基于ICA和高阶累积量的AR序列的分解与复原

摘要：

本文研究由若干个非因果自同归(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(independent component analysis,ICA)中的广义信息最大化(Info-max)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极联,在每次迭代中先估计反因果AR的阶数和参数,然后冉估计因果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.

关键词：独立成分分析、信息最大化算法、高阶累积量、非因果AR模型

所属期刊栏目：29

分类号：TN911.72

资助基金：国家自然科学基金60672049;中国地质大学武汉优秀青年教师资助计划CUCGQNLY733

在线出版日期：2008-12-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1836-1840