带有色观测噪声的多传感器ARMA模型信息融合辨识

对带已知有色观测噪声的未知自回归滑动平均模型(ARMA)模型,提出了一种两段信息融合辨识方法:第一段用递推辅助变量(RIV)算法得到自回归(AR)参数的局部和融合一致估值,第二段用Gevers-Wouters算法和用伪逆求解线性方程组方法得到滑动平均(MA)参数和噪声方差的局部和融合一致估值。该方法可用于语言增强信号处理问题。一个仿真例子说明其有效性。     

ARMA模型参数估计的两段最小二乘法

提出了自回归滑动平均(ARMA)模型参数估计的两段最小二乘法。首先用递推最小二乘法对真实ARMA模型拟合高阶自回归(AR)模型,然后基于所拟合的AR模型参数,用最小二乘法解一个不相容代数方程组得到ARMA模型参数。一个仿真的例子说明了其有效性。     

ARMA模型参数估计的GW-LS两段算法

提出了新的GW-LS两段算法,很好地改善了自回归滑动平均(ARMA)模型参数估计的性能。首先摈弃传统的拟合到AR模型的思考方法,而是基于ARMA模型的相关函数用Gevers-Wouters(GW)算法对ARMA模型拟合到高阶滑动平均(MA)模型;然后在拟合的MA模型参数基础上,用最小二乘(LS)算法求解一个不相容的线性方程组,从而估计出ARMA模型参数。最终的仿真实例说明了本算法较高精度、较快速度的收敛特性。     

带有色观测噪声的自适应滤波算法

对于带有色观测噪声的系统,基于最小二乘准则(LS),提出了递推增广最小二乘算法(RLSE),该自适应算法能显著减小噪声的影响,提高信号质量.并在此基础上提出了计算噪声方差的估值方法.计算机仿真例子和信噪比的计算证明了算法的正确性和有效性.     

带有色观测噪声的改进自适应滤波算法

在噪声消除系统中,若观测噪声为有色噪声,则基于最小二乘准则(LS),提出了两段RLS-RELS算法,这是一种改进的递推增广最小二乘法,该自适应算法能显著减小噪声的影响,提高信号质量.并在此基础上提出了计算噪声方差的估值方法.计算机数值仿真例子和信噪比的计算比较证明了算法的正确性和有效性.     

有色噪声观测量的逐次静态滤波

配置的函数模型中除包含承机部分外，还包含非随机部分，给出了有色噪声情况下的逐步配置理论与方法。根据广义最小二乘原理推导出有色噪声情况下逐步配置的方法，即通过改化各观测方程，将有色噪声观测值改化成白噪声的观测值，然后用白噪声逐步配置公式进行计算，利用有色噪声观测值的逐步配置的理论，可消去观测方程的相关性，减少计算时间和内存，使编写计算程序简单化。提出的逐步配置理论是相关观测值逐次间接平差理论的推广，既相关观测值逐次间接平差、白噪声情况下静态逐步配置和白噪声所驱动的有色噪声的静态逐步配置都是有色噪声观测值的逐步配置的特例。     

噪声为ARMA序列时变参数估计

本文利用最小二乘估计给出噪声为 ＡＲＭＡ序列线性模型中时变参数估计,并讨论了估计量的相容性问题．     

有色噪声观测量的逐次静态滤波方法

根据广义最小二乘原理推导出有色噪声情况下的逐次静态滤波的关系式，即通过改化各观测方程，将有噪声观测值改化为白噪声的虚拟观测值，然后按白噪声逐次滤波公式进行滤波,贞时，推导出有色噪声观测量逐次滤波后精度评定的理论公式。有色噪声的逐次静态滤波理论有效地解决了GPS载波相位观测值经过测站间，卫星间，历元间的三次差分计算后，观测方程的相关性造成的协方差矩阵容量过大问题，利用这一理论，消除了各历元间隔观测方程的相关性，节省了数据处理时间和计算机内存。     

ARMA模型识别及参数估计的新方法

基于随机模拟的方法，利用可逆跳MCMC算法讨论了ARMA模型的识别和参数估计。     

改进的递推增广最小二乘参数估计方法

基于用递推最小二乘(RLS)法拟合高阶自回归(AR)模型得到的白噪声估值,提出了自回归滑动平均(ARMA)模型参数估计的一种改进的递推增广最小二乘法。它由两段RLS算法组成,可在线实现,具有快的收敛速度。一个仿真例子说明了其有效性。     

带MA有色观测噪声的单通道多传感器信息融合Wiener滤波器

应用现代时间序列分析方法,基于ARMA新息模型、白噪声估值器和观测预报器,对带滑动平均(MA)有色观测噪声的单通道ARMA信号,在线性最小方差最优信息融合准则下,提出了多传感器信息融合Wiener滤波器,可统一处理滤波、平滑和预报问题。提出了用于得到最优加权系数的局部滤波误差方差和协方差计算公式。同单传感器情形相比,可提高滤波精度。一个目标跟踪系统的仿真例子说明了其有效性。     

带有色观测噪声系统统一的Wiener状态估值器

通过对观测方程的线性变化,将带有色观测噪声系统化为带白色观测噪声的系统。基于自回归滑动平均（ARMA）新息模型,由稳态最优Kalman估值器导出了渐近稳定的Wiener状态估值器,可统一处理滤波、平滑和预报问题。一个仿真例子说明它们的有效性。     

基于共轭梯度迭代算法受控AR模型的参数辨识

推导了单输入单输出系统的辅助模型,它有助于减少计算量和提高共轭梯度迭代算法（新算法）的收敛速度.相比于受控移动平均模型中所提出的交互式随机梯度算法,新算法用更少的迭代步骤就可求出模型的参数估计.另外,新算法能避免出现矩阵的逆矩阵形式.对新算法与双共轭梯度算法进行比较,并给出数值实例检验新算法的有效性.     

非线性时间序列ARMA模型的优化估计法

提供了一种ARMA模型参数的优化估计法—阻尼最小二乘法,它结合了Newton法和最速下降法的优点,既保证了迭代计算的收敛性,又加快了收敛的速度.当初值的精度较差时,更宜采用阻尼最小二乘法.而且本文给出实例的MATLAB程序,并利用t统计量检验出:阻尼最小二乘法要比最小二乘法的参数估计值更为显著,拟合模型更优.     

基于时不变ARMA模型的线性多自由度结构参数识别

简单介绍了时不变ARMA模型的数学描述,并阐述了结构参数与ARMA模型参数之间的对应关系：通过实例分析说明了ARMA模型用于工程结构识别的可行性;最后用一维ARX模型和ARVX模型对同一结构进行识别,从而得出多维模型在结构识别领域有更广阔的应用前景。     

不确定观测ARMA信号滤波器设计

将具有不确定观测的ARMA信号滤波问题转化为具有不确定观测的状态空间模型的状态和白噪声滤波问题.利用射影理论,推导出了在线性最小方差意义下状态滤波器和白噪声滤波器.进而获得具有不确定观测的ARMA信号滤波器.对于存在不确定观测的ARMA信号,以往在完整观测数据下的AMRA 信号滤波算法已经失去最优性.当不存在观测数据丢失时,算法等同于以往最优ARMA信号滤波器.仿真例子说明了其有效性.     

遗传算法在 IRT 模型参数估计中的应用

IRT(项目反应理论)在现代教育考试与测量中的研究和应用正日益受到广泛关注,本文阐述了遗传算法在IRT模型参数估计中的应用。     

一种用于噪声估计的改进最小值搜索方法

含噪语音短时功率谱的最小值搜索是噪声估计的基础。为了提高非平稳噪声估计的准确性,减小噪声水平上升时的噪声估计延时,提出了一种同时使用大、小两个搜索窗进行并行搜索的方法,最小值搜索的最终结果由两个并行搜索结果和基于噪声分类的语音存在二值判决共同决定。实验结果表明:对于高度非平稳的噪声,该方法能够有效地减小噪声估计的延时问题,显著提高增强后语音的质量。