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 m3/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．     

AR模型应用于振动信号趋势预测的研究

振动信号的趋势预测是设备状态监测与故障诊断中的一个重要内容.本文讲述了对随机信号进行建模的基本方法和模型定阶的准则,并且讨论了轴承振动信号最佳阶数选取的问题.利用现场实测数据进行验证,计算结果表明使用Burg算法的AR模型能够较好地拟合轴承振动信号时间序列,并具有一定的预测精度,可以达到预测要求.     

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．     

基于条件自回归模型的城市宏观安全分析

基于上海市外环以内263个交通分析小区的事故、道路、交通、土地利用数据,在交通分析小区层面建立贝叶斯负二项条件自回归模型,分析事故在交通分析小区层面的显著影响因素.结果表明,主、次干道长度的增加会显著增加交通分析小区内的事故数量;道路网密度、交叉口数量与小区事故数具有显著正相关性;随着客车产生量的增加,事故数量增加;土地利用强度高,相应的事故数量增多.     

一阶混合整数值二项自回归模型

首先, 针对复杂整数值时间序列数据的建模问题, 提出一类一阶混合整数值二项自回归模型; 其次, 证明该模型的严平稳遍历性, 给出模型的转移概率、 期望、 方差等概率统计性质, 并用最大似然估计方法估计模型参数; 最后, 将模型应用于消费者价格协调指数(HICP)数据的拟合中.  实例分析结果表明, 该模型比现有模型的拟合效果更好.     

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...     

基于自回归各态历经模型参数辨识的模糊双卡尔曼滤波算法的储能电池荷电状态估算

扩展卡尔曼滤波(extended Kalman filter, EKF)算法在电池荷电状态(state of charge, SOC)估算领域广泛应用。但作为一种基于模型的算法,电池模型误差影响SOC估算的精度。为了抑制电流的幅值与阶跃电流因素对模型误差的影响,提出一种动态修正观测噪声协方差的模糊双卡尔曼滤波(fuzzy dual Kalman filter, FDKF)算法。该算法首先将一阶电阻-电容(resistor-capacitance, RC)等效模型转换为自回归各态历经(autoregressive exogenous, ARX)模型的形式,用卡尔曼滤波(Kalman filter, KF)算法更新转换后模型的参数,且在SOC估算的过程中获取电流与电流变化量的数据,并通过建立模糊控制系统调整观测噪声的协方差值来抵消模型误差。结果表明:FDKF算法在某储能工况下估算误差的最大值为0.39%,小于EKF算法的3.92%和双卡尔曼滤波(dual Kalman filter, DKF)算法的1.12%,可见FDKF该算法能够有效地提升SOC估算的精度。