ASYMPTOTIC BEHAVIOR OF THE ESTIMATES OF HIGHER ORDER SPECTRA UNDER TRUNCATED WINDOW

ＡＳＹＭＰＴＯＴＩＣＢＥＨＡＶＩＯＲＯＦＴＨＥＥＳＴＩＭＡＴＥＳＯＦＨＩＧＨＥＲＯＲＤＥＲＳＰＥＣＴＲＡＵＮＤＥＲＴＲＵＮＣＡＴＥＤＷＩＮＤＯＷＹＵＤａｎ（ＩｎｓｔｉｔｕｔｅｏｆＳｙｓｔｅｍｓＳｃｉｅｎｃｅ，ＡｃａｄｅｍｉａＳｉｎｉｃａ，Ｂｅｉｊｉｎ...     

基于分频段ABAP谱减法的鸟叫声分类研究

针对带噪鸟叫声,用自适应Bartlett平均周期图(ABAP)完成噪声估计,进行分频段谱减去噪后,提取经过二维离散余弦变换的Mel频率倒谱系数动态声音特征(TDMFCC).最后,利用支持向量机(SVM)分别结合MFCC、TDMFCC以及经过分频段ABAP谱减法降噪后的MFCC和TDMFCC对30种鸟叫声进行不同背景环境和信噪比情况下的对比实验.结果表明,分频段ABAP谱减法降噪后提取TDMFCC结合SVM的方法可以取得较好的分类效果,适用于噪声环境下的鸟叫声分类.     

基于MATLAB的线性法功率谱估计仿真

功率谱估计是数字信号处理中的一个重要组成部分,其理论研究已经非常成熟,但是传统的仿真实现由于计算量的庞大而往往令人望而却步。作者采用功能强大的MATLAB软件对常用的几种线性法功率谱估计进行了仿真,从实验的角度讨论了这几种功率谱估计法的优缺点,便于在实际工作中做出合理的选择。     

颈动脉搏动波的谱分析

采用周期图法和AR参数模型法分别对颈动脉搏动波进行了功率谱分析．分析结果表明，从脉搏波功率谱的主峰及谱分布稳定性的角度来说，周期图法比AR参数模型法具有更优越的性能．     

时间序列分析的历史发展

阐述了时间序列分析的发展历程：早期自然科学主要应用单纯的描述性分析;差分、指数和滑动平均等基本概念推动了统计性时序分析的发展;以Fourier级数为基础的周期图方法是频域分析的核心内容;时域分析经过了从AR（2）模型、AR（4）模型→AR（s）模型＋MA（h）模型→AR-MA（s,h）模型→ARIMA模型→ARCH、ARCH族模型的漫长过程.     

功率谱分析方法在周期分析中的应用

以谱估计理论为基础,对周期图谱分析方法和最大熵谱分析方法进行了简要阐述。通过模拟信号验证了它们分析周期的可行性,并把这两种方法应用到提取太阳黑子数1750年至2008年的平滑月均值的周期分析中,获得被分析资料中隐含的平均周期分别是10.1年、11.1年、11.9年、105.3年,这个结论和实际观测非常一致。并对这两种周期分析方法进行了比较。     

平稳ARIMA(p,d,q)模型的经验似然推断

研究平稳ARIMA(p,d,q)模型的经验似然方法, 利用周
期图纵坐标I(ωj)的极限性质, 给出了参数的估计方程及Whittle’s估计因子, 并证明了
对数截面经验似然比统计量L(β)的极限分布是自由度为p+q+2的χ²分布, 同时给出了模
型参数的置信域.     

漏缺数据平稳时间序列下的谱密度估计

在天文学和医学领域,非均匀抽样数据的谱什计已获得广泛研究.这些研究通常是在周期性的探测和决定性的信号环境里进行的.本文从另外的角度考虑估计漏缺数据平稳时间序列的谱密度,提出了一种渐近无偏的估计方法.使用模拟方法把它与古典周期图、LOMB周期图以及基于SVD的周期图进行对比,结果显示这种新方法很大程度上降低了偏差.     

基于傅里叶分析的蛋白质编码区预测中功率谱密度计算方法研究

提出一种新的功率谱算法--多滑动窗周期图法.新算法和传统周期图功率谱密度算法在ALLSEQ和HMR195两个DNA序列集上进行了基因预测实验.以近似相关系数AC作为预测准确率测度,实验结果表明,新算法的预测准确率比基于传统周期图法的傅里叶分析基因预测算法有较大提高.     

基于空间网格数据的局部纠偏Whittle似然方法

基于多维网格上大规模空间数据的似然方法往往存在计算困难的问题.当样本量较大时, 因涉及协方差矩阵的求逆, 似然方法计算复杂度较高.借助观测数据的周期图而建立的Whittle似然函数,可用于近似精确似然函数. 利用快速Fourier变换,Whittle似然方法计算效率较高.然而,Whittle似然方法会产生有偏估计. 融合核函数加权与纠偏的思想,在研究周期图均值的基础上, 提出了局部纠偏Whittle似然的推断方法,并证明了局部纠偏Whittle似然估计具有渐近正态性. 模拟结果表明: 相比局部Whittle似然方法, 该方法在谱密度推断中有更好的表现.