基于周期图的自适应谱估计方法

移动的修正周期图谱估计方法在实时处理和非平稳信号处理的场合中是常用的一种有效方法。本文利用其相邻时刻数据组中的数据大量重叠的特点,提出一种谱递推形式的快速自适应谱估计方法,显著地减小了原方法的运算量。     

基于Matlab的Welch法功率谱估计

在经典谱估计领域,由Welch提出的修正周期图法获得了有效的应用,在多数情况下,其频率分辨率、估计方差能满足实际应用.运用Matlab软件进行Welch算法仿真与分析,从而得出一些有价值的结论.     

信号处理——自相关和谱估计

利用给定的一组样本数据估计一个平稳随机信号的功率谱密度称为功率谱估计。在许多工程应用中，功率谱的分析和估计是十分重要的，因为它能给出被分析对象的能量随频率的分布情况。这本教科书是适用于研究生水平的信号处理著作，主要讲述现代谱估计理论。     

非平稳信号的时变自回归建模及其在轴承故障诊断中的应用

基于时变自回归（TVAR）方法实现了非平稳随机信号的参数化建模,提出采用最小信息准则确定模型阶数．通过多分量线性调频仿真信号的时变谱估计,表明该方法分辨率高,没有交叉项的干扰,计算速度快．在仿真分析的基础上,应用参数化时频谱和BP神经网络方法进行滚动轴承故障信号的分类和辨识,并基于能量法对时频图进行特征提取．分析结果表明,时变自回归方法的拟合精度高,能有效提取轴承故障信号特征,同时结合神经网络能对故障进行准确诊断．     

基于海浪谱的风暴潮海浪数值仿真与功率谱估计

基于随机海浪的数学模型,采用改进的JONSWAP谱,以最高风暴潮位对应的有效波高和平均周期作为海浪谱的特征参数;利用谱分析法,通过MATLAB编程实现了风暴潮浪的数值仿真,模拟得到的风暴潮极值潮位与文献所给的试验数据较为吻合。最后,根据welch算法基本原理,利用MATLAB中的pwelch函数对海浪的仿真结果进行了功率谱估计,证明其仿真效果良好。     

马尔可夫过程的低秩谱估计

针对马尔可夫过程的谱估计算法利用了非负投影而导致估计矩阵不能满足低秩要求的问题，提出一个低秩谱估计算法(Low-rank Spectral Estimation Algorithm, LRSEA):首先，建立秩约束状态转移矩阵集合的局部Lipschitz型误差界，并给出满足该集合误差界不等式的近似投影矩阵; 然后，基于近似投影矩阵对现有的谱估计算法进行低秩修正，得到LRSEA算法，并为该算法建立统计误差界。通过人工合成数据实验对LRSEA算法、经验估计方法和谱估计方法进行比较，结果表明LRSEA算法的估计误差最小。最后，将LRSEA算法与k-均值聚类算法结合应用到纽约市曼哈顿岛出租车轨迹的分析问题。