仿真实验表明,该方法具有较高的逼近精度,是对模糊推理建模的有效推广。     

高阶Boussinesq型水波方程色散和变浅性能的改进

在无因次水深为6.28条件下,为了优化方程色散参数,将一组高阶Boussinesq型方程的相速度与线性波相速度之间误差平方累计之和最小,而后根据变浅分析确定变浅参数,进一步分析了不同参数对高阶Boussinesq型方程的色散和变浅性能的影响.针对该组高阶Boussinesq型方程,基于非交错网格构建了时间差分格式为混合...