汪海滨，龙俊波，查代奉

1.九江学院信息科学与技术学院，江西九江332005 2.九江学院电子工程学院，江西九江332005 3.九江学院理学院，江西九江332005

◎信息与信号处理◎

分数低阶时频滑动平均模型参数估计

汪海滨1，龙俊波2，查代奉3

1.九江学院信息科学与技术学院，江西九江332005 2.九江学院电子工程学院，江西九江332005 3.九江学院理学院，江西九江332005

针对稳定分布环境下非平稳过程分析方法时频滑动平均（TFMA）模型算法的退化，引入分数低阶统计量共变，提出了一种改进的分数低阶时频时频滑动平均（FLO-TFMA）模型算法。推导了FLO-TFMA模型的参数求解过程，给出了基于FLO-TFMA模型的时频谱估计。通过在稳定分布环境下对TFMA模型算法和所提出的FLO-TFMA模型算法的参数估计均方误差（MSE）比较和时频谱估计比较，仿真结果表明，FLO-TFMA模型算法的参数估计精度优于TFMA模型算法，TFMA模型时频谱估计完全失效，而FLO-TFMA模型时频谱算法能较好地进行时频谱估计。

稳定分布；分数低阶统计量；滑动平均模型；非平稳过程；时频谱估计

1 引言

自回归（AR）模型、滑动平均（MA）模型和自回归滑动平均（ARMA）模型分析方法已经被广泛应用于随机信号处理，如通信工程、机械工程、生物医学工程等领域，这些领域中的信号往往具有非平稳特征，为此，相应的时频自回归（TFAR）模型[1-2]、时频滑动平均（TFMA）模型[3]和时频自回归滑动平均（TFARMA）模型[4]被相继提出。实际上在这些领域的非平稳过程信号常常会伴有一种强脉冲噪声，这种噪声不是一般的高斯过程，这种过程没有有限的方差，有更重的拖尾，这种过程可以用α稳定分布来描述[5-8]。……