基于Burg法AR模型谱估计的涡街流量计旋涡脱落频率提取

为了从含噪信号中准确高效地提取出旋涡脱落频率,采用基于Burg算法的AR模型谱估计对测量介质为水、流量范围为3~35 m;3;/h的涡街流量计输出信号进行分析,讨论AR模型阶次对旋涡脱落频率估计性能的影响,建立频率相对误差小于3%的AR模型最小阶次与旋涡脱落频率的拟合关系式。结果表明,基于Burg算法的AR模型谱估计对涡街流量计旋涡脱落频率的提取精度较高;AR模型的阶次对Burg算法的谱估计精度和计算效率有重要影响,应选用匹配的AR模型阶次对涡街流量计输出信号进行估计;AR模型最小阶次随旋涡脱落频率的增大而减小。     

一种改善AR谱估计性能的分频段方法

本文研究了一种改善AR谱估计的有效和实用的方法,即在固定分辨率的情况下降低AR模型阶次,或在阶次一定(或降低)的情况下改进其谱估计分辨率的方法.该方法是通过对数据序列的频带进行限制,以减小分析频带外的噪声能量和通过选抽降低原序列采样率来实现的.仿真结果和实例表明,该方法对于宽带信号的AR谱估计是十分有效的.     

AR模型功率谱估计常用算法的性能比较

功率谱估计是分析随机信号的一种重要方法.通过分析AR模型功率谱估计,介绍AR模型参数提取的L-D算法、Burg算法和Marple算法,并利用计算机仿真比较三者的性能.     

对电力系统谐波的参数方法的功率谱估计及滤波处理

基于MATLAB建立电力系统谐波的几种参数方法功率谱估计模型,用差分滤波技术滤除谐波,并通过分析AR模型这种方法功率谱估计的谱特点,得出它的应用范围和条件,针对应用普遍算法最简单的AR模型进行详细分析,将它与经典功率谱估计进行比较,得出谱估计和差分滤波幅频特性的一些特点.     

Burg谱的阶数依赖性与最佳正则化参数的选择

利用Burg法分析了被白噪声污染的功率谱,并将结果与传统周期图法进行了比较。当阶数比较小时,Burg谱比较平坦,信号被噪声掩盖;随着阶数的增加,分辨率增加;当阶数进一步增加时,虚假峰出现,并逐渐增多,以至于信号被噪声淹没。这一结果表明,系统一定存在某个阶数,在这个阶数附近Burg谱质量最好。指出了这个阶数就是最佳正则参数;而且还指出了,只需进一步考虑残差向量的归一化累积误差,并同K-S判据相结合就可以确定它。     

AR谱估计测向法性能分析和参数选择

该文介绍AR模型参数的最小范数估计及其应用于线性阵列测向中的性能和系统最佳参数的选取。对于不同阵元数都存在一个最佳回归长度。在最佳回归长度条件下,给出目标分辨率和目标方向估计的相对精度。     

基于Burg算法与卡尔曼滤波的有色噪声状态估计

探讨一种有色噪声卡尔曼滤波算法。基于静态环境下多传感器的噪声信号,借助Burg算法和自回归模型,获得可在线估计噪声信号的噪声模型,进而结合经典卡尔曼滤波算法,获得可估计系统状态的有色噪声卡尔曼滤波模型。数值实验结果比较显示该模型对系统的状态估计精度高、噪声抑制能力强。     

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.     

功率谱估计在心电信号处理方面的应用

频谱心电图(FCG),即心电信号的功率谱估计图,是一种心脏检查新技术。本文首先在Welch法、自相关法和Burg法中选取综合性能比较好的Burg法作为谱估计方法,其次通过对几种心电图信号的Burg法谱估计结果作分析,发现频谱心电图对病症敏感性强,对心血管疾病的早期诊断有一定的临床意义。相关结果用Matlab仿真。     

非参数模型谱估计算法性能比较

介绍了各种非参数模型功率谱估计算法,对各种算法的谱估计质量从理论上进行了分析比较,并通过Matlab仿真验证了理论分析的正确性．对于使用较广泛的Welch法进行了深入的研究,给出了窗函数选择的一般要求,通过仿真分析了不同的窗函数对Welch法谱估计质量的影响,比较了它们的优缺点．     

扰动项序列自回归模型参数的最小二乘估计

提出一种求解扰动项序列自相关系数及估计回归模型参数B的迭代方法．证明了该迭代方法关于残差平方和具有全局收敛性质．     

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.     

自回归模型参数的最小二乘估计

利用约束规划及计算数学理论 ,讨论自回归模型参数的精确估计方法 ,给出求解参数的方法 ,计算量约为 O(N)个运算量 .此估计与原来的损失样本信息条件下的最小二乘估计法求解的工作量 O(N)基本等价 ,因此是一个可行的精确估计方法 .     

混合自回归条件异方差模型的谱分析

线性时间序列模型谱密度的计算可以直接由定义获得,而非线性时间序列模型谱密度的计算目前还没有一般的理论.2001年Wong Chun-shan等将混合自回归(MAR)模型推广到混合自回归条件异方差(MAR-ARCH)模型,并且讨论了该模型的参数估计及模型选择问题,本文导出了MAR-ARCH模型自协方差函数的递推关系式及计...     

超声多普勒血流信号自回归谱分析系统的研制

本文介绍以IBM—PC/XT机为基础的离线自回归谱分析系统,给出该系统对多普勒血流信号处理所获得的动态功率谱。实验结果表明,该系统对血流信号的处理结果,与FFT系统的处理结果相比,具有分辨率高、方差小等优点。     

利用同步自回归模型和小波特征进行纹理图像分割

为了提高纹理图像分割的边缘准确性和区域一致性,提出了一种利用同步自回归模型和小波特征实现纹理图像分割的方法,包括特征提取、粗分割和细分割3个阶段．先提取图像的同步自回归模型参数特征,然后利用K-均值聚类实现对纹理图像的粗分割,细分割则是在粗分割的基础上提取图像的小波特征,然后利用最小距离分类器对粗分割图像中不稳定象素进行重新分类,实现图像的最后分割。     

非线性约束条件的平稳自回归模型的L1 估计

L1－估计是统计问题中一个重要估计,时间序列模型的L1－估计问题是非常重要的,这些估计量的多种性质都被研究过,许多统计学者讨论它在无约束条件下情况下的估计问题及其有关性质,且得到了较好的结果,然而,仍有一些基本问题有待解决,本文讨论了平稳自回归模型的L1－估计在非线性约束条件下的渐近性质,该约束条件是由非线性等式和不等式给出,这种估计问题属于随机优化问题,用最优化的方法克服非线性约束问题在估计研究上的困难,为估计提供了一个新的途径,并得到L1－估计问题的相关结果。     

股市预测的一个随机时间序列模型及其实证

给出了将非平稳时间序列转化为平稳序列构建自回归模型的步骤和方法.将这一方法具体运用于上证指数的预测,并证实该方法与实际吻合很好.最后讨论了该方法运用于股市波段预测应注意的问题.