基于小波分析的非平稳时间序列分析与预测

提出了基于小波变换的非平衡时间序列分析预测方法。通过小波分解,将原时间序列依尺度分解成不同层次,使趋势项、周期项和随机项分离,对每一层进行分析与预测,最后再合成得到了原时间序列的预测值。实例验证了该方法是可行的。     

基于小波网络的非线性组合预测方法研究

提出了一种基于小波网络的非线性组合预测新方法,以克服线性组合预测方法在解决非平衡时间序列组合建模问题所遇到的困难和存在的不足,并给出了相应的学习算法求解小波函数线性组合的尺度和时延参数以及神经网络权值。理论分析和大量的应用实例表明：本方法具有很强的泛化能力与自适应数据和函数变化的能力,在处理诸如经济时间序列这种具有一定程度不确定性的非线性系统的组合建模和预测方面有较高的应用价值。     

非参数小波算法的交通流预测方法

及时准确地进行交通流短时预测是智能交通系统,尤其是其先进的交通管理系统与先进的出行者信息系统研究的关键内容之一.随着预测时间跨度的缩短,交通流量的变化显示出越来越强的不确定性,使得一般方法的预测精度大大降低.本文应用非参数回归理论并结合小波分析算法,将交通流数据按不同频道分解,然后重构信号时舍去噪音频道,得到光滑的交通信号曲线,进而利用非参数方法中的最近邻规则对未来交通流进行预测.经过实测数据验证,算法能对交通参数做出很好的预测.     

基于小波分解和残差GM(1,1)-AR的非平稳时间序列预测

提出基于二进正交小波变换和残差GM(1,1)-AR方法的非平稳时间序列预测方案.首先利用Mallat算法对非平稳时间序列进行分解和重构,分离出非平稳时间序列中的低频信息和高频信息;然后对高频信息构建自回归模型,对低频信息则用灰色残差模型进行拟合;最后将各模型的预测结果进行叠加,从而得到原始序列的预测值.该方法不仅能充分拟合低频信息,而且可避免对高频信息的过拟合.实验结果表明,这种方法比传统的非平稳时间序列预测方法具有更高的预测精度.     

非平稳时间序列的小波混合方法及其应用

小波分析属于时频分析的一种,它在时域和频域同时具有良好的局部化性质.本文利用小波分解与重构方法将时间序列分解成趋势项、周期项和随机项.根据Morlet小波的类周期特性,分析并挑选出合适的周期,结合逐步最小二乘估计方法,计算出该时间序列周期项的近似表达式.最后用此小波混合方法研究建国后中国玉米产量变化情况,结果表明该方法比直接二次多项式拟合预测的平均相对误差小2.336%,反映小波混合预测方法的有效性.     

基于神经网络动态非线性非平稳经济系统预测

考虑实际经济系统中广泛存在着非线性和时变性因素，以及大部分变量的序列具有增增长特性，提出了用网络方法，建立实际经济系统的时变非线性模型，采用增广卡尔曼滤波算法训练神经网络，并根据先验信息（序列的时间增长特性）构造参数转移矩阵，对实际经济的预测分析结果证明，与传统定常非线性预测模型相比，该方法不仅可以在线递推预测，而且由于参数转移矩阵的引入，预测精度得到很大的提高。     

短期电力负荷的小波——混沌时序预测

提出了一种基于2层小波分解的混沌时序相空间重构预测模型.该模型利用小波分解原始负荷时间序列为周期项、趋势项和随机项,采用不同的混沌相空间重构高低频信号,再分别用相应的小波神经网络工具箱拟合混沌吸引子,将其输出进行信号重构得到最终预测结果.该方法兼有频率特征提取和相空间重构的优点,使短期电力负荷时序列的动力学系统得到更加细致的恢复.通过对欧洲电力负荷竞赛数据的实验证明了所提方法的有效性,仿真结果表明方法预测精度优于常规混沌时序预测方法.针对神经网络预测不稳定的问题给出了一种种解决措施,并提出了一种小波神经网络工具箱,该方法比编程实现的小波网络可以大幅度提高训练速度,尤其适合于大批量数据的训练,对小波神经网络的推广应用和混沌时序预测具有重要意义.     

基于小波和多维泰勒网动力学模型的金融时间序列预测

提出建立多维泰勒网动力学模型及参数辨识方法, 和基于小波多维泰勒网模型的金融时间序列预测方法. 利用Mallat算法将金融时间序列分解成一个低频信号和若干个高频信号; 对不同频率的时间序列建立多维泰勒网动力学模型; 通过共轭梯度法训练模型参数, 并进行预测; 将各模型的预测结果进行叠加, 得到原始序列的预测值. 实验结果表明, 这种金融时间序列预测方法具有较高的预测精度和预测方向正确率.     

随机型时间序列预测方法的研究

提出了一种随机型时间序列预测的新方法，特别适用于趋势随机型数据序列的预测问题，与现有预测方法相比，具有计算简单、精度高的特点.     

非平稳时间序列的状态空间建模与预测

本文研究了非平稳时间序列的状态空间建模与预测方法。在建模的过程中,采用了分解模型的方法,从原始时间序列直接建立起状态空间模型,对趋势性建立起随机走动模型,对周期性因素建立了动态谐波模型,从而摆脱了Ｂｏｘ－Ｊｅｎｋｉｎｓ建立ＡＲＩＭＡ模型的繁琐程序。     

基于自适应LPFT的非平稳信号到达角估计

对非平稳阵列信号处理来说,通过时频分析预处理可以提高对不同信源到达角(direction of arrival, DOA)的分辨能力和估计精度。本文以提高在多信号分量环境下时频表示的能量聚集性为目标,提出一种自适应的局部多项式傅里叶变换(local polynomial Fourier transform, LPFT)方法,通过对信号瞬时频率曲线进行多项式拟合,确定LPFT的窗函数长度及各阶系数,以较小的计算量实现自适应时频分析。在此基础上,提出一种基于自适应LPFT的多信号分类(multiple signal classification,MUSIC)算法。仿真结果表明,与其他时频MUSIC算法相比,该方法对信号形式的适应能力强,在DOA估计精度、多信源角度分辨能力方面具有一定优势。     

基于小波分析的股指期货高频预测研究

基于低频金融数据的预测,在时间上具有长期性,依赖于整体经济环境,不能形成短期内的准确预测.但是由于高频金融时间序列具有非线性、非平稳性以及其特有的日历效应等特性,传统的ARMA模型也无法得到满意的预测结果.本文提出基于小波多分辨率分析的预测方法,将收益率数据分为高频部分(周期性)与低频部分(趋势性),对拆分后的序列进行重构,并对重构后得到的数据分别建立ARMA模型.实证研究表明,小波多分辨率分析能很好地滤出日内效应,由于股指期货独特的市场特征,应将分解层数定为3,分解重构模型可以提高预测精度.     

基于小波处理的P码直捕及实现研究

相对于C/A码,GPS的P码信号不仅定位精度高,且具有很强的抗干扰和保密能力。由于P码信号具有多普勒频移大、码周期长以及码速率高等特点,给P码的直接捕获带来了很大的技术难度。提出了采用小波滤波进行辅助捕获的捕获策略。在辅助捕获阶段,通过小波处理,减低需处理数据的数据率,从而提高了搜索速度,经二维搜索估计出接收P码信号的相对时延和多普勒频率等先验信息。利用该先验信息指导同步跟踪电路对接收信号进行捕获、跟踪与同步,从而达到提高捕获速度、降低硬件资源消耗的目的。仿真结果证明了该辅助捕获策略的正确性。     

CLT of wavelet estimator in semiparametric model with correlated errors

This paper considers the semiparametric regression model j/j= Xif3+g（U）+Vi（1 < i < n）, where（x_i,t_i） are known design points,/3 is an unknown slope parameter,g（·） is an unknown function, the correlated errors Vi=∑_j=-∞^∞c_je_i-jwith∑_j=-∞^∞|c_j|<∞,and e_i negatively associated random variables.Under appropriate conditions,the authors study the asymptotic normality for wavelet estimators ofβand g（·）.A simulation study is undertaken to investigate finite sample behavior of the estimators.     

基于粗集的正交小波网络预测模型研究

为满足复杂工程预测问题的需要,把粗集理论与正交小波网络相结合,建立了一种基于粗集的正交小波网络预测模型。应用主成分分析方法解决了正交小波网络多维输入时的维数灾难,提高了网络的收敛性和预测的时效性。预测模型兼容了正交小波网络和粗神经网络的优良特性,具有良好的函数逼近能力和极强的鲁棒性,特别适合于具有随机因素的高精度预测问题。仿真研究表明,模型的预测精度和收敛速度优于小波框架神经网络。     

Method for Housing Price Forecasting based on TEI@I Methodology

Based on the TEI@I methodology proposed by Wang, et al, this paper presents an approach to forecast housing price. 114 indicators are selected by rough set theory, and the leading indicators are selected with time difference correlation analysis. Seasonal housing prices are forecasted by regression and grey models, and integrated via the wavelet neural network approach for error correction. Our analysis predicts that national commercial housing sales price would rise 6.88% in Q4-2006 and 6.64% in Q1-2007. Next, standard event study methodology is used to measure the effect on real estate investment of government policy, one of the most important indicators to forecast the housing price. It is found that the Chinese government's macro-policy in 2005 suppressed the growth of real estate investment and housing prices.     

Multiuser detector based on wavelet networks

Multiple access interference (MAI) and near-far problem are two major obstacles in DS-CDMA systems. Combining wavelet neural networks and two matched filters, the novel multiuser detector, which is based on multiple variable function estimation wavelet networks over single path asynchronous channel and space-time channel respectively is presented. Excellent localization characteristics of wavelet functions in both time and frequency domains allowed hierarchical multiple resolution learning of input-output data mapping. The ma thematic frame of the neural networks and error back ward propagation algorithm are introduced. The complexity of the multiuser detector only depends on that of wavelet networks. With numerical simulations and performance analysis, it indicates that the multiuser detector has excellent performance in eliminating MAI and near-far resistance.     

基于局部方差的模糊小波阈值图像去噪

针对小波阈值去噪中的VisuShrink阈值(统一阈值)“过扼杀”细节系数和SUREShrink阈值(Stein无偏估计阈值)“过保留”噪声系数的特点,提出了一种新的模糊小波阈值去噪方法。该方法根据小波系数局部方差能体现信号受噪声影响程度的特点,在局部方差之间引入模糊区域,通过模糊区域内局部方差的大小来计算相应小波系数的噪声隶属度。根据不同的模糊隶属度在VisuShrink阈值与SUREShrink阈值之间选取去噪阈值,并用软阈值函数消减。实验结果与仿真表明,提出的模糊阈值方法有较好的去噪效果。     

基于信号子空间处理的ATI误差校正方法

在机载合成孔径雷达/地面动目标指示(SAR/GMTI)应用中,各误差因素常使得沿航迹干涉(ATI)方法失效,限制其实际应用。推导并仿真了同步定时误差和姿态误差引入干涉相位误差,导致ATI动目标检测性能下降的情况,提出了一种基于信号子空间处理的解决方法,并对以上误差情况分别进行了分析和校正。仿真结果表明,该方法可使ATI对误差因素的敏感度下降,从而提高动目标检测性能,扩大ATI的适用范围,具有一定的工程参考价值。     

一种基于三维小波的视频水印空时算法

针对数字视频的版权保护,以及基于数字视频的信息隐藏,提出了一种基于三维小波的视频水印空时算法。它利用了视频场景镜头分割技术和三维小波变换的空时多分辨水印嵌入策略,以及根据最大似然准则的水印检测算法。针对视频的版权保护,作为版权标志的水印图像先用两个序列扩频预处理成一个图像序列,扩频后的水印图像序列自适应地嵌入到视频镜头的三维小波系数上。该基于三维小波域的水印策略充分利用了视频序列良好的空时多分辨特点,水印算法可靠。针对视频水印的几种特殊攻击,仿真实验证明了该算法具有很强的鲁棒性。