分数高斯噪声型的参数估计及相关研讨.pdfVIP

摘要 摘要 (fractionalBrown Gaussian motion，IBm)曲线，分数高斯噪声(fractionalnoise， fGn)作为IBm的增量过程被首次提出来。它是一类重要的自相似过程，模型简 约，其性质主要由一个参数——_Hurst指数决定，已经被广泛地应用到各个领域。 关于fGn的Hurst指数估计一直备受关注，各种不同方法先后被提出来。然而， 现有的方法不是估计精度不够，就是应用范围受到限制。本文致力于fCm参数 估计以及相关研究，主要工作包括如下五个方面： 1、我们提出了一种改进的周期图方法来估计fGn的Hurst指数。将频谱指 数从线性形式推广到分段多项式，得到了fGn更精确的频谱函数的逼近，使得 偏差极大地减小；平滑策略的运用使得估计的方差也显著地减小。此外，我们 还考虑了改进方法的渐近无偏性，并得出了它的方差和置信区间的上界。根据 均方误差标准，MonteCarlo仿真实验证明我们提出改进方法比小波极大似然估 计要好，与Whittle估计相当，而且计算复杂度比Whittle估计低得多； 2、为了从f甑噪声背景下有效地提取趋势，我们提出了两类新的趋势构造 方法一三次分段约束样条趋势和DFA趋势。(1)通过引入三次分段约束样条， 我们得到了等距节点和非等距节点的三次分段约束样条趋势；(2)基于传统的 Fluctuation 去趋势的波动分析法(DetrendedAnalysis，DFA)算法的分段趋势， 我们构造了一类光滑的DFA趋势。在不同的趋势情形下，通过与已有的方法一 Mode 一经验模式分解(Empirical 趋势估计的比较，我们的两类趋势表现很好。此外，通过在仿真的磁共振脑功 能信号中的应用，结果证明了我们所提出的趋势算法的优越性，具有很广阔的 应用前景； 3、我们将上面DFA趋势估计应用于带噪声的fGn参数估计，发展了一种改 第1页 摘要 进的DFA估计方法，即对数据序列先去除DFA趋势，然后再用DFA进行估计。 我们将算法应用到混有线性调频趋势的fCm和仿真的脑功能信号的参数估计中。 两类仿真实验结果都证明：我们改进的方法能极大地减小传统的DFA的偏差， 能胜任复杂趋势下的fGn参数估计： 4、我们将前面提出的三次分段约束样条趋势引入到混有趋势的fCm参数估 计中。仿真实验证明：它能够较好地提取复杂背景下的fGn中的复杂趋势，将 DFA应用于分离趋势后的fGn参数估计，结果比不去趋势的传统DFA要精确得 多； 5、基于先前改进的周期图方法，我们提出了自适应的改进周期图方法，它 估计效果要好得多；更进一步，我们引入前面提出三次样条趋势和DFA趋势估 计，与自适应算法相结合，得到了效率很不错的两类新的算法——三次分段约 束样条去趋势的自适应算法和DFA去趋势的自适应算法，它们能适用于强趋势 下的fCm参数估计。仿真实验表明，这两类算法具有很好的鲁棒性，对趋势的 幅度变化不敏感。 关键词： 分数布朗运动，分数高斯噪声，Hurst指数，去趋势的波动分析法， 趋势 第1I页 英文摘要 EstimationofFractional Parameter andRelatedStudies GaussianNoiseModel Mathematics Major：Computational unLiu Name：Yingj andTianzi Advisor：