基于自回归时序盲辩识的机械故障诊断

提出了一种自回归(AR)模型的盲辨识的算法，该算法与传统AR模型的辨识算法的区别在于它可同时确定AR模型的阶次和参数，而不需事先确定AR模型的阶次或假定AR模型的阶次已知，其特点是计算量小，具有很好的收敛性，并在此基础上将AR模型的盲辨识方法应用到机械故障诊断中．     

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。     

基于带宽估计脉动血流多普勒夹角的方法研究

研究了基于带宽估计多普勒夹角平均时相选择、多普勒带宽的计算、信号频谱的估计方法等问题，提出了一种新方法：先对多普勒信号进行基于主元分析的降噪，然后使用短时傅里叶变换(STFT)进行夹角估计，最后在收缩后期进行平均．通过颈动脉超声多普勒信号的计算机仿真实验，得出：夹角平均应选在收缩后期；STFT估计夹角应用fmean,AR模型估计夹角用fmean和fp均可；STFT和AR模型在估计夹角的性能各有优劣．新方法较大程度地改善了多普勒夹角估计方法的抗噪声性能，可以在信噪比较低的情况下使用。     

城市日用水量的自回归模型(AR)预测方法

介绍了利用自回归模型(AR)预测城市日用水量的方法，阐述了AR模型的阶数和自回归系数的求解，并结合工程实例，预测出某城市日用水量，达到了较好的预测效果。     

时间序列分析技术在GDP增长预测中的应用

综合运用了判别时间序列平稳性的方法，建立了1952-2004年中国GDP的时间序列模型。为了消除虚假回归，利用单位根方法检验了时间序列的单整阶数；在判别差分序列的平稳性之后，利用AIC和SC准则判别了时间序列模型的自回归阶数(AR(p))和移动平均阶数(MA(q))；然后用OLS法对时间序列模型的回归参数进行了估计，对估计模型进行了白噪声检验，并对通过检验的回归结果进行了分析。     

多维AR（p）与指数平滑组合预测算法的研究及应用

介绍了时间序列多维AR(p)模型和指数平滑模型的理论和方法，将这两种模型结合起来构成新的组合预测模型，并用于预测测井曲线．应用实例证明，多维AR(p)与指数平滑组合预测模型比单独用多维AR(p)预测模型有更高的预测精度．表明该组合预测模型是一种非常有效的预测新方法．     

AR模型在网站点击量预测中的应用与研究

对数据挖掘的“预测”功能进行了研究，在对网站进行流量统计的基础上，利用AR模型建立点击量时间序 列模型进行点击量的预测，同时也与其他常用的预测方法进行对比。从实验结果可以看出AR模型的预测精度要 优于其他的预测方法，达到了预期的精度要求。     

基于局域波法的时间序列预测

提出了一种新的用于时间序列预测方法。由于实际信号常常具有非平稳特征，直接应用AR模型进行时间序列分析，得不到理想的效果。而局域波分解法是一种新的分析非平稳、非线性的工具。用局域波分解法对待预测的时间序列进行经验模式分解，产生多个基本模式分量，对各个分量分别进行AR模型预测，然后重构各个预测值。仿真结果表明预测结果比直接进行AR模型预测更加精确。     

感知解说质量对游客博物馆体验的影响研究：基于互动仪式链与AR技术应用视角

随着数字技术应用于旅游领域的实践探索日益多元化，博物馆中传统解说服务难以满足游客的体验需求，依靠人机互动技术拉近人与物的距离对文化传承有重要的意义。增强现实技术(AR)以三维立体、虚实结合、实时交互的效果“复活”了博物馆展品，是对人工解说内容的具象化，既让游客深入了解展品，又能引发游客展开想象。但这种心理意象是否在游客感知解说质量到博物馆体验的路径中发挥作用、AR技术是否可以起到辅助人工解说的体验效果，这两个问题值得深入验证。本研究基于互动仪式链理论，以心理意象为中介变量，通过2组实验、3个情境对感知解说质量、心理意象、博物馆体验、AR技术应用4个核心要素的影响过程与边界条件进行了分析。研究发现：(1) 3个情境下，心理意象在感知解说质量对游客博物馆体验的影响路径中均发挥中介作用；(2)人工解说叠加AR技术应用后，感知解说质量、心理意象、博物馆体验的作用路径更加清晰，有效提升了游客博物馆体验模型的解释度；(3)当人工解说发挥不稳定时，AR技术应用可以有效降低其造成的影响，进一步提升游客的博物馆体验。研究结论验证了互动仪式链和AR技术在博物馆情境中的积极作用，还原了心理意象在感知解说质量...     

AR模型在网站点击量预测中的应用与研究

对数据挖掘的“预测”功能进行了研究，在对网站进行流量统计的基础上，利用AR模型建立点击量时间序列模型进行点击量的预测，同时也与其他常用的预测方法进行对比。从实验结果可以看出，AR模型的预测精度要优于其他的预测方法，达到了预期的精度要求。     

ARMA模型参数的拟线性估计方法

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模型的估计.     

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。     

基于PNN神经网络的EEG信号分类方法研究

主要对不同思维脑电信号运用时域回归方法进行预处理,然后用AR模型提取特征,最后应用PNN算法对AR系数特征进行分类.实验表明,此方法可以达到很好的分类效果.     

AR模型参数的Bootstrap方差估计

针对故障诊断中AR模型参数判别门限值的确定需要大量样本和重复多次试验的问题，采用小样本统计的Bootstrap方法对车削振颤AR模型参数的方差进行了估计，结果表明，该方法具有较好的估计结果和工程应用价值。     

基于AR模型和SVM的果蝇振翅声分类

分别对3个不同品系果蝇的振翅声建立了AR模型,提取AR系数和白噪声序列的方差作为特征,然后用支持向量机(support vector machine,SVM)分类同种内的3个不同品系果蝇的振翅声。使用AIC准则确定AR模型的阶数,用Burg方法估计AR模型的参数,用重尾径向基函数作为支持向量机的核函数,实现对不同品系果蝇振翅声的特征提取和分类。实验结果表明3个品系的果蝇振翅声的分类正确率均达到了88%以上。     

基于AR模型和BP网络的表面EMG信号模式分类

提出了一种以AR模型和BP网络相结合的表面肌电信号处理方法 .首先 ,将采集到的肌电信号进行预处理 ,提取AR系数作为其特征值 ;其次 ,设计了一个三层的BP神经网络 ,利用AR系数对手臂的各种肢体动作进行运动模式的分类 .实验表明 ,这种方法不仅减少了计算工作量 ,同时取得了比较理想的识别效果 .     

用于AR参数估计的一种神经网络新方法

提出一种用于估计ＡＲ参数的神经网络新方法和相应的递归预测误差算法，其优点是网络结构简单、估计结果准确．使用作者所提出的方法在估计ＡＲ功率谱时具有频率偏移小、无谱线分裂等优点。仿真模拟结果表明，文中所提出的神经网络方法和相应的算法是有效的。     

基于AR信号处理和KII模型的嗅觉识别算法

信号的特征提取和模式识别方法,在实现准确的电子鼻气体定性分析中尤为关键,本文提出了基于AR信号处理和KII模型的嗅觉识别算法．将传感器信号分为：上升期和稳定期两部分,对上升期信号提取斜率作为特征;对稳定期信号,进行AR建模来提取特征．在电子鼻的模式识别算法上,利用KII模型对气味信号进行分类．该方法充分利用了AR信号处理在信号表示方面的有效性及降维优势、KII模型在模式识别方面的优越性．仿真将该方法与BP网络、AR—BP算法及单KII网络进行了比较,结果表明,AR信号处理技术可以很好的提取特征,并与KII建立相关的数学模型,将AR信号处理技术应用到电子鼻系统中是可行的,且具有更高的识别率．     

时序模型用于圆度预测补偿控制问题的理论探讨

本文研究了以AR(自回归)时序模型用于圆度预测补偿控制问题;从最小方差控制的角度,指出了AR模型的局限性而应代之以ARV模型.文中讨论了运用自校正调节器的可能性,以克服加工环境慢时变特性对预测控制的影响.     

时间序列与主成分分析的结构损伤识别

提出一种基于AR模型均方根误差主成分分析的结构损伤识别方法.首先利用检测数据建立AR模型,求得模型的均方根误差,然后,采用主成分分析的方法获得主成分载荷矩阵,将此矩阵经过数据标准化处理得到结构损伤特征指标.通过比较结构不同状态下传感器获得的损伤特性指标,进行损伤定位.最后,基于美国Los Alamos实验室三层框架结构模型的损伤实验数据,利用本文方法和基于AR模型系数损伤定位的方法对该结构各种损伤状况进行识别.2种方法的对比研究表明采用本文的方法,通过主成分分析排除外界干扰因素,减少运算量,具有更高的损伤识别精度.