相关系数ARMA(p,q)序列分析方法

本文提出相关系数ARMA(p,q)序列分析方法。相关系数ARMA(p,q)序列是从非平稳序列中分离出的一类工程上常见且便于研究的时间序列,在模式识别、故障诊断、信号处理、自动控制和结构响应分析等领域有着广泛的应用。传统的相关函数ARMA(p,q)序列仅是它的一个特例。文中建立了相关系数ARMA(p,q)序列的条件极大似然估计和精确极大似然估计,前者在样本较大时简单便于工程应用,后者则在样本较小时仍具有较高的精度,它们通过时域的全程分析,充分利用样本信息确定相关系数ARMA(p,q)序列的均值函数、方差函数和相关系数函数。在此基础上可进行高精度的频谱分析。     

多维相关系数平稳序列分析方法

相关系数平稳序列是从非平稳随机序列中分离出来的一类工程上常见且又便于研究的一类时间序列,其均值和方差都可随时间变化,因此,与传统平稳过程相比,它能更好地描述工程中的时间序列.在相关系数平稳过程的基础上,给出多维相关系数平稳过程的定义,建立了新的多维相关系数序列的理论和方法,给出了多维相关系数序列的极大似然估计.通过对时域的全程分析,能够充分利用样本信息对相关系数序列的均值函数,协方差矩阵函数和相关系数矩阵函数进行估计.在此基础上,对多维相关系数平稳序列进行高精度的频谱分析.     

非等间距相关系数平稳序列分析方法

工程实际中由于数据缺损或受测试条件所限,常常得到非等间距的时间序列。而传统的时序分析方法只适用于等间距采样的数据,目前工程上对这类问题通常采用插值等近似处理方法,这往往导致较大误差。本文提出非等间距相关系数平稳序列的概念,建立了非等间距相关系数平稳序列自回归模型,给出了非等间距相关系数AR(p)序列的精确极大似然估计和条件极大似然估计,能够高精度地确定非等间距序列的均值函数、方差函数和相关系数函数。     

相关系数平稳序列的估计与识别

本文提出了通过观测序列确定不可直接测得的相关系数平稳序列模型参数的方法,详细讨论了相关系数AR(p),MA(q)和ARMA(p,q)序列状态方程的参数估计,为非平稳序列的滤波、预测和平滑提供了依据。文中还给出了观测系统参数的识别方法,与传统方法相比,本文方法考虑了测量噪声的均值和方差随时间变化情况,具有更高的识别精度。     

动态时频谱分析、探测和跟踪的随机有限集法

动态出现和消失多分量信号的时频分析问题一直是非平稳信号处理的难点之一。为此，提出了一种分析、探测和跟踪多分量信号的随机有限集法。该算法利用时频变换，如短时傅里叶变换或自适应谱估计法，以及多项式预测模型，将多分量信号的时频分析问题归纳成可利用随机有限集进行多目标追踪的问题。分析表明：借助于提出的初始权重赋值算法，以及谱分量幅度和频率的联合似然函数，就可利用高斯混合概率假设密度滤波器来实现对动态时频谱的分析、探测和跟踪。在仿真实验中，所提算法有效提升了动态时频谱的跟踪精度，其对微弱时频谱分量的探测能力，以及对载频差异的分析能力均优于文献报道的算法。     

矢量喷管机构强度可靠性分析

本文将矢量喷管构件的强度考虑为随机变量,将构件的应力考虑为随机过程,建立了构件结构功能函数的随机过程模型.通过结构功能函数的极小值变换,把功能函数的动态可靠性模型转化为功能函数极小值分布的静态可靠性模型.根据构件应力过程的特点,把构件应力的随机过程简化为Gumber-平稳二项随机过程,并给出了当构件强度分布为正态分布,但分布参数未知时,构件可靠度的最小方差无偏估计值.     

基于小波变换的非平稳信号趋势项剔除方法

分析了空间飞行器遥测信号处理传统趋势项剔除方法的优势和不足,提出了基于小波变换的非平稳信号趋势项剔除方法。这种方法通过滤波器组将信号分解与重构,实现趋向性信号与零均值平稳随机信号的分离。仿真实验表明,该方法简单、高效,适用于非平稳随机信号的处理,是一种实用的趋势项剔除方法。     

一种窄带平稳随机过程功率谱的简化拟合方法

 基于平稳随机过程的基本原理,建立了拟合窄带平稳随机过程的功率谱所需的成形滤波器的简化模型,推导了窄带平稳随机功率谱的峰值、峰值频率、带宽与成形滤波器相应参数之间的关系,给出了拟合窄带平稳随机过程功率谱的简化方法。应用此方法对美国海军 CVA59航空母舰海上运动的垂荡、纵摇和横荡运动分量的 3个具体的功率谱实例进行了拟合,通过对将实测值与拟合结果进行比较,表明 :这种方法能够很好地拟合典型的对称窄带平稳随机过程,对于对称性不好和带宽较大的的功率谱,拟合的误差相对大一些。     

非等间距相关系数AR(p)序列预测方法

针对非等间距时间序列预测中存在误差较大的问题,本文建立了非等间距相关系数AR(p)序列预测方法,详细讨论了非等间距相关系数AR(1)序列和AR(2)序列的预测公式和误差估计。大量计算表明,本文方法与通过插值将非等间距序列变换为等间距序列进行预测的传统方法相比,具有更高的预测精度。     

控制系统中随机过程的数字仿真方法

控制系统常常受到随机扰动作用，在用数字仿真方法研究随机扰动对于控制系统性能的影响时，仿真中所用的随机数发生器的随机序列的统计特性与实际控制系统的随机扰动的统计特性之间必须匹配，修正二者在方差（或功率谱密度）上的差别，连续仿真语言由于模型编排方便，系统参数，积分方法和步长易于改变，仿真运行控制录活，仿真图形结果直接显示，是完成随机过程仿真的有效工具。     

海上军事运输计划制定的演进稳定策略及军事运输网络的生存性

根据演进稳定策略的概念对运输计划制定的演进稳定策略进行了研究,利用随机过程的方法分析了运输网络生存性并给出了有关结论。     

循环应力一应变特性的统计分析

鉴于试验数据分散性，用随机过程的方法对循环应力－应变特性进行了理论分析，并给出了统计测定的方法，试验结果得到了呈分布状的循环应力－应变曲线族，证实了理论分析的正确性。     

雷达接收机内部噪声特性研究

给出了一种雷达接收机抗内部噪声干扰的数学模型,研究结果适用于一般电子设备的热噪声问题,具有普遍的指导意义及实用价值。     

基于随机过程的可靠性建模

基于Wiener过程、Gamma过程和逆高斯(Inverse Gaussian,IG)过程等随机过程的可靠性建模方法在装备可靠性评估中逐步得到应用.针对3类考虑随机影响的随机过程模型,分别阐述了各类模型在一元性能退化建模、二元性能退化建模、加速退化建模和竞争失效建模等情形下的应用情况,并展望了下一步研究方向.研究工作对...     

随机谱下裂纹扩展统计模型

 结合断裂力学及概率随机过程理论,应用概率断裂力学方法研究随机谱下裂纹扩展的随机性。提出一种裂纹扩展统计模型预测裂纹随机扩展的统计分布特性。预测结果与大子样随机谱下裂纹扩展试验结果吻合良好。     

航天器非平稳振动环境TVAR时频分析(英文)

Predicting the time-varying auto-spectral density of a spacecraft in high-altitude orbits requires an accurate model for the non-stationary random vibration signals with densely spaced modal frequency. The traditional time-varying algorithm limits prediction accuracy, thus affecting a number of operational decisions. To solve this problem, a time-varying auto regressive （TVAR） model based on the process neural network （PNN） and the empirical mode decomposition （EMD） is proposed. The time-varying system is tracked on-line by establishing a time-varying parameter model, and then the relevant parameter spectrum is obtained. Firstly, the EMD method is utilized to decompose the signal into several intrinsic mode functions （IMFs）. Then for each IMF, the PNN is established and the time-varying auto-spectral density is obtained. Finally, the time-frequency distribution of the signals can be reconstructed by linear superposition. The simulation and the analytical results from an example demonstrate that this approach possesses simplicity, effectiveness, and feasibility, as well as higher frequency resolution.