分区复杂性在时间序列分析中的应用

本文对KC复杂性,C₁、C₂复杂性等常见的时间序列分析中所用的方法进行了比较,在此基础上提出一种新算法——分区复杂性,同时将其应用在EEG时间序列分析、处理中,以检验它的有效性.     

Symbolic Time Series Analysis of Temporal Gait Dynamics

Signals obtained from biological systems exhibit pronounced complexity. The patterns of change contain valuable information about the dynamics of underlying control mechanism of the complex biological systems. Human gait is a complex process with multiple inputs and numerous outputs. Various complexity analysis tools have been proposed to extract information from human gait time series. In this study, we used recently developed threshold based symbolic entropy to compare the spontaneous output of the human locomotors system during constrained and metronomically paced walking protocols. For that purpose, stride interval time series of healthy subjects who walked for 1 h at normal, slow and fast rates under different conditions was transformed into symbol sequences. Normalized corrected Shannon entropy (NCSE) was computed from the symbol sequences of the stride interval time series. The findings indicated that the unprompted output of human locomotors system is more complex during unconstrained normal walking as compared with slow, fast or metronomically paced walking.     

基于回归神经网络的时间序列非线性分析

本文提出了一种基于局部回归神经网络的时间序列非线性预测分析方法，给出了新的非线性模型训练方法，并针对几类常见的时间序列。给出了实验结果。     

混沌时间序列信号的降噪

混响背景下目标信号的检测、降噪方法与实现,一直以来都是一个难题。建立了非线性降噪模型,并且应用此模型进行混沌时间序列信号检测。以典型的Henon混沌系统所产生的时问序列作为样本和水下目标信号噪声序列为例,进行了降噪和预测,结果表明该方法是有效的,可行的。     

基于进化RBF神经网络的非平稳时间序列分析

针对非线性时间序列中的非平稳数据,本文结合差分平稳化和分阶遗传训练的方法,提出一种新的进化RBF神经网络结构及其学习算法。算例仿真结果显示,该算法在处理非平稳时间序列问题时具有一定的优越性。     

基于谱分析下的时间序列的平稳性检验

将时间序列分为S个子序列片断，用周期图方法估计时间序列的谱密度，在此基础上用3σ原理和两因素方差分析比较各子序列的异同，用以分别检验时间序列的均值函数和协方差函数的平稳性。较其它方法避免了复杂的计算，同时给出了检验统计量和判别准则，克服了人为主观因素的影响。     

基于时间序列的电磁环境分析与预测方法

从电子战设备应该如何应对当前复杂的电磁环境入手,提出了一种基于时间序列分析理论的背景电磁环境分析与预测方法.并使用实际移动通信系统中载频级的占用时长数据建立了能够描述背景电磁频谱占用情况的数学模型,使用该模型对未来的频谱占用情况进行了预测.基于实际数值的研究结果表明该模型能够对未来的频谱占用情况做出较好地预测,从而为提升电子战设备对于不同背景电磁环境的适应能力奠定了基础.     

Boundary-Based Time Series Sorting

In many applications, it is desirable to sort the data. Most of previous work on sorting are key based, however, there are no apparent keys for the time-series data and therefore the classic sorting algorithms may fail in sorting time-series data. We propose a novel technique, called TS-Sort, to sort time-series sequences in the massive set. The proposed method first extracts the maximum and minimum boundaries of the set, then calculates the distance values between the sequences to the boundaries, and finally sorts the values to determine the relative orders of sequences in the set. For improvement, we propose a partition based version of the algorithm, which puts the sequences into small groups, and sorts the groups to get the final sorted set. Extensive experiments, both on synthetic and real datasets, show that our approach can be used to make the time series set in order, and there is a factor of up to 26.3% accelerating for the improved version of the method.     

Kinematics of Complex-Valued Time Series

The contribution to a stationary complex-valued time series at a single frequency magnitude takes the form of a random ellipse, and its properties such as aspect ratio (which includes rotational direction) and orientation are of great interest in science. A case when both the aspect ratio and orientation are fixed is found, and their variability, in general, results from the additional influence of an orthogonal ellipse. It is shown how a magnitude squared coherence coefficient controls both the relative influences of these components and the variation of both the orientation and aspect ratio of the resultant ellipse. Realizations of random ellipses are recovered very accurately from simulated time series. The mean orientation of the random ellipse is formally derived.      

基于OLAP多维数据模型的时间序列分析技术

在海量数据条件下,传统的数据统计方法在灵活性和效率等方面受到了制约,为此提出了一种时间序列多维数据建模方法和聚类算法,将OLAP技术应用到时间序列分析技术中,并以实例论证了方案的可行性和实用性。     

基于时间序列分析的动态分布平滑方法

 统计语言模型在实际应用中显示出了不俗的效果,但由于语言的灵活性,模型的数据稀疏问题始终不能避免,现有的平滑方法只考虑了模型中元素出现的频数,没有考虑到语言的使用是随着时间变化的.本文分析了模型中词语随着时间的变化而出现的频数变化情况,利用时间序列模型分析中的预测方法获得下一个阶段的数据来估计模型的参数,提出了一种对在时间线上频数增加的词语增加概率值,对频数减少的则降低概率值的动态分布平滑方法.实验数据显示,本平滑方法具有一定的优越性.     

RLC串联电路的时频特性仿真分析

RLC串联电路是"电路"课程教学中其中的一个重点。本文应用Multisim仿真软件对RLC串联电路进行了时域和频域仿真分析,给出了RLC串联电路的零状态响应,正弦稳态响应及其幅频特性的演示示例,理论知识和仿真演示相结合,使学生加深了对RLC串联电路的理解和掌握。     

Analysis and Synthesis of Raindrop Size Distribution Time Series From Disdrometer Data

Hydrometeorological and radio propagation applications can benefit from the capability to model the time evolution of raindrop size distribution (RSD). A new stochastic vector autoregressive semi-Markov model is proposed to randomly synthesize (generate) the temporal series of the three driving parameters of a normalized gamma RSD. Rainfall intermittence is reproduced through a discrete semi-Markov process, modeled from disdrometer measurements using two-state analytical statistics of rain and dry period duration. The overall model is set up by means of a large set of disdrometer measurements, collected from 2003 to 2005 at Chilbolton, U.K. The driving parameters of the retrieved RSD are estimated using three approaches: the Gamma moment method and the 1D and 3D maximum-likelihood methods. Interestingly, these methodologies lead to quite different results, particularly when one is interested in evaluating RSD higher order moments such as the rain rate. The accuracy of the proposed RSD time-series generation technique is evaluated against available disdrometer measurements, providing excellent statistical scores.     

一种非平稳非线性频谱占用度时间序列分析方法

针对传统频谱占用度分析模型由于未考虑序列的非线性非平稳特性,导致无法准确描述频谱占用度特性的问题,该文提出将集合经验模式分解(EEMD)方法与人工神经网络(ANN)的方法结合应用于频谱占用度时间序列建模方法中,采用EEMD+ANN的频谱占用度序列建模和预测方法.首先应用EEMD分解算法把原始频谱占用度时间序列分解成不同尺度的基本模态分量,再根据不同尺度的基本模态分量分别构建ANN模型,提高了模型针对复杂频谱占用度时间序列的学习能力.结合实测数据分析,表明该模型相对传统频谱占用度模型具有更高的拟合和预测精度,验证了该方法的正确性与有效性.     

FATMA－时频多址协议及其性能分析

ＶＳＡＴ网络协议的更新，都是以改进网络性能为目标的。本文对ＦＡＴＭＡ－一种新兴的时频多址协议进行了性能分析，结果表明ＦＡＴＭＡ可以大幅度提高网络的总吞吐量、具有更好的时延特性和工作稳定性。而且频率个数Ｆ越大，协议性能越好。当Ｆ足够大时，ＦＡＴＭＡ可以不设立退避时延，从而使分组传送时延减小到最低限度。     

一种新型复杂时间序列实时预测模型研究

针对复杂时间序列难以使用单一预测方法进行有效预测的问题，本文提出一种新型多分辨率增量预测模型．该模型首先使用经验模式分解方法对复杂时间序列分解，然后对各分量分别进行增量核空间独立向量组合预测建模，最后对各个分量预测结果等权求和集成为综合预测结果．该预测模型可以实现对复杂时间序列的快速实时预测，实验结果显示该模型在复杂时间序列预测上有良好的性能．     

大时带积线性调频信号源幅相误差分析与校正

针对产生LFM信号的数字方法，分析了系统的幅相误差来源，并根据误差频率对其进行了分类。提出了一种将正交调制LFM信号产生系统的幅相误差映射到基带后，在数字域利用复系数FIR滤波器进行校正的方案。针对直接数字波形合成LFM信号产生系统，将误差校正方法简化为直接对存储的数字波形进行预失真处理。最后将校正方法应用于实际系统，结果表明提出的幅相误差校正方案易行、有效，能明显提高输出LFM信号的性能。     

纳秒上升时间Q开关高压脉冲发生器的设计

设计了一种基于Marx Bank Generator脉冲发生原理而设计的ns级上升沿调Q开关雪崩三极管高压脉冲发生器。它可以在20ns以内的时间在Nd:YAG激光器的电光调Q晶体（KD*P）两端加上1/4波高压，调Q时间由原来使用电子管时的90ns缩短为15ns以内，从而使输出脉冲的峰值功率由25mW增大至93mW，脉宽由16ns缩短为8ns。该调Q电路还具有体积小、功耗低、电磁辐射小、重复率高和工作寿命长等优点。     

一种基于时间序列的RFID供应链数据分析方法

通过挖掘海量RFID(Radio Frequency Identification)数据来优化供应链已经成为一个研究热点.本文针对供应链流通中出现的若干周转异常并且难以发现的问题,提出了一种基于时间序列的RFID供应链数据分析方法.将供应链的RFID数据统一成反映各环节周转状况的时间序列格式,然后通过分段趋势分解方法分解提取的时间序列数据,并根据分解后的随机项建立阈值来判断数据是否异常,从而建立相应的时间序列分析模型;最后基于模型检测数据异常.通过多样本和多数据集的实验检测,结果表明这种方法有效并具有较高的效率.     

基于空间分布和时间序列分析的粒子滤波算法

针对粒子滤波存在的粒子贫化问题,提出了一种改进的重采样粒子滤波算法.在重采样步骤中基于采样粒子集的空间分布引入时间序列分析,选取相关度最高的粒子进行传递,避免了只关注采样粒子权值的传统重采样算法中仅复制大权值粒子而任意丢弃小权值粒子的缺陷,因此能够消弱粒子贫化现象,提高算法的估计精度.在理论上利用两样本Kolmogorov-Smirnov检验原理证明了改进算法重采样后的粒子集和采样前的粒子集来自同一总体.仿真结果表明,尤其是在初始采样粒子数目较小时,该算法在非线性系统状态估计中的精度优于传统的粒子滤波算法.