龙俊波 汪海滨



基于基于SαS过程的分数低阶时频自回归滑动平均模型参数估计及时频分布

龙俊波*①汪海滨②

①(九江学院电子工程学院 九江 332005),②(九江学院信息科学与技术学院 九江 332005)

针对过程下时频自回归滑动平均(TFARMA)模型分析方法的退化，该文用分数低阶共变取代二阶相关提出了分数低阶时频自回归滑动平均(FLO-TFARMA)模型的概念，并推导了模型参数的求解方法。在此基础上，给出了FLO-TFARMA模型时频谱估计算法，和已有的TFARMA模型时频谱算法进行了详细的比较。计算机仿真结果表明，在过程环境下，所提出的FLO-TFARMA时频谱明显优于TFARMA时频谱，尤其是当参数较小时，FLO-TFARMA时频谱优势更明显。

信号处理；稳定分布；非平稳信号；时频分布；自回归滑动平均；尤拉沃克方程

1 引言

非平稳随机过程广泛存在于实际各领域中，如生物医学工程、通信、雷达、股票价格数据、水声信号等领域。非平稳随机过程的统计量随时间变化而变化，是一种时变的信号，而常用的分析方法是时频分析。时频分析方法主要包括有线性的短时傅里叶变换(STFT)和小波变换(WT)、双线性的Wigner-Ville分布(WVD)、合成类Cohen类时频分析以及Hilbert-Huang变换(HHT)。最近，一种新的模型类时频分布被提出，模型类时频分布包括时频自回归(TFAR)模型、时频滑动平均(TFMA)模型[4]和时变自回归滑动平均(TVARMA)[5,6]，模型类时频分布是一种具有较高分辨率和精度的新的时频方法，分析过程主要包括模型的参数估计、阶数估计和模型时频分布。在TFAR模型和TFMA模型的基础上，文献[7]总结了……