基于AR多变量模型的半球谐振陀螺温度漂移建模

在半球谐振陀螺工作过程中,环境温度的变化是不可避免的。温度的变化影响陀螺的结构和谐振频率,导致陀螺产生温度漂移,为了提高半球谐振陀螺的精度,根据温度漂移和温度变化的相关性,本文利用时间序列中的AR多变量模型对温度漂移数据进行分析,建立了漂移和温度的两个变量的随机数学模型,为温度补偿打下了基础。

多传感器多变量AR模型信息融合辨识方法

对于带白色公共干扰噪声、白色观测噪声和传感器偏差的多传感器多变量自回归(AR)模型,当AR模型参数、传感器偏差和噪声方差未知时,提出了一种信息融合多段辨识方法,其中用多重递推增广最小二乘法(MRELS)得到AR模型参数和传感器偏差的局部和融合估值器,再用相关方法得到局部和融合噪声方差估值器。这些估值器具有一致性。一个仿真例子验证了其有效性。

基于mAR模型的小儿脑瘫患者下肢肌电信号相干性分析

目的本文对小儿脑瘫患者行走过程中下肢主要肌肉表面肌电信号进行基于多变量AR模型的相干性分析,以探索脑性瘫痪对下肢肌肉活动的影响。方法利用多变量自回归模型的方法计算正常组和两组不同级别脑瘫组儿童在行走过程中下肢胫前肌、腓肠肌、股直肌和股外侧肌两两之间的相干系数进行统计学分析,比较不同组之间的差异性特征。结果股外侧肌与股直肌信号相干系数在3组之间具有显著性差异(P<0.05),其中Ⅰ-Ⅱ级脑瘫患者相干系数高于正常组,Ⅲ-Ⅳ级脑瘫患者低于正常组,而其他肌肉间的相干性在不同组之间无显著性差异(P>0.05)。结论相干性系数可作为一种探索肌肉活动相互间关系的手段,从神经控制的角度为研究小儿脑瘫患者异常步态的形成原因提供参考。从相干性分析中还发现中枢神经系统对肌肉活动的控制存在差异性。

多变量自回归信号信息融合辨识方法

近年来,为了提高系统模型和状态估计的精度,多传感器数据融合引起了广泛关注。对于带白色公共干扰噪声和有色观测噪声的多传感器多变量自回归(AR)模型,当AR模型参数和噪声方差未知时,提出了一种信息融合多段辨识方法,其中采用多维递推辅助变量(MRIV)方法得到AR模型参数的局部和融合估值器,再用相关方法得到局部和融合噪声方差估值器。这些估值器具有一致性,通过一个信号仿真例子验证了其有效性。