基于时频滤波和自回归建模方法的时变模态参数辨识

应用非平稳信号的时频滤波及非平稳时间序列的时变自回归(AR)建模方法进行时变线性系统的模态参数辨识,将基于Gabor展开的时频滤波方法引入多自由度线性时变结构模态参数辨识中,提取单模态响应分量。对线性时变系统在白噪声激励下振动响应的单模态响应进行建模来辨识系统的每一阶模态参数,在模型参数的辨识中通过引入基函数将非平稳过程的辨识问题转化为线性时不变过程的辨识,利用时变的伯格(Burg)算法对时变的AR模型系数和时变结构模态频率进行估算。通过对附加质量随时间连续变化的悬臂梁的模态分析验证了辨识方法的有效性。实验结果和理论计算结果比较表明:该方法为参数时变线性系统的模态参数辨识提供一条新途径。

改进的门槛自回归建模方法在气候预测中的应用

门槛自回归模型,是香港中文大学汤家豪教授,为解决非线性周期变化的时间序列提出的一种动态分析模型.由于该模型拟合效果好,又能解决时间序列中的间断,跳跃现象.因此近期在供电、防震、供水和铁路运输预测方面、逐渐被利用.本文利用门槛自回归模型对黑龙江省伊春市1982年至1986年气温进行了预测,经过三年的实阶验证.效果较好.

自回归建模预测及其分析

自回归建模(简称AR)是一个变量的未来值用它的历史数据加权之和来表示。本文用三种时序列(均值、一阶差分、二阶差分)进行AR建模预测,择优录用最佳序列。文中对乾县、乌加河、易县等台站的倾斜仪资料进行了自回归建模预测分析,用AIC信息准则判定最佳模型阶数,其预测精度与[4]文方法相当,并有提高。文中对预测时段长度进行了探讨。用确定的预测限对1985年10月5日沙河驿5.3级地震作了预测检验,证实震前有明显的异常。

自回归滑动平均建模的一种简便定阶方法 自回归滑动平均(n,n-1)建模策略

目的介绍时间序列中自回归滑动平均(ARMA)建模的一种简便定阶方法——ARMA(n,n-1)建模策略。方法简要说明ARMA(n,n-1)建模策略,并以模拟的ARMA(3,2)序列为例,进行ARMA(n,n-1)建模。结果结合AIC信息准则和残差序列图,确定了模型合理的阶数。结论ARMA(n,n-1)建模策略简便易懂,适合医学工作者采用。

应用时变参数建模方法辨识时变模态参数

应用非平稳时间序列的时变自回归建模方法进行了参数随时间变化的线性系统模态参数的辨识。对线性时变系统在白噪声激励下振动响应的非平稳时间序列进行建模。通过引入基函数将非平稳过程的辨识问题转化为线性时不变过程的辨识。结合信号时频变换确定模型阶次 ,通过时变的伯格尔 (Burg)算法对时变的自回归 (AR)模型系数和时变结构模态频率进行了估算。通过对刚度随时间变化的三自由度系统模态频率的仿真辨识 。

轧机振动信号的非线性建模方法及其应用

研究了非线性自回归移动平均建模方法,采用该方法开发了轧机振动烈度模型,结果表明该模型是合适且有效的。

基于数据驱动多输出ARMAX建模的高炉十字测温中心温度在线估计

高炉(Blast furnace,BF)炼铁中,十字测温作为炉顶温度和煤气流分布监测的最主要手段,对高炉的安全、稳定和高效运行起着重要作用.然而,由于高炉炉顶中心部位温度较高,造成十字测温装置中心位置传感器极易损坏,并且更换周期长,因而无法及时判断炉顶煤气流分布.针对这一实际工程问题,本文基于时间序列建模思想,集成采用多输出自回归移动平均(Multi-output autoregressive moving average,M-ARMAX)建模、因子分析、Pearson相关分析、基于赤池信息准则(Akaike information criterion,AIC)与模型拟合优度联合定阶等混合技术,提出一种模型结构简单、精度较高且易于工程实现的十字测温中心温度在线估计方法.首先,提出利用因子分析与Pearson相关分析相结合的稳健特征选择方法选取多输出建模输入变量.然后,采用样本均值消去法预处理采集的高炉样本数据,使其成为离散随机数.基于离散随机数,建立算法简单、易于工程实现的M-ARMAX温度模型:为了克服传统基于AIC阶数确定造成模型阶次高、结构复杂的问题,提出在AIC准则基础上进一步引入模型拟合优度来选取模型最小阶,可保证模型估计精度的同时降低模型阶次;同时,采用可快速收敛的递推最小二乘算法辨识M-ARMAX模型参数,并用残差分析方法检验模型.工业试验和比较分析表明:建立的M-ARMAX模型能够根据实时数据同时对十字测温装置多个中心温度点进行准确和稳定估计,且模型估计误差符合高斯白噪声特性.

MonTTS:完全非自回归的实时、高保真蒙古语语音合成模型

针对现有基于Tacotron模型的蒙古语语音合成系统存在的两个问题:①合成效率较低;②合成语音保真度较低,该文基于FastSpeech2模型提出了完全非自回归的实时、高保真蒙古语语音合成模型MonTTS。为了提高MonTTS模型合成蒙古语语音的韵律自然度/保真度,根据蒙古语声学特点提出以下三点创新改进:①使用蒙古文音素序列来表征蒙古文发音信息;②提出音素级的声学调节器以学习长时韵律变化;③提出基于蒙古语语音识别和自回归语音合成两种时长对齐方法。同时,该文构建了一个当前最大规模的蒙古语语音合成数据库:MonSpeech。实验结果表明,MonTTS在韵律自然度方面的主观平均意见分数(Mean Opinion Score,MOS)达到4.53,显著优于当前最优的基于Tacotron的蒙古语语音合成基线系统和基线FastSpeech2模型;MonTTS合成实时率达3.63×10^(-3),满足实时高保真合成要求。最后,文中涉及的训练脚本和预训练模型全部开源(https://github.com/ttslr/MonTTS)。

基于ARMA预测模型的交叉口车辆碰撞风险评估

车辆进入交叉口前的速度时间序列可用于预测车辆进入交叉口后若干步数速度值,利用车速预测值推算冲突方向车辆在交叉口内的行驶位移及其车间距离,可评估车辆发生碰撞的风险.针对交叉口附近车速分布符合随机序列特征,采用自回归滑动平均(ARMA)理论进行车速时序预测建模,步骤包括时序数据相关性检查、模型p-q定阶、解析式系数估计、适用性检验.试验结果表明:利用实测车速中的前40个时序数据建立ARMA模型,预测出的20个车速值与实测值贴近,冲突方向两车车速归一化平均绝对误差分别为0.006 56和0.003 4;利用全部60个实测数据建立预测模型,检测预测值残差自相关函数发现其绝对值均小于0.258 2,表明所建车速预测方法适用.

基于加速度传感器的路面不平度采集系统

针对路面质量检测中的路面不平度分析,设计了基于加速度传感器的路面不平度采集系统.硬件部分,开发了以C8051F005微控制器为核心的信号采集模块,并通过蓝牙无线传输至上位机;软件部分,采用了一种基于车辆垂直加速度时间序列自回归(AR)建模的国际道路不平度指数(international roughness index,IRI)测量方法,即先运用卡尔曼算法对初始数据进行滤波处理,再对数据进行AR建模,计算功率谱密度,得到路面不平度系数后,由公式计算路面IRI.文中给出了具体的实施方案,分析了方案的合理性,运用开发的采集系统开展了实车道路试验,采集了镇江市某区的两种路面(沥青路面和水泥混凝土路面)不平度数据.采用高精度的路面激光平整度仪做试验,与文中方案作对比,结果表明:文中方案的结果误差较小,与实际路况吻合.本系统可应用于工程路面检测和分级等相关领域.

一种改进的自适应匹配滤波方法

针对雷达目标检测中由于训练数据缺失导致传统自适应检测方法的检测性能下降的问题,提出一种改进的自适应匹配滤波方法.该方法首先将杂波用自回归过程表示;然后假设自回归参数已知,推导出广义似然比检验表达式;最后将采用训练数据估计得到的自回归参数的最大似然估计值代入广义似然比检验表达式中,代替已知的自回归参数.仿真实验结果表明,与传统的自适应方法相比,这种方法能在训练数据不足时提高检测性能.当雷达回波数目较大时,这种方法的检测性能接近理想的匹配滤波方法.

缺失数据插补方法性能比较分析

数据缺失问题在现实工作生活中不可避免,为保证信息完整度以便于后续统计分析,尽可能准确地预测填补缺失值则显得尤为重要。基于两组分别服从于高斯分布和伽马分布的模拟数据集和一组非洲地区部分国家预期寿命实际数据,分别预设5%、10%和20%三种缺失比例,利用计算机软件对四种插补方法统计结果进行比较分析。试验结果表明,模拟数据中自回归建模插补和均值插补整体效果略优于最近邻插补和线性回归插补;实际数据中当缺失数据比例较低时,最近邻插补和线性回归插补效果优于前两者,当缺失比例较高时与模拟数据效果无明显差异。