基于局部平稳的随机序列变化点检测及参数估计

在Kullback-Leibler对称散度的框架下,建立了检测结构变化点的辨识信息量和确定AR模型阶数的KICC准则,提出了分段拟合AR模型的系统方法,采用混合粒子群优化方法确定变化点的分布及位置,应用最小二乘法估计模型参数,提高了运算速度和精度。仿真实验表明,本文提出的随机序列变化点检测和AR模型参数估计方法,具有高度的稳定性和可靠性,是一种有效的方法。     

基于小波的非参数回归模型多变点检测

构造了基于小波系数的多变点检测算法,该算法可应用于非参数回归模型多变点检测.渚河水文时间序列实例分析结果表明,检测的结果与实际情况相符合.该方法不需要对时间序列做任何参数化的假定便能方便地检测出变点的位置,同时还能够给出变点个数的估计.     

正态统计模型均值突变的检验

提出了统计变点分析研究的意义在于研究自然界及社会各领域中有关事物的质的变化，并为这种变化的阶段性提供客观的划分标准，从正态统计模型出发，对均值变点的位置提供了一种合理，简单的估计方法，对其统计量进行推导，得到关于统计量Ｕ的分布函数的定理，对均值变点的假设检验的临界值进行计算，分别得出方差已知和方差未知时关于两种统计量Ｕ和Ｗ的检验临界值表。     

基于变点方法的软件可靠性分析

简述软件危机及其引发的软件可靠性问题,讨论软件可靠性的变点分析理论,结合Schneidewind模型提出软件可靠性变点分析的极大似然方法,并将其应用于一个实际的软件失效数据集,采用积分变换的U-图准则进行检验,结果证明了该软件可靠性变点分析方法的有效性和统计意义.     

基于多维AR模型的风速时程模拟

目的 生成空间多点的顺风向风速时程,比较不同阶AR模型的模拟效果,评价由BIC准则判定的AR模型最优阶数的合理性.方法 根据工程中普遍采用的顺风向脉动风速谱,利用MATLAB软件编制空间多点风速时程的自回归线性模型程序,并嵌入BIC准则以判定多维AR模型的最优阶数,使用不同阶模型对风场进行模拟并比较各阶模型的模拟效果.结果 通过对西堠门大桥风场的模拟发现,BIC准则判定得到的AR模型最优阶数为2阶,同时2阶模型取得了不错的模拟效果;不同阶模型的模拟效果有较大差异,1阶模型离散性较大,6阶、8阶模型模拟精度稍好,4阶模型模拟效果最好.结论 BIC准则判定得到的AR模型最优阶数偏低,但根据其最优阶数进行的模拟也可取得不错的模拟效果;模型阶数对模拟效果有很大影响,阶数过低将导致结果离散性较大,阶数过高并不一定取得更高的模拟精度,选择合理的模型阶数既可取得最优的模拟效果又可节省计算时间.     

水文时间序列变点分析的可靠性检验

针对不符合正态分布的水文时间序列,建立用于时间序列变点分析的贝叶斯数学模型.研究了某水文站1942—2008年共67年年径流最大值时间序列的突变,得到1989年是最大可能变异点.贝叶斯数学模型中仅给出了变点位置的后验概率,但是最大后验概率时间位置处是否确实发生变异,则有待进一步讨论.因此文中认为需要进一步检验1989年前后的变化是否在随机波动范围内或者是确实发生了变异.文中采用再抽样自助法对结果进行深入的可靠性分析,证实1989年前后确实发生了突变,变异程度远远超过了随机波动范围.考虑到时间序列的随机性,建议在今后工作中采用贝叶斯变点分析模型确定变异点时,采用自助再抽样方法对结果进行可靠性分析.     

基于遗传算法的AR谱极点频率优化方法及应用

基于自回归模型(Autoregressive model,AR)和相关极点谱分解技术的轴承状态检测方法在自动检测方面有着较大优势,但是AR谱会受到阶数、估计法和样本点数的影响而导致故障频率与相关极点产生偏差,造成在检测过程中对故障产生误判.针对该问题提出了一种基于遗传算法的AR谱极点频率优化方法,利用遗传算法对AR谱极点进行优化,得出适宜的阶数和样本点数,使AR谱极点与对应的故障频率相接近,让故障检测图变得清晰.最后对具有内圈故障的轴承信号数据进行实验验证并取得了较好的结果,为AR谱选择合适的阶数和样本点数提供了可靠的保证.     

异质数据下基于变点检验分段偏正态均值回归的参数估计

带有偏斜的异质数据广泛出现在大气科学、生物医学和经济学等领域.目前关于异质偏斜数据建模的方法还很少被提出,且现存的分段模型不能自动的对数据分段,大大限制了分段模型的应用场景.针对异质偏斜数据,提出了一种基于偏正态均值回归的分段模型,且在模型的参数估计部分改进了EM算法M步中的两点梯度下降算法,用显示解替代了文献[24]的迭代算法.使用MIC信息准则做模型的变点检验,同时估计变点的位置.通过数值模拟表明所提模型和算法的有效性.实例分析表明,所提分段偏正态回归模型的预测精度优于不分段偏正态回归模型下的预测精度,且具有更好的解释性.     

相控阵雷达低仰角目标DOA估计的算法

在相控阵雷达跟踪低仰角目标时,采用频率捷变技术可以有效地减小雷达回波中直射信号和反射信号的相关性,抑制多径效应对目标到达方向估计造成的影响,提高角度估计的精度和性能。再用修正的AR模型算法,不仅可以在此基础上进一步去掉这两种信号的相关性,而且能正确估计出目标和镜像的仰角。计算机仿真实验结果验证了频率捷变和修正AR模型算法理论的正确性,以及在与其他方法比较的情况下,两者结合在去相关性能上的优越性和工程实用性。     

一元线性回归模型突变的估计

提出了变点回归的概念,建立了一元线性变点回归的数学模型,用拉格朗日乘数法对变点回归模型的参数进行了最小二乘估计。根据变点是否落在自变量的某一观测值上,把回归变点分为两种类型,回归变点最终位置和类型的统计推断,应使总体回归残差平方和最小。根据不同变点下总体残差平方和的性质,对回归变点的计算进行了简化。     

向量自回归模型参数的极大似然估计

研究了n维向量AR（p）自归模型参数的极大亿然估计与似然比检验，给出并证明了参数、的估计值、通过实例进行了似然比检验。     

关于时间序列AR模型定阶问题的一些研究

本文对AR模型的差比定阶方法进行了修正;并从工程应用角度,在机械故障诊断的领域里,提出分低阶AR模型和高阶AR模型的观点以及根据FFT-AR谱相似系数取最大值的定阶方法。     

基于多因子融合的水质异常检测算法

为了及时有效地发现偶发或蓄意的水质异常,保障饮用水供水安全,在总结现有异常检测算法的基础上,提出基于自回归（AR）模型和模糊C-均值聚类（FCM）的多因子融合水质异常检测算法.通过AR模型实现水质背景信号的高精度跟踪,采用FCM算法融合多种水质指标的AR预测残差,与设定阈值作比较并判断异常.实验结果表明,与单因子算法、直接融合水质指标监测值的算法、利用多维欧氏距离融合AR预测残差的算法相比,提出的多因子融合水质异常检测算法具有更高的异常检出率和较低的误报率.     

误差是非参数AR（1）序列的变系数模型

利用局部线性方法给出误差序列{εi,1≤i≤n}是非参数AR（I）序列下的变系数模型系数函数的估计,并在此基础上研究了系数函数估计的相合性问题,给出了该模型系数函数估计是弱相合的。     

基于时间序列建模的组合导航系统故障诊断

为提高SINS/GNSS组合导航系统的可靠性,在分析了残差X~2检验法、状态X~2检验法工作原理及优缺点的基础上,本文提出了基于时间序列模型的残差X~2检验方法。该方法通过建立无故障条件下残差的时间序列AR模型,采用实时数据进行系统残差估计。当组合导航系统故障时,通过残差AR模型得到的实时残差值受故障量测的影响很小,因而该方法可以有效地解决传统残差X~2检验法检测结果"跟踪"故障、对软故障检测不敏感的问题。仿真实验分析表明,该方法能够对组合导航系统软故障进行实时有效的检测,提高组合导航系统的整体性能。     

股票数据均值的多变点检验

讨论了股票数据均值的多变点检验问题，在原假设下给出了统计量的极限分布及渐进临界值的解析表达式，并且在递归检验的过程中同时得到了变点时刻与变点个数估计，最后用实例分析说明了方法的有效性。     

基于角点特征的高精度图像配准算法

为了快速准确提取图像特征和匹配点对,提出了一种基于角点检测的高精度图像配准算法。该算法首先检测参考图和实时图的角点信息,然后采用双向迭代匹配算法对参考图和实时图的角点进行匹配,再根据基于仿射变换模型的RANSAC算法对候选的匹配点对进行筛选,消除错误匹配对,并估算出最佳仿射变换参数,最后用所得变换参数对实时图进行变换和重采样来实现图像配准。实验结果表明:该算法具有良好的配准精度。     

具有TARCH-SGED误差项的ADF单位根检验

在有限样本情况下通过随机模拟讨论了对具有TARCH-S-GED误差项的ADF单位根检验,分析了模型的滞后阶的设定、样本容量、参数的变化对临界值的影响.结果表明对于数据生成为AR(1)-TARCH(1,1)-SGED的时间序列,在进行ADF单位根检验的时候应该使用Zt统计量,而对Zρ统计量则应该慎用.     

一种改进的天波雷达短时舰船目标检测方案

针对天波雷达在短相干积累时间(SCIT)下多普勒分辨率低,舰船目标检测能力下降的问题,提出一种AR模型与峰值信杂比-特征值分解(PSCR-EVD)相结合的方案,即SCIT-AR-PSCR-EVD舰船目标检测方案.该方案首先采用低阶AR模型对SCIT回波进行预处理,使慢时间采样序列长度延长一倍,从而提高多普勒分辨率;然后将相邻通道回波按照距离方向重组,采用PSCR-EVD算法自适应抑制海杂波.理论分析与试验数据验证结果表明,该方案有效提高了SCIT回波的多普勒分辨率,可实现短时低可探测舰船目标检测.     

基于AR模型的反辐射导弹检测算法

根据反辐射导弹(ARM)的特点及其雷达回波信号中速度、加速度等特征,提出了一种新的基于AR模型的ARM检测算法．该方法通过建立二阶AR模型、估计代表不同目标的模型极点并由此估算目标加速度来判断目标性质．该方法不仅可以在雷达已跟踪上ARM载机后采用,而且可以适用于雷达搜索扫描时．仿真结果表明该方法具有分辨率高,对雷达脉冲重复频率PRF及积累脉冲数要求不高的特点,在低的PRF、及少的积累脉冲下,利用该方法仍可有效地识别检测出ARM．