广义时变ARMA序列预测方法

提出一种广义时变ARMA序列预测方法,给出时变序列和广义时变序列的预测公式及其均方误差。该方法能够对均值、方差、自回归系数和滑动平均系数都随时间变化的广义时变序列(或信号)进行分析和预测,可广泛应用于气象、通信、自动控制、结构响应分析和故障诊断等领域。大量计算表明,本文方法与传统方法相比,具有更高的预测精度。      

相关系数平稳过程时频分析方法

相关系数平稳过程是从非平稳过程中分离出的一类工程上常见且便于研究的随机过程,其均值和方差都可随时间变化,传统的平稳随机过程是它的一个特例。本文提出了相关系数AR(p),MA(q)和ARMA(p,q)序列的概念,建立了相关系数平稳过程的时频分析方法。该方法首先在时域进行全程分析,得到相关系数平稳过程的均值函数、方差函数和相关系数函数,然后可以对其进行傅里叶变换、短时傅里叶变换或小波变换,给出相关系数平稳过程的谱密度,同时提出了随机项谱密度和趋势项谱密度的概念。文中还讨论了线性系统对相关系数平稳过程输入的响应。     

导弹出水过程动力学参数辨识方法研究

导弹出水过程时间短,边界也随时间变化,对短时非平稳信号的模态参数识别技术进行研究,最后利用特征系统实现法对其出水过程进行模态参数辨识。     

一种基于非平稳信号分析的时相调制信号解调算法

基于非平稳信号分析方法,对时相调制(Time-Phase Modulation,TPM)信号的时频分布特性进行了详细分析,建立了TPM调制信号相位突变与时频分布幅度的映射关系,利用该映射提出了一种基于非平稳信号分析的TPM调制信号解调算法,并对该解调算法性能进行了理论分析,讨论了最佳判决门限选取方法,仿真结果验证了理论分析的正确性。理论分析及仿真表明,基于非平稳信号分析的TPM调制信号解调算法获得了优于传统的相关解调的调制系统差错性能。     

基于实测的古斯塔夫飓风非平稳特性分析

根据美国路易斯安娜州立大学飓风研究中心对古斯塔夫（Gustavo）飓风的实测资料,首先采用传统方法统计出不同高度处强风的基本参数特性,然后运用轮次法对不同高度、时距和起始点的风速样本进行非平稳特性检验,最后基于希尔伯特一黄变换（HHT）方法对于呈现非平稳特性的风速序列进行经验模式分解（EMD）和时一频一谱联合特征分析。分析发现,飓风的湍流强度和积分尺度较良态风场相差较大,并且其平均风速也极不稳定;通过轮次法对不同高度和时段的风速时程检验发现,非平稳特性与高度和统计时段大小密切相关,相应的10min时距的风速样本也存在非平稳特性;HHT对非平稳风速序列分析结果表明,飓风的非平稳特性主要是由时变的平均风速引起,其能量和频率随着时间的变化明显,并且主要能量集中在0．05～0．2Hz频段内,但EMD分解和Hilbert谱结果表明高频能量同样不能忽略。最终得出的结论为：基于传统的分析方法可以很好地获得基于平稳假定的飓风统计参数,但不能获取其非平稳信息,而轮次法和HHT方法是识别非平稳和分析其时频谱联合特性的良好方法。     

海陆交界非平稳场景星载ScanSAR扇贝效应抑制方法

扫描式合成孔径雷达(ScanSAR)因不受光线、天气影响,能够提供宽测绘带图像而被广泛应用在海洋监测领域。但ScanSAR图像的扇贝效应(Scalloping)和子带拼接效应(Inter-Scan Banding,ISB)严重地降低图像质量,尤其在海陆相接一类的非平稳场景下,干扰更为严重,影响图像的应用效能。针对上述问题,文章给出了一种基于图像分层和卡尔曼滤波的ScanSAR图像扇贝效应和子带拼接效应的抑制方法。针对非平稳场景,先进行图像分层处理使其满足线性卡尔曼滤波需求;然后,利用加性二维周期函数对子图层的扇贝效应和子带拼接效应进行建模;再将卡尔曼滤波器应用于条纹抑制;最后,对真实ScanSAR图像数据的有效处理结果验证了算法的有效性。     

确定时间序列协方差函数的方法

提出一种确定时间序列协方差函数的方法,它首先根据(多元)时间序列构造其互协方差函数随机序列、互相关函数随机序列或自协方差函数随机序列、自相关函数随机序列,然后采用谱分析和多点平均方法对互协方差函数随机序列、互相关函数随机序列或自协方差函数随机序列、自相关函数随机序列的趋势项进行分离,分别求得其周期项和非周期项的函数表达式,再综合给出整个趋势项函数。从而得到原时间序列的互协方差函数、互相关函数或自协方差函数、自相关函数的函数形式,并通过最小二乘方法确定其中的待定参数。该方法可用于时间序列协方差函数的建模、分析和预测,并且计算简单易行、精度高,便于实际应用。      

连续变速颤振试验信号处理的递推时频分析方法

针对连续变速颤振试验信号的非平稳特点及在线分析需求,提出了一种递推时频分析方法。该方法利用自适应算法跟踪一个时变系统,从而获得具有时变系数的参数化数学模型,进而可得到信号的时变参数谱。数值仿真结果证明了该方法的可行性与优越性,低速风洞气弹模型的连续变速颤振试验验证了该方法的工程应用前景。     

连续变速颤振试验的自适应粒子滤波算法

连续变速颤振试验的采集信号通常为非平稳信号,其频率和幅值随时间变化,尤其在亚临界状态下, 变化程度十分剧烈。常用的非平稳信号时变参数建模分析方法,在信号非平稳程度较高的情况下难以对信号 的模态进行准确地分析和跟踪。为了解决这一问题,结合信号非平稳度量计算方法,提出一种改进的自适应粒 子滤波算法,并通过仿真实验数据对所提算法在高非平稳度情况下的跟踪性能进行验证。结果表明:与一般粒 子滤波算法相比,本文方法在高非平稳度情况下具有更高的跟踪精度。