基于ICA和高阶累积量的AR序列的分解与复原
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(IndependentComponent Analysis, ICA)中的广义信息最大化(Infomax)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级联,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.
独立成分分析 信息最大化算法 高阶累积量 非因果AR模型 非因果自回归序列
张玉洁 祁锐 李宏伟
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
国内会议
浙江宁波
中文
1424-1430
2007-08-25（万方平台首次上网日期，不代表论文的发表时间）