转速随机波动旋转机械振动信号的周期平稳性

首先推导了旋转机械转速波动的随机角位移统计特性,证明了随机角位移信号是一种非平稳的随机过程.对于离散随机角位移序列,提高采样率可以减小其随机性.当采样率无限增加时,该序列将退化为确定性序列.然后以不平衡质量的惯性力为例,以转角和时间为参量,分别推导出一阶和二阶矩统计量.这些统计量证明,以转角为参量的惯性力随机矢量信号是非平稳的,但具有周期平稳性;而以时间为参量的惯性力随机矢量不仅是非平稳的,而且一般也不具有周期平稳性.

平稳随机信号AR模型的一种新观点

从平稳随机信号自相关的准周期性对AR模型进行了深入研究,提出平稳随机信号AR模型的一种新观点,即认为平稳随机信号的AR模型的成立不应基于信号熵原理,而应基于其自相关的准周期性,论文以此为基础,导出了许多熵原理AR模型无法得到的性质。

基于二阶循环统计量的MPSK信号频偏估计算法

本文利用接收信号(为二阶周期平稳信号)的二阶循环平稳特性推导了一种开环频偏估计算法,此算法的特点为:(1)接收信号为MPSK调制信号;(2)频偏估计过程不需要训练序列;(3)适用于任何分布的加性平稳噪声(白噪声及有色噪声)。文章对提出算法的性能进行了分析,并运用蒙特卡洛(MonteCarlo)方法对算法的性能进行仿真。

基于二阶循环统计量的LMS算法

证明了二阶周期平稳随机信号通过线性时不变系统后 ,仍是二阶周期平稳随机信号 ,且循环频率不变 .定义了基于二阶周期自相关函数的误差准则 ,给出了新的 LMS算法 ,并讨论了新算法的性能 .仿真结果表明 ,在收敛速度和抗噪声方面 。

适用于LPTV系统的周期自适应滤波器的研究

该文讨论了平稳(或周期平稳)随机信号通过线性时不变(或周期时变)系统后,输出信号的周期平稳性质,给出了两种可用于线性周期时变(LPTV)系统的周期自适应滤波器算法和一种系统周期的自适应估计算法;仿真结果表明了上述算法的有效性。

基于小波分析的短期电价ARIMA预测方法

电力市场中的电价具有特殊的周期性,以天、周、年为周期波动,且大周期中嵌套小周期。作者提出一种基于小波分析的累积式自回归滑动平均方法(WARIMA)用于短期电价预测,首先利用小波变换能将交织不同频率成份的混合信号分解成不同频带上的块信号的特性,将电价这一随机序列进行小波分解,得到低频上的概貌序列和高频上的细节序列,并在此基础上对各个子电价序列分别利用累积式自回归滑动平均模型(ARIMA)进行预测,然后在电价平稳时段用概貌序列预测结果直接作为电价预测结果,而在电价非平稳时段将各子序列预测结果重构作为最终的预测结果。为了对比分析,将直接使用ARIMA模型的预测结果和采用WARIMA方法的预测结果进行了比较,表明引入小波分析对提高预测精度是有益的。

谱相关的数学关系与物理意义

周期性是自然现象和工程现象的基本特性之一,从复杂多变的、含有噪声的观测数据中发现周期性并测量其参数是信号处理的重要主题.谱相关是分析循环平稳信号二阶周期性的有力工具,本文研究谱相关的周期性解析功能的缘由、过程与特点.首先,梳理了谱相关理论体系中诸多重要概念之间的内在联系,建立了相互之间转换或映射的数学关系图;然后提出了按定义和转换关系逐步求解谱相关的方法.通过单周期信号的分析和每步操作效果与周期的对应关系,诠释了循环自相关、谱相关、无限循环谱和循环频率等重要概念的物理意义.