分享到:

多通道非平稳ARMA信号自校正去卷滤波器

1引宫 去卷(DeConvolution)),也叫反褶积或抽入估计,广泛应用于通讯、信号和数据处理、反射地展学等领域〔卜7〕.七十年代后期,美国Mendel[z.3〕以油田勘探地震信号处理为应用背景,用“~德波方法提出了最优白噪声去卷估值器.A川en和Stemad闭用谱分解方法提出了单通道ARhIA信号最优去卷平滑器.文〔5,6,7〕用现代时间序列分析方法提出了单通道白嗓声或’ARMA信号的最优或自校正去卷估值器.本文将提出多通道ARMA信号的自校正去卷涟波新方法.其特点是基于人RMA新息模型,通过计算输出预报器和观测白噪声滤波器便得到ARMA信号的去卷滤波器.2稳态最优去卷滤波器 考虑多通道非平稳ARMA信号。(O A(q一l);(之,)二口(q一1)e(t),(1)它通过如下已知的线性系统被观测 P(全一,)军(t)=B(刃一,)泞(t)+R(全一,)沙(‘).(2)其中,(O和y(‘)是,n xl维翰入信号和输出(观测)信...  (本文共5页) 阅读全文>>

《重庆建筑工程学院学报》1992年03期
重庆建筑工程学院学报

ARMA模型及参数识别技术在脉动风仿真中的应用

计算机技术的日益提高,促进了随机荷载作用下结构物动力时程分析方法的发展。由于随机振动理论的深入研究以及工程界对脉动风这种随机激励对结构危害的日益重视,随机振动方法在结构风振分析中正在得到广泛的应用,结构物的风效应分析也逐渐由静力方法向动力方法过渡。进行结构时程分析,首要问题即是确定结构输入。仅仅依靠已有的记录和观测作为输入显然是不现实的,也是不切实际的,人工模拟结构随机输入不仅可以满足某些统计特性的任意性,而且比单一实际记录更具有代表性和统计性,因而被广泛采用。近年来,地震工程界在人造地震动方面做了大量的工作,而且人造地震波已大量地用于地震荷载作用下的结构动力分析中。同样地,结构随机风振理论的发展也将迫切要求人造风记录。而且,就风效应分析本身而言,也同样需要获得大量的满足某种给定条件的风记录。 近年来,自回归滑动平均(ARMA)模型已被广泛用于时间序列的分析中。许多资料表明,这种模型的确是处理工程随机过程的一种很好的模型。本文提...  (本文共8页) 阅读全文>>

《四川水力发电》1993年02期
四川水力发电

ARMA模型在实时水文预报中的应用探讨

一、前 言 近年来,国内外在洪水预报或流量演算中开始广泛采用ARMA模型。在年径流、月径流等系列随机模拟中,该模型也显示出独特的优越性。这不仅是由于其在理论上的优点所致,同样也由于它简单易用,因此,在水文预报领域中有必要对这种模型进行系统的研究。 水文预报中的ARMA模型代表的是一个线性平稳系统。由于它的输入不一定是白噪声,加上模型结构中隐含了系统的传递函数(transfer function),所以又被称之为传递函数模型。目前广泛采用的马斯京干流量演算模型,纳希串联线性水库模型等,都是ARMA模型的特例。一旦确定了A。RMA模型的结构和参数之后,可按需要将其转变成单位线卷积求和。从实时预报的角度来看,ARMA模型还具有对卷积求和进行现实校正的功能,其效果相当于卷积求和加上一个对误差进行模拟的校正模型。更重要的是,即使该模型是处于现实校正方式(up—dating mode),还可以进一步对其参数或流量进行状态预估,使精度进一步提...  (本文共9页) 阅读全文>>

《贵州电力技术》2017年02期
贵州电力技术

基于二阶统计量和高阶统计量的ARMA模型对比

1 ARMA模型ARMA(Auto Regressive and Moving Average)模型,又称自回归滑动平均模型[1]。是时间序列方法中,最为基本、实际应用最为广泛的时序模型。它即可以揭示时间序列数据本身的结构与规律,又可以定量地解释时间序列数据之间的线性关系。还可以基于已有时间序列数据,对未来时间序列数据进行预测。对于平稳、零均值的时间序列样本数据{x(t)},建立如下式所示ARMA模型:φ0x(t)-∑ni=1φix(t-i)=θ0a(t)-∑mj=1θja(t-j)(1)式中,等式左边为AR部分,等式右边为MA部分,n和m分别为AR部分和MA部分的阶数;a(t)为随机扰动时序{a(t)}在t时刻的元素;x(t)为时序{x(t)}在t时刻的元素;φ0=1,θ0=1;φ1~φn为AR部分系数,θ1~θm为MA部分系数。2基于两种统计量的ARMA模型建模方法2.1二阶统计量和高阶统计量二阶统计量和高阶统计量常用于描述...  (本文共4页) 阅读全文>>

《中国管理信息化》2016年02期
中国管理信息化

基于ARMA模型的时间序列挖掘

对数据挖掘进行研究有利于人们对数据及其潜在价值进行充分利用,有利于推动IT等相关行业的快速发展。而时间序列作为数据挖掘的一个重要分支,在其中所具有的重要地位不言而喻。目前,很多领域都涉及时间序列分析,如教育、金融、工业、医疗等。随着时间序列分析的不断深入,利用ARMA模型对其进行挖掘既是时代发展的必然趋势,也是对ARMA模型优势的一种充分体现。1时间序列的基本概念所谓时间序列,指的是按照时间先后顺序对某个变量进行观测所得到的一组观测值。根据该定义可知,任何一个时间序列都可用若干个二元组(时间变量,观测变量)来表示,根据观测时间间隔的不同,时间变量可是时、分、秒等,也可是一些单调递增的物理量,如温度。观测变量反映的是时间序列所具有的实际意义,如电压、血压、销售数量等。2 ARMA模型相关概述相关研究学者提出,可根据时间序列的值建立一个参数数学模型,但要保证所建参数化模型能真实准确反映出时间序列的基本特征,以为后续时间序列的分类、聚...  (本文共1页) 阅读全文>>

《鞍山师范学院学报》2014年06期
鞍山师范学院学报

病虫灾成灾面积的ARMA模型的分析及应用

成灾面积是指在一年内因遭受旱灾、水灾、风雹灾、霜灾、病虫灾及其他自然灾害,使农作物实际收获量较正常年产量减少3成以上的播种面积.有关成灾面积的研究一直是自然灾害研究方面的一个重要领域并已取得了一些重要成果[1-7],刘新卫等[8]对湖北省病虫灾成灾面积与受灾面积对应关系进行了线性建模及统计分析,苏庆玲等[9]应用起伏型时间序列分析的方法对害虫高峰日进行了预测.但他们在病虫灾成灾面积的预测方面研究得很少,因此本文将应用病虫灾成灾面积的数据,对下一年病虫灾成灾面积进行预测,为病虫害的预测与防治提供理论依据.1模型建立为了叙述方便,引入以下记号并做一系列假设[10]:设Xt为某地区第t年病虫灾成灾面积,εt为该地区第t年气象等因素对病虫灾成灾面积的干扰.并假设xt是二阶矩平稳的,即Xt的期望为EXt=μ,方差为var Xt=v2,协方差为cov(Xt,Xs)=γ0t-s.εt满足零均值白噪声,即εt~WN(0,σ2).有以上假设可以建...  (本文共5页) 阅读全文>>