论文部分内容阅读
在平稳时序数据的自回归辨识过程中,通过引入Bootstrap方法对辨识残差序列进行重采样、参数估计及模型修正等处理。对现有的基于Bootstrap方法的自回归辨识算法进行了如下的两点改进：一是以自回归模型阶数为Bootstrap方法的滑动窗口宽度,对残差序列进行重抽样处理;二是基于矩阵奇异值的迭代分解理论,对Bootstrap重抽样序列的参数进行求解。实验表明,上述改进能有效地提高原有算法的辨识精度和辨识速度。