發(fā)布時間：2017-07-05 03:07

  本文關(guān)鍵詞：基于SaS過程的分數(shù)低階時頻自回歸滑動平均模型參數(shù)估計及時頻分布

  更多相關(guān)文章： 信號處理 a穩(wěn)定分布 非平穩(wěn)信號 時頻分布 自回歸滑動平均 尤拉沃克方程

【摘要】：針對SaS過程下時頻自回歸滑動平均(TFARMA)模型分析方法的退化,該文用分數(shù)低階共變?nèi)〈A相關(guān)提出了分數(shù)低階時頻自回歸滑動平均(FLO-TFARMA)模型的概念,并推導了模型參數(shù)的求解方法。在此基礎(chǔ)上,給出了FLO-TFARMA模型時頻譜估計算法,和已有的TFARMA模型時頻譜算法進行了詳細的比較。計算機仿真結(jié)果表明,在SaS過程環(huán)境下,所提出的FLO-TFARMA時頻譜明顯優(yōu)于TFARMA時頻譜,尤其是當參數(shù)a較小時,FLO-TFARMA時頻譜優(yōu)勢更明顯。
【作者單位】： 九江學院電子工程學院;九江學院信息科學與技術(shù)學院;
【關(guān)鍵詞】： 信號處理 a穩(wěn)定分布 非平穩(wěn)信號 時頻分布 自回歸滑動平均 尤拉沃克方程
【基金】：國家自然科學基金(61261046,61362038) 江西省自然科學基金(20142BAB207006) 江西省教育廳科技基金(GJJ14738,GJJ14739)~~
【分類號】：TN911.7
【正文快照】： 2(九江學院信息科學與技術(shù)學院九江332005)1引言非平穩(wěn)隨機過程廣泛存在于實際各領(lǐng)域中,如生物醫(yī)學工程、通信、雷達、股票價格數(shù)據(jù)、水聲信號等領(lǐng)域。非平穩(wěn)隨機過程的統(tǒng)計量隨時間變化而變化,是一種時變的信號,而常用的分析方法是Education Bureau of Jiangxi Province(GJJ1，

本文編號：520268