ARMA模型法生成粉红噪声的研究

针对现有粉红噪声的生成方法所存在的计算过程复杂,与理想粉红噪声相比偏差较大等问题,本文提出了一种利用自回归滑动平均(ARMA)模型法生成粉红噪声的新方法。首先,构造一个待定系数的ARMA模型,并通过Z变换和功率谱估计的公式进行推导;其次,利用已知的粉红噪声模拟滤波器的传递函数H(s)和双线性Z变换法推导出IIR数字滤波器的传递函数H(z),进而得到粉红噪声的ARMA模型;最后,利用MATLAB对生成的粉红噪声进行功率谱估计并与理想的粉红噪声进行对比。由MATLAB仿真结果可知,利用该方法生成的粉红噪声与理想的粉红噪声拟合度更高,完全符合粉红噪声的各项性能要求。     

Kalman滤波在Yule-Walker谱估计中的应用

在现代谱估计中,由于Yule-Walker沃克谱估计算法中平稳随机序列的长度n在某些情况下偏小,使计算出的ARMA随机过程的功率谱密度不能精确逼近真实值,所以我们在用自相关法估计AR模型参数时加入了kalman滤波器。将估计的AR模型系数及高斯白噪声作为滤波器的输入及部分参数,对最终估计的功率谱进行修正。实验结果表明,...     

基于MATLAB/SIMULINK的电压波动及闪变测量研究

以国际电工委员会(IEC)推荐的闪变测量原理框图及设计规范为依据,讨论了系统框图中各环节的传递函数,并利用双线性变换法,将各模拟滤波器变换为数字滤波器,研究了电压波动及闪变测量的数字化计算方法.最后利用MATLAB/SIMULINK软件搭建了仿真模型,对电压波动分量、瞬时闪变视感度S(t)及短时间闪变值Pst进行测量.仿真结果符合IEC闪变测量精度要求,为进一步构建电压波动及闪变测量仪提供一定的理论基础.     

估计ARMA过程功率谱的一个方法

对于时间序列分析,常会遇到功率谱(简称作谱)的估计问题.在和中给出了估计ARMA过程谱的一些方法,但涉及解非线性方程组.本文给出一个估计ARMA谱的方法,它不涉及解非线性方程,只需估计出ARMA模型中的自回归参数并用序列的自相关就可得到混合模型的谱估计.我们对此方法作了详细推导并给出了数值实例.     

关于双正交滤波器组构造的修正

《小波变换的工作分析和应用》一书中提出其构造双正交滤波器组的总传递函数应满足Hν(z)H1(-Z)-H1(Z)H0(-Z)=2的条件这个阐述在理论上是不能成立的,会引起对学生的误导。为此本文对双正交滤波器组重新进行讨论,并在理论上严格地加以证明,为以后进一步讨论设计双正交滤波器提供理论依据。     

MATLAB在数字控制系统设计中的两则应用问题

运用采样控制理论,从时域表达式出发,推导出了一阶保持器和三角形保持器的传递函数.以一阶惯性环节为例,分析出在应用MATLAB中的函数c2dm将连续模型转化为离散模型的过程中,当"method"选项为"foh"时,其结果并不是采用一阶保持器的Z传递函数, 而是采用三角形保持器的Z传递函数.另外,还分析了采用MATLAB进行双线性变换时精度的选择对离散模型性能的影响.对于控制系统设计人员和仿真工作人员具有很好的借鉴作用.     

基于MATLAB／SIMUUNK的电压波动及闪变测量研究

本文以国际电工技术委员会（IEC）推荐的闪变测量原理框图及设计规范为依据,首先讨论了系统框图中各环节的传递函数,然后利用双线性变换法,将各模拟滤波器变换为数字滤波器,并研究了电压波动及闪变测量的数字化计算方法。最后利用MATLAB／SIMULINK软件搭建了仿真模型,对电压波动分量、瞬时闪变视感度S（t）及短时间闪变值Pst进行测量。仿真结果符合IEC闪变测量精度要求,为进一步构建电压波动及闪变测量仪提供了一定的理论基础。     

只估计AR参数的ARMA(p,q)谱估计的新算法

本文提出一种估计自回归AR参数的新算法.新算法采用递推Householder变换算法. 文中给出了ARMA(4,4)仿真计算例子及两个正弦加白噪声的仿真计算结果,并与最小二乘 法的计算结果进行了比较.结果表明新算法在分辨率和估计质量方面均优于最小二乘法和已 有的谱估计方法,也说明用提高算法稳定性的方法可解决负谱问题和提高谱估计质量.     

AR模型功率谱估计及Matlab实现

功率谱估计是分析随机信号的一种重要方法,是信息学科的研究热点。文章介绍了现代功率谱估计中AR模型参数的几种典型求解算法,并借助MATLAB平台对各种算法的功率谱进行仿真。     

基于FPGA的数字Costas锁相环路的设计

介绍了应用EDA技术设计嵌入式全数字Costas锁相环路的方法．建立了连续域环路线性模型，给出环路方程，并利用连续域和离散的变换关系，即Laplace变换和Z变换的关系，由连续域环路的线性相位模型推导出了离散域环路的线性相位模型，由此来讨论二阶Costas环路在离散域实现方法，讨论了离散域中环路滤波器的传递函数及实现，讨论了DCO的离散设计方法及实现，并采用从逻辑电路的顶层到底层以及模块化的设计思想，用VHDL缟程语言，通过逻辑综合和仿真，可缟程逻辑器件FPGA予以实现．     

Linear identification of ARMA processes

A new method for estimating the parameters of an ARMA process is presented. The method consists of three linear least-squares estimations. In the first an autoregressive model is fitted to the observation sequence, yielding an estimate of the values of the driving white noise sequence. Linear least squares is then used to fit an ARMA model to the observation and estimated white noise sequences. This model is used to filter the observation and estimated white noise sequences. Finally an ARMA model is fitted to the filtered sequences. It is shown that the resultant estimator is ‘p-consistent’ (the asymptotic bias tends to zero as the degree p of the autoregressive model tends to infinity) and is ‘p-efficient’ (the asymptotic efficiency approaches the theoretical maximum as p tends to infinity).     

应用于地震数据去卷的自校正白噪声估值器

本文把地震数据去卷问题处理为估计带观测噪声的ARMA模型的白噪声问题,应用时间 序列分析方法提出了不同于Mendel的新的稳态最优白噪声估值器,文章基于两个ARMA新 息模型的在线辨识,进一步给出了自校正白噪声估值器.     

白噪声Wiener反卷积滤波器

应用现代时间序列分析方法,基于ARMA新息模型提出了白噪声Wiener反卷积滤波器。该滤波器可统一处理滤波、平滑和预报问题,可用ARMA递推滤波器实现,适用于石油地震勘探数据处理。同多项式方法和Kalman 滤波方法相比,避免了求解Diophantine方程和Riccati方程,减少了计算负担。Bernoulli-Gaussian白噪声反卷积的仿真例子说明了其有效性。     

Modeling of the grounding resistance variation using ARMA models

This study addresses the problem of modeling the variation of the grounding resistance during the year. An AutoRegressive Moving Average (ARMA) model is fitted (off-line) on the provided actual data using the Corrected Akaike Information Criterion (AICC). The developed model is shown to fit the data in a successful manner. Difficulties occur when the provided data includes noise or errors and also when an on line/adaptive modeling is required. In both cases, and under the assumption that the provided data can be represented by an ARMA model, simultaneous order and parameter estimation of ARMA models under the presence of noise is necessary. In this paper, a new method based on the multi-model partitioning theory which is also applicable to on line/adaptive operation, is used for the solution of the above mentioned problem. The simulations show that the proposed method succeeds in selecting the correct ARMA model order and estimates the parameters accurately in very few steps and even with a small sample size. For validation purposes the method introduced is compared with three other established order selection criteria presenting very good results. The proposed method can be extremely useful in the studies of electrical engineer designers, since the variation of the grounding resistance during the year affects significantly power systems performance and must be definitely considered.     

Time-domain approaches to multichannel optimal deconvolution

Using the modern time series analysis method, based on the autoregressive moving average (ARMA) innovation model and white noise estimators, two time-domain approaches to multichannel optimal deconvolution are presented. In the first approach, the multichannel optimal deconvolution estimators are given in the ARMA innovation filters form, where the solution of the Diophantine equations is required. Their global and local asymptotic stability is proved. In the second approach, the multichannel ARMA recursive Wiener deconvolution filters without the Diophantine equations are presented, which have asymptotic stability. The relationship between the ARMA innovation filters and ARMA Wiener deconvolution filters is discussed. Each approach can handle the deconvolution filtering, smoothing and prediction problems in a unified framework. An illustrative example and two simulation examples show their effectiveness.     

多变量ARMA信号自校正最优去卷平滑估计方法及其渐近稳定性*

本文讨论信号去卷估计问题。运用新息理论和射影方法，基于ＡＲＭＡ新息模型设计多变量ＡＲＭＡ信号最优去卷平滑器，讨论了平滑器的渐近稳定性。在信号模型及噪声统计未知时，通过在线辨识ＡＲＭＡ新息模型提出了ＡＲＭＡ信号自校正去卷平滑器。     

具有随机多丢包的ARMA信号最优线性估计

研究网络环境下具有随机丢包的自回归滑动平均(ARMA)信号的估计问题,其中丢包现象通过一个满足Bernoulli分布的随机变量描述.通过ARMA模型与状态空间模型的转化,将具有丢包的ARMA信号估计问题转化为具有丢包的状态空间模型的状态和白噪声估计问题.利用射影理论分别给出线性最小方差最优线性状态估值器和白噪声估值器,进而获得ARMA信号估值器.仿真结果表明,当存在数据丢失时,所提出的算法与以往基于完整数据的最优估计算法相比具有最优性和有效性.     

非平稳ARMA信号自校正滤波器及其应用

本文处理带白色观测噪声的非平稳ARMA信号估计问题.应用状态空间方法和现代时 间序列分析方法[1],基于ARMA新息模型,提出了非平稳ARMA信号自校正滤波器,推广了 Hagander和Wittenmafk的结果[2],并给出了在雷达跟踪系统和检测数据数字滤波方面的应 用.仿真结果说明了本文结果的实用性和有效性.