基于ICA和高阶累积量的AR序列的分解与复原

作     者：张玉洁 祁锐 李宏伟 Zhang Yujie;Qi Rui;Li Hongwei

作者机构：中国地质大学数理学院武汉430074 海军工程大学理学院武汉430033 

基　　金：国家自然科学基金(60672049) 中国地质大学(武汉)优秀青年教师资助计划(CUGQNL0733)资助项目 

出 版 物：《仪器仪表学报》 (Chinese Journal of Scientific Instrument)

年 卷 期：2008年第29卷第9期

页      码：1836-1840页

摘      要：本文研究由若干个非因果自回归(auto regression,AR)序列叠加产生的多道时间序列的分解与复原问题,首先从序列的独立性出发,利用序列的高阶统计信息,采用独立成分分析(independent component analysis,ICA)中的广义信息最大化(Info- max)算法寻找一可逆矩阵将混合序列进行分离,然后设计了一种基于高阶统计量的自回归模型的辨识算法,算法中将非因果AR系统看成由因果和反因果系统的极联,在每次迭代中先估计反因果AR的阶数和参数,然后再估计因果AR的阶数和参数,由选用的线性方程组保证了参数的唯一可辨识性.最后通过模拟实验验证了此方法的有效性.

主 题 词：独立成分分析 信息最大化算法 高阶累积量 非因果AR模型 

学科分类：0711[理学-心理学类] 07[理学] 08[工学] 080401[080401] 0804[工学-材料学] 080402[080402] 0703[理学-化学类] 

核心收录：

D　O　I：10.3321/j.issn:0254-3087.2008.09.009

馆 藏 号：203604205...