狀態(tài)彌散最小化(PDM)算法的改進與應用.pdf

1、基于非均勻離散信號的處理技術是現(xiàn)代信號處理技術發(fā)展的方向之一,該技術在天文、水文、生物、地震分析等領域發(fā)揮著重要的作用。狀態(tài)彌散最小化(PDM)是一種能快速、準確地檢測出時間序列信號中存在特征周期的信號處理方法,該方法適用于處理時間間隔大,覆蓋不佳,非正弦波曲線形狀以及具有噪聲成分的非均勻離散時間序列。但是PDM技術也存在一些不足,如:對噪聲比較敏感,計算箱數(shù)據(jù)散度時,箱結(jié)構(gòu)的選擇缺乏統(tǒng)一標準,這些原因?qū)е略摲椒ㄔ诠こ虘蒙鲜艿街T多限制

2、。為此,本文在對非均勻離散時間序列算法進行研究分析的基礎上,重點對PDM算法的性能及應用進行了研究,并提出了改進與提高算法精度的方法,本文的主要工作及研究內(nèi)容如下:
　　1.系統(tǒng)地回顧了信號分析與處理的方法、發(fā)展現(xiàn)狀以及存在的問題。重點對非均勻離散時間序列算法的優(yōu)缺點進行了總結(jié),并指出了各種算法的適用范圍。
　　2.對 PDM算法的性能進行了分析,采用相位擬合曲線技術及諧波平均化處理技術對傳統(tǒng) PDM技術進行了改進。并將加權

3、小波分析法(WWZ)和 LS周期圖算法作為對比分析。仿真結(jié)果表明,改進的算法簡單易行,能有效地提高算法的判斷精度。
　　3.提出采用線性插值法對時間域上的非等間距采樣信號進行預處理,并將其應用于經(jīng)驗模態(tài)分解(EMD)算法的時頻分析。本文采用了信號插值法對非均勻離散信號進行重構(gòu),并使用EMD算法對該信號進行時頻分析,從仿真結(jié)果上看,該做法是可行的。
　　4.運用不同原理的非均勻離散時間序列算法,多角度,多方法驗證致密天體的光變