基于输出累积量的 ARMA(AR)系统的一致性阶次递推辩识(英文)

本文提出了一种根据系统输出的观测数据对ARMA（AR）系统进行盲识别的新算法。该模型由独立同分布非高斯随机序列驱动，其输出序列中含方差未知的加性高斯噪声。通过求解基于三阶累积量谱的代价函数，该算法以模型阶次递推形式同时辩识ARMA的系统阶次和估计出系统参数。文章给出了该算法一致收敛性的证明，并对两类不同阶次的最小及非最小相位ARMA系统的AR参数及阶次辩识进行了数字仿真，结果令人满意。     

AR和MEM谱值的一种快速算法

本文导出了用一定的递推关系计算AR和MEM谱值的一种快速算法,将原来计算AR和MEM谱值中的三角函数的复数运算改为一般自然数的复数运算,使计算谱值的速度提高了三倍多。同样,此法也可用于ARMA谱估计的谱值计算中。     

一种新的平稳随机信号功率谱估计法

本文在随机过程ARMA模型参数的估计上提出了一种新方法.新算法基于超定MYW方程求解AR系数,修正了J.A.Cadzow提出的目标函数和加权函数;并推出一种分级白化估谱法以获得初始滤波参数,这是一种新的谱估计概念,结构简单.新算法的计算量远小于Cadzow法,实验结果显示了优良的谱估计性能.     

基于子空间分解的频率估计

以随机幅度正弦波信号为研究对象,推导出等效ARMA过程的Yule-Walker方程,给出了修正ESPRIT频率估计法,从而解决了经典谱分析法中存在的谱泄露和低精度的问题。用于频率估计的修正ESPRIT法计算时无需进行标准ESPRIT法中涉及的第二个特征值分解,计算量小。用Matlab实现了基于ARMA模型的算法和Monte Carlo仿真,并讨论了采样点数N、模型阶数p以及m等参数对估计器性能的影响。仿真结果表明:模型阶数p、采样点数N以及m等参数的选取不同程度地影响估计器的性能,其中模型阶数p的选取最为关键。最后,基于模型定阶和更新,提出了改进算法。     

ARMA谱的自适应Kalman估计法

本文从Kalman滤波的角度提出了一种ARMA谱的自适应估计法,导出了适用于ARMA模型的时间递归Kalman增益快速计算法,其计算量与滤波器的阶数成正比,并给出了些ARMA谱估计法的一致收敛性定理。较诸常用的超定方程法和辅助变量法,本方法具有能保证估计谱的正性、且能实时地识别出ARMA过程参量的优点。数值计算表明,所述方法有着良好的分辨率。     

OSHIARMA预测模型在WSN入侵检测系统中的应用

针对WSN对安全的特殊要求,提出一种基于流量序列的ARMA(2,1)估计方法.新方法通过确定ARMA模型的AR参数可以获得ARMA的流量谱,再与预测值相比较,通过计算机仿真达到对WSN的入侵检测.     

用G变换法对ARMA模型定阶的研究

本文研究了用G变换法确定ARMA模型阶数的方法,给出了无条件G谱估计法的定阶表达式,提出了先定阶后求取模型系数的建模策略,经过计算机模拟实验,证实了本文定阶方法的优越性,所得结论对进一步研究时间序列分析及其在复杂系统处理中的应用具有意义。     

基于Durbin与Burg算法的AR SαS有色噪声α谱估计

稳定分布可更好地描述实际中所遇到的具有显著脉冲特性的随机噪声。在简要介绍稳定分布统计特性的基础上,描述了稳定分布的谱表示。为了对AR SαS过程进行α谱估值,通过对广义Yule-Walker方程进行分析,借鉴杜宾推算法和Burg算法推导了一种求解广义Yule-Walker方程的新方法。仿真结果表明,该方法能够较为准确地估计出AR模型参数,且能准确地估计出AR SαS过程的α谱。     

ARMA过程超定Yule—walker方程的递归快速求解法

实现ARMA过程AR参数估计的一种有效手段是解由修正Yule-Walker等式组成的超定方程组。本文导出了超定Yule-Walker方程组的一种递归快速求解法,它具有以下优点:1)把直接求广义逆法所需的P~2N+O(P~3)量级的计算量减小到PN量级,避免了矩阵求逆问题,这里P和N分别是模型阶数和采样数据点数;2)通过对递归过程中拟合残差的观察,用合适的中间参数估计结果作为最终所求结果,从而提高参数估计的精度。文中用数值结果说明了所给方法的实际运用。     

基于稀疏迭代协方差矩阵的谐波参数快速估计方法

针对稀疏迭代协方差估计(sparse iterative covariance-based estimation, SPICE)方法功率谱估计精度较低和计算复杂度较高的局限性,提出了一种基于稀疏迭代协方差矩阵的谐波信号功率谱和频率参数的快速估计方法。该方法主要结合渐近最小方差准则和快速傅里叶变换,对功率谱参数进行快速迭代校正估计。首先,使用SPICE算法得到功率谱和频率参数的初估计。然后,通过渐近最小方差准则得到功率谱参数的迭代校正表达式。最后,利用功率谱迭代校正式获得谐波信号的功率谱和频率参数的估计。为提高算法的计算效率,利用观测数据协方差矩阵的Toeplitz结构和导向矢量的指数形式,对协方差矩阵进行(Gohberg-Semencul, G-S)分解,通过快速傅里叶变换对协方差矩阵求逆和矩阵与向量相乘部分进行求解,从而使参数估计的计算时间大大减少。仿真实验表明,验证了所提算法对谐波功率谱和频率参数具有较高的估计精度,并且计算复杂度较低。      

AR模型的韧性(Robust)估计——GM估计方法

数据序列中少量异常值(Outliers)的存在会严重破坏传统最优化估计方法的估值性能,这时须采用韧性估计方法才有效。GM估计是解决AR模型参数估计问题的一种比较有效的韧性方法。本文在讨论这种估计方法的同时,着重研究了GM估计辅助方程中待定参数β的求定问题。针对常见情况导出了一套计算β的近似公式,选定了该参数。文中给出了几组计算机模拟例,并与最小二乘法和最大熵分析法的估值结果进行了比较。数值结果表明,当序列中存在异常值时,这两种方法的估值结果严重变坏,但GM估计结果却仍然保持十分有效。 本文还讨论了AR模型的韧性定阶问题,提出一种韧性定阶方法,并给出了计算机仿真试验例。     

最大熵方法和参数谱估计(续)

四、ARMA参数谱估计 1.概述用比AR更复杂的ARMA模型表示一个随机过程出于以下的几个原因。首先,它只需要较少的参数。其次,在某些情况下,ARMA模型具有特殊的物理意义,例如在地震探测中,它表示完全弹性的水平分层介质的冲激响应。第三,如前所述,白噪声中的AR过程符合一个ARMA(M,M)模     

一维平稳随机过程的递推最佳滤波

本文提出了利用定常卡尔曼滤波来实现任意一维平稳随机过程递推最佳滤波的方法。该法首先对已知非有理功率谱进行有理谱逼近,并将有理谱进行乘性谱分解,得到相应的ARMA模型,然后将ARMA模型转化为扩充维数形式的马尔可夫状态空间模型,再利用定常卡尔曼滤波递推公式进行递推滤波。文中给出了模拟计算结果,并与维纳滤波法给出的结果进行了比较,数值计算结果表明,两种方法的结果完全一致。     

一种新的高分辨率谱分析法：最小对称发散度谱分析法

本文提出了一种新的高分辨率谱分析法——最小对称发散度(MSD)谱分析法。该方法把最小交叉熵谱分析法(MGEM)所使用的最小非对称发散度准则修改为MSD准则,使得它利用了先验谱中含有的全部平均鉴别信息,从而给出了性能优于MCE谱的谱估计。本文还开发了MSDM的非迭代快速算法,该算法把MEM算法拓广应用于计算随机信号的MSD谱,因此它具有与MEM算法相同的计算有效性。计算机模拟例证了本文开发的MSDM及其快速算法的正确和有效,也例证了MSD谱的性能明显优于MCE谱。     

多子阵互耦条件下的一维波达方向估计及互耦自校正

该文研究多子阵(multiple subarrays)阵元互耦条件下的波达方向(DOA)估计,假设阵列由多个位置已知的均匀线阵(ULA)组成,但线阵阵元间存在互耦效应。利用均匀线阵互耦矩阵的带状、对称Toeplitz性及多子阵互耦矩阵的块状对角特性,提出了一种解耦合波达方向估计及互耦自校正算法。该算法在未知阵元互耦参数的情况下,可准确估计出信源的波达方向。另外,算法在精确估计波达方向的同时,还可准确估计出阵元间的互耦系数,实现多子阵的互耦自校正。算法的波达方向估计只需一维谱峰搜索,避免了通常多参数联合估计的多维非线性搜索及迭代运算,可明显减小算法运算量。文中讨论了算法参数可辨识性的必要条件,并分析计算了多参数联合估计的克拉美-罗界(CRB)。理论分析及蒙特卡罗仿真结果表明,该算法具有计算量小、DOA估计分辨力高、互耦校正效果好等优点。     

圆阵二维MUSIC谱快速计算方法研究

针对二维波达方向估计时MUSIC谱的快速计算问题,研究了均匀圆阵变换到虚拟线阵的MUSIC算法(UCA-ULA-MUSIC)、流形分离MUSIC算法(MS-MUSIC)、傅立叶域线性求根MUSIC算法(FD-Line-Search-MUSIC)、基于FFT的 元均匀圆阵MUSIC算法( -UCA-FFT-MUSIC)与基于FFT的任意圆阵MUSIC算法(ACA-FFT-MUSIC)。对各种算法快速计算二维MUSIC谱的实现步骤进行了总结。在此基础上,给出了各算法计算二维MUSIC谱的计算复杂度表达式,并以传统方法为参考,对比了各种快速算法相对于传统方法的计算复杂度比值;同时,针对不同的阵列形式,对适用的快速算法的测向性能进行了仿真对比。根据分析和对比的结果,指出MS-MUSIC算法与ACA-FFT-MUSIC算法具有更高的工程应用价值,由具体的情况单独或分频段联合使用MS-MUSIC算法与ACA-FFT-MUSIC算法,可以使测向系统较好的兼顾测向性能与时效性。      

基于协方差匹配技术的互耦和幅相误差联合校正算法

 提出了基于协方差匹配技术的均匀线阵互耦和幅相误差联合校正算法.首先,根据协方差匹配技术中的目标函数和均匀线阵的误差模型,设计了一种交替迭代算法用以实现各种参数的优化计算.接着,为了避免该算法中的每轮循环迭代都需要进行波达方向估计这一复杂环节,利用理想条件均匀线阵协方差阵的Toeplitz性,给出了另一种改进型交替迭代算法用以减少计算复杂度.与基于子空间技术的阵列误差校正方法相比,文中的两种新算法可直接利用信源的统计特性,并且适用于不同的高斯噪声模型(例如噪声功率不一致),仿真实验验证了新算法的有效性和优越性.     

一种基于平行因子分析的近场源定位新方法

本文提出了一种基于平行因子分析的近场窄带信源频率、距离及二维到达角联合估计新算法.首先给出一种新的十字阵列;然后结合Toeplitz矩阵的结构特点,选择特定序号阵元输出计算的高阶累积量巧妙构造5个Toeplitz矩阵;接着在高阶累积量域构造平行因子分析模型,分析了该模型低秩分解的唯一性,并从其分解得到的矩阵中联合估计信源参数.与现有方法相比,该算法有效降低了阵列的孔径损失,无须参数配对.仿真结果表明该算法是有效的.     

利用格形滤波器进行ARMA模型的迭代回归估计方法(英文)

本文提出了一种基于迭代最小平方回归的高斯平稳ARMA模型参数估计的新方法。这一方法中格形滤波器起到关键作用。文中证明了ARMA(p,q)模型的AR参数可由(p+q)级格形白化滤波器作一致估计,作少量附加运算,MA参数的估计也可以用本法获得。     

基于时间序列预报模型的船摇前馈量计算

船摇前馈控制是船载雷达克服船摇扰动的主要手段之一,而船摇数据的精确预报是决定船摇前馈补偿量计算精度和补偿效果的关键因素.该文建立了船摇数据的时间序列AR(P)模型,介绍了模型定阶和参数识别方法,给出了船摇数据滤波值和预报值的计算公式.通过对时间序列船摇预报的精度和实时应用性能分析,结果表明该AR(P)模型船摇预报方法可提高一个数量级的精度,并且满足工程应用的实时性要求.在时间序列船摇预报的基础上,最后给出了船摇前馈补偿量的计算方法.