时变自回归模型相关论文
传统的睡眠分期都是通过采集脑电信号进行研究,通过贴片式元件采集人体生理信息进行监测,这种与人体直接接触的方式会对正常的睡眠......
现代战争中，空袭战机目标多采用密集编队的方式，这对常规低分辨雷达提出了严峻的考验。有效的编队目标架次分辨，对及时分析敌情，快速准......
语音增强是语音信号处理的重要分支,是消除语音噪声干扰的主要手段。其目的就是从带噪的语音信号中尽可能的提取出原纯净的语音信......
在我们生活的环境中，到处可以发现噪声，这些噪声或强或弱，时时刻刻影响我们的生活。其中就语音通信来讲，语音增强技术是近年来研究的热......
文中介绍了一种基于时变自回归模型的归一化参数自适应匹配滤波算法。考虑到随机噪声的影响,对HSI数据进行光谱维的平滑预处理。实......
微动特征对空间锥体目标识别与参数估计等有着重要意义,而目标的平动会破坏微多普勒谱的结构,影响微动特征的提取.针对这一问题,提......
针对含有色噪声的语音，提出了一种基于Unscented粒子滤波的单通道语音增强方法。采用时变自回归模型（TVAR）对干净语音建模，通过Unscent......
为实现多分量非平稳信号的高精度时频分析,给出一种基于稀疏表示的时频分析算法。对信号建立时变自回归模型,选择一组基函数对模型......
分析比较了基于时变参数自回归模型(TVAR)时频分析方法与基于非参数模型的典型传统时频分析方法--STFT、CWD对非平稳信号进行分析......
旋转机械如电机振动信号普遍存在非平稳性，同时对于某台设备已有的故障样本往往非常有限的。针对这些问题，提出一种基于时变参数自回......
结合多采样率系统理论中的子带分解技术与贝叶斯估计理论中的无迹粒子滤波技术,提出了一种基于子带无迹粒子滤波的语音增强方法。......
在分析语音信号的时变自回归TVAR(Time-Varying Autoregressive)模型及其模型参数的随机演化模型的基础上,基于粒子滤波器(Particl......
在分析语音信号的时变自回归模型的基础上，采用了一种新的滤波器即高斯粒子滤波器，该滤波器是基于粒子滤波方法得到一高斯分布来近似......
研究了两阶段含噪独立分量分析算法来解决含噪信号盲分离问题。第一阶段，通过粒子滤波实现对不含噪混合信号的估计，将含噪独立分量分......
为解决助推器难以精确回收的问题,提出了一种容积卡尔曼滤波(CKF)和时变自回归(TVAR)模型融合的助推器落点预测方法。针对外弹道观......
研究了非平稳信号的时变自回归建模方法，提出了应用小波基函数将非平稳时变参数的辨识转化为线性时不变问题的辨识，在此基础上，应用带......
应用非平稳时间序列的时变系统建模方法进行了参数随时间变化的线性系统参数的辨识.通过引入多尺度径向基函数(MRBF)将非平稳过程......
在研究时变自回归模型及非平稳信号时变频率估计的基础上，提出一种基于时变自回归模型的编队目标架次检测新方法．该方法利用时变自回......
现有时变自回归(TVAR)模型参数谱估计容易导致谱峰漂移。针对该问题,提出一种基于组合目标函数和遗传算法的TVAR参数估计方法,并将......
目的解决利用光电容积脉搏波提取心率时,传统心率提取算法在波形突变时效果不理想的问题。方法提出一种基于时变自回归(time-varyi......
针对现有的自回归（Autoregressive,AR）模型对非平稳数据预测效果不佳的问题,提出了基于时变自回归（Time-Varying Autoregressive,TVAR......
心率(heart rate,HR)和血氧饱和度(oxygen saturation)是两个非常重要的人体参数。心率的实时、无创检测可以帮助人们随时了解自己......
实际中，语音常常受到环境噪声的干扰而使通话质量下降，严重时使语音处理系统不能正常工作。在这种情况下，必须采用信号处理方法进行语......
