大维AR(1)模型样本协方差阵的极限谱密度

令Xn=(Xjk)1≤j≤p,1≤k≤n,X1,…,Xn是Xn的n个相互独立的列向量,并且Xk=(X1k,X2k,…,Xnk)′服从AR(1)模型,具体给出了当p→∞,n→∞,且p/n→y时,样本协方差阵Sn=1/n∑nk=1XkX′k的极限谱密度.     

超声临界角侧波速度测量方法的研究

声速(SOS)是描述声波在媒质中传播特性的一个基本物理量,通过媒质中声速的测定,可以了解媒质的特性或状态变化.基于临界角侧波原理的超声速度测量方法是声速测量方法中的一种,但现有的临界角侧波测量方法精度较低,适用范围小,在测量声速时易受干扰.为此提出了一种新的基于临界角侧波理论的定量超声速度测量方法,该测量方法引入了一个新的参数———倾斜角补偿时间,该参数通过接收时间的差值求得.通过引入该参数,本方法在实际测量中提高了测量精度.     

基于AR模型的非线性目标跟踪自适应算法

针对Jerk模型中各参数设置不合理对跟踪系统所造成的影响,提出一种基于自回归（AR）模型的Jerk参数自适应改进算法,实时估计并调整系统的参数,提高系统的跟踪精度及稳定性;同时,针对非线性目标跟踪系统扩展卡尔曼滤波算法（EKF）计算复杂跟踪精度低,提出采用平方根容积卡尔曼滤波器（SRCKF）进行状态估计,保证跟踪系统的精度和鲁棒性,为Jerk模型参数自适应提供良好条件.仿真结果验证了算法的有效性.     

时间序列AR模型参数的积分求解法

基于对时间序列实质的分析，提出了旨在减少序列的随机误差影响以及提高拟合精度的ＡＲ模型参数的积分求解法，重点讨论了ＡＲ（１）模型及ＡＲ（ｐ）模型参数的积分求解法，并与最小二乘法在计算机上进行了仿真比较，结果表明，有用积分求解法所得ＡＲ模型参数的估计精度比最小二乘法的高。     

基于共轭梯度迭代算法受控AR模型的参数辨识

推导了单输入单输出系统的辅助模型,它有助于减少计算量和提高共轭梯度迭代算法（新算法）的收敛速度.相比于受控移动平均模型中所提出的交互式随机梯度算法,新算法用更少的迭代步骤就可求出模型的参数估计.另外,新算法能避免出现矩阵的逆矩阵形式.对新算法与双共轭梯度算法进行比较,并给出数值实例检验新算法的有效性.     

基于时间序列中AR（p）模型的风险模型研究

本文在引入时间序列中的AR(p)模型后,在保单的保险费随机收取并且满足AR(1)模型的条件下,研究了风险模型的调节系数和破产概率,推广了文献[3-4]的结论。     

基于对称矩阵分解理论的AR模型参数算法

在分析AR模型的Y u le-W a lker方程和对称矩阵分解理论的基础上,提出基于对称矩阵分解理论的AM模型算法.该算法研究有关AR模型阶数p的选择,讨论AR模型的其它求法.仿真结果表明,改进算法的AR参数能有效提高频谱分辨率、改善方差性能、提高频谱估计的精度.     

基于AR模型方法的多维脉动风荷载时程的模拟

研究了脉动风荷载基于AR模型的数值模拟方法。依据脉动风荷载的功率谱密度函数,探讨了AR模型方法实现考虑空间相关性影响的水平脉动风荷载的模拟方法。算例表明,该方法计算简洁高效,模拟结果能够精确反应脉动风的频谱特性。     

基于季节性AR(P)模型的水质预测

自回归模型的建立是基于序列平稳性的假设,只能描述平稳序列的统计特性,而水质的月监测数据序列往往具有季节性变化的现象.文章介绍了平稳过程的相关理论及其检验方法并应用到黄河潼关、三门峡断面的水质序列的检验中,检验结果为非平穗序列,且序列具有明显季节性(月份)变化的特性。为此尝试建立季节性AR (P)模型来捕捉黄河水质的季节性变化规律,实践表明该模型预测总体效果是较为满意的。     

番茄红素对糖尿病大鼠骨质的影响

研究番茄红素对小剂量多次腹腔注射链脲佐菌素所致糖尿病大鼠骨质的影响.用链脲佐菌素以30mg/kg注射Wister雄性大鼠6周,成功建立糖尿病模型;对正常对照组、糖尿病模型组、番茄红素组和胰岛素治疗组进行骨常规参数进行测定及比较.糖尿病模型组骨密度、骨结构力学参数、生物力学参数、骨钙、镁、锰及羟脯氨酸含量均比青年组有显著降低(P<0.01),而骨磷含量、骨和血清碱性磷酸转移酶均比正常对照组有显著升高(P<0.01);相比之下,番茄红素组在上述参数指标方面均与糖尿病模型组呈现显著差异(P<0.01),与胰岛素治疗组呈现相同作用趋势,但效果不如后者.研究表明长期摄入番茄红素可减少小剂量多次腹腔注射链脲佐菌素大鼠糖尿病的发病率,进而影响糖尿病大鼠骨质变化的发生.     

基于自回归时序盲辩识的机械故障诊断

提出了一种自回归(AR)模型的盲辨识的算法，该算法与传统AR模型的辨识算法的区别在于它可同时确定AR模型的阶次和参数，而不需事先确定AR模型的阶次或假定AR模型的阶次已知，其特点是计算量小，具有很好的收敛性，并在此基础上将AR模型的盲辨识方法应用到机械故障诊断中．     

基于AR模型的话务自学习研究与应用

本文通过对AR模型的研究,提出了一种基于AR模型的话务自学习模型。通过对话务数据进行平稳化差分处理,得到话务数据的模型,并对未来的话务数据进行预测。仿真结果表明,建立的话务自学习的AR模型和实际的话务数据有很高的一致性,且仿真速度快,适合在实际的工作中应用。     

基于AR模型和神经网络的膝骨性关节炎诊断

本文旨在采用表面肌电信号无创性方法诊断和评判膝骨性关节炎,以在早期能够预防和治疗膝骨性关节炎,改善生活质量。在研究中,采集了对照组和膝骨性关节炎患者水平行走时下肢的股外侧肌,股内侧肌,股二头肌和半腱肌的表面肌电信号。利用表面肌电信号建立自回归(AR)模型,提取AR模型参数为特征向量训练BP神经网络,并通过神经网络诊断膝骨性关节炎。实验表明,基于BP神经网络分类器可以得到较好的结果,正确率可达到88%以上。     

计算机X光片骨密度分析系统的开发

利用国产设备和自行开发的交互式图象处理及骨密度分析软件实现了通过普通Ｘ光片进行骨密度的分析测量。本系统能够敏锐地反映骨密度的差异,同时作为一晨侵入性骨密度测量方法,本系统具有快速、科便,造价低廉等优点,而且应用范围广,易于临床推广应用。     

用DXA测量大鼠骨密度和身体成分的精密度

目的:采用双能X线吸收法(DXA)进行大鼠骨密度(BMD)和身体软组织成分测量的精密度试验,探讨DXA对大鼠骨密度和身体软组织成分测量结果的可靠性。方法:对30只SD大鼠进行了DXA二次重复扫描,采用小动物专用软件分别分析大鼠上肢、下肢、躯干、全身等部位的骨密度,以及脂肪(fat)组织、肌肉(lean)组织和fat百分比,计算其精密度(以变异系数的均方根RMS-CV表示)。结果:SD大鼠全身骨密度测量精密度(RMS-CV)为0.9%,最小显著变化值为0.003 g/cm2;大鼠全身软组织成分:脂肪、肌肉组织的含量和fat组织所占软组织的百分比的精密度分别为9.6%、1.3%和9.7%。结论:DXA能较准确测量大鼠全身骨密度和软组织成分。     

基于AR模型和SVM的果蝇振翅声分类

分别对3个不同品系果蝇的振翅声建立了AR模型,提取AR系数和白噪声序列的方差作为特征,然后用支持向量机(support vector machine,SVM)分类同种内的3个不同品系果蝇的振翅声。使用AIC准则确定AR模型的阶数,用Burg方法估计AR模型的参数,用重尾径向基函数作为支持向量机的核函数,实现对不同品系果蝇振翅声的特征提取和分类。实验结果表明3个品系的果蝇振翅声的分类正确率均达到了88%以上。     

基于改进LGDF模型的超声图像自动分割方法

基于局部高斯分布拟合能量(LGDF)模型的图像分割方法,对初始轮廓选取及参数选择较敏感.如果初始轮廓手动选取不当会由于陷入局部极小值而导致分割失败,且分割速度较慢.针对以上不足,提出了一种改进的LGDF模型的超声图像自动分割方法.该方法的正则化项由具有双极值点的势函数构成,在水平集函数进化过程中,可以避免由单极值点势函数造成的水平集函数震荡和扭曲,从而加快了收敛;另外,将局部熵阈值分割的结果作为LGDF模型的初始轮廓,接近真实轮廓,可以克服手动选取初始轮廓的影响.实验结果表明,该方法能自动获取合适的超声图像初始轮廓,并得到较好的分割结果,同时大大提高了分割速度.     

基于Softmax回归模型的骨龄X射线图像手骨分割

针对儿童青少年的骨骼发育情况,临床上常采用手腕骨X射线图像进行骨龄评估。其中手骨区域的分割是预处理中的关键一步,手骨分割的准确率极大地影响最后的评估结果。传统的阈值分割方法在自动化分割过程中鲁棒性较差,利用深度神经网络的自动分割准确率比传统方法高但较为复杂。研究在阈值分割的基础上,提出先通过训练Softmax回归模型预测最佳阈值得到二值图像,再利用区域生长法提取完整手形,最后对手骨图像进行归一化处理的分割方法。在100张临床数据测试集上,将提出的方法与传统的阈值分割方法——Otsu、最大熵阈值和直方图均值分割方法进行对比,采用相似系数DSC（dice similarity coefficient）、欠分割率和过分割率3个客观评价指标对分割结果进行定量分析。实验证明该方法的分割效果最理想,平均DSC值为0.97,欠分割率和过分割率接近于0,对于复杂的手骨图像也表现出良好的分割性能,相比传统的阈值分割方法具有更好的鲁棒性,能够准确的对骨龄X射线图像进行自动化手骨分割处理。