小波与分形在时序列分析中的若干算法及其应用研究.pdfVIP

中国科学技术大学博，’论文 摘要 摘 要 本文主要研究了小波与分形理论在时间序列分析中的若干算法及其应用研 究。着重研究了基于小波变换的时间序列噪声干扰消除问题；基于小波变换的时 问序列波动的随机性和非平稳性的定量分析；基于小波与多重分形的时间序列波 动非平稳性定量分析。论文的主要研究工作和创新之处有： (1)提出了基于广义高斯模型Bayes估计的平稳小波交换信号消噪算法。 一f以仪器测试中经常出现的类似双边指数及单边指数型的实际测试信号为例， 分析了现有的基于小波空间适应的信号消噪算法存在的缺陷和不足，提出基于广 义高斯模型Bayes估计的平稳小波变换信号的消噪算法，并将算法应用于仪器测 试信号消噪处理，实验结果验证了算法的有效性。j (2)提出了多尺度时间序列Lempel．Ziv复杂度算法。 利用小波变换多分辨率分析思想，多尺度消除时间序列趋势项的影响，在多 尺度下计算时间序列Lempel．Ziv复杂度，定量表征时间序列波动的随机性。 (3)提出了基于小波变换的时间序列Lopez—Ruiz复杂度算法。 利用小波变换消除时间序列中趋势项的影响，计算时间序列Lopez—Ruiz复杂 度，定量表征时间序列波动非平稳性。 (4)提出了基于多重分形的时间序列波动非平稳性定量表征算法。 将非线性物理学领域里用来描述非线性系统复杂性的多重分形模型引入时间 』彩0波动非平稳性算法，提出基于多重分形理论的时间序列波动非平稳性定量表 征算法，将这种 用 于金融时间序列的波动分析，定量的刻画金融时间序列 波动的非平稳性算r。 产。 (5)研究了基于小波变换的时间序列多重分形谱算法。 利用多尺度小波变换模极大值计算局部奇异性指数(HSlder指数)，并利用 小波变换模极大值与局部奇异性指数之间的关系定义分形测度，计算分形信号的 多重分形奇异谱_诵用这种方法计算普通的复杂时间序列的多重分形奇异谱，将 这种算法应用于金融时间序列的波动复杂性分析以及复杂睡眠脑电信号的分类：厂 Abstract we some oftimeseries andit’S Inthisdissertation analysis study algorithms and for oftime onwavelet based fractal，especiallyalgorithmsdenoising application basedonwavelettransfom．timeseriesfluctuation and series randomicity onwavelet series based transform，time analysis non—stationaryquantitative basedon mainwork fluctuation multifractal．The non—stationary analysis quantitative are：