文摘
英文文摘
声明
第一章 绪论
1.1引言
1.2分数高斯噪声(fGn)
1.2.1分数布朗运动
1.2.2分数高斯噪声
1.3 fGn的参数估计
1.3.1 R/S估计
1.3.2 Whittle估计
1.3.3小波极大似然估计
1.3.4基于fBm的离散变异的估计
1.4 fGn与长期记忆过程
1.5 fGn的研究及相关问题
1.6论文的主要工作及内容安排
第二章改进的周期图方法
2.1引言
2.2周期图方法
2.3改进的周期图方法
2.4 Monte Carlo仿真实验
2.4.1仿真数据
2.4.2实验结果
2.5实际数据例子
2.6讨论
2.7本章小结
第三章fGn背景下的趋势估计
3.1引言
3.2自适应的趋势估计
3.2.1 EMD趋势
3.2.2光滑样条趋势
3.3 DFA趋势
3.3.1 DFA趋势算法
3.3.2 DFA趋势的相关参数估计
3.4三次分段约束样条趋势
3.4.1等距节点的三次分段约束样条趋势
3.4.2非等距节点的三次分段约束样条趋势
3.5趋势比较
3.5.1正弦趋势
3.5.2线性调频趋势
3.6仿真的BOLD信号的趋势估计
3.7本章小结
第四章改进的DFA算法
4.1引言
4.2 DFA算法
4.3改进的DFA(MDFA)
4.4仿真实验
4.4.1仿真数据
4.4.2实验结果
4.5 MDFA应用于仿真的脑功能信号
4.6本章小结
第五章结合三次分段约束样条去趋势的DFA算法
5.1引言
5.2 DFA算法
5.3结合三次分段约束样条去趋势的DFA算法
5.4仿真实验
5.4.1仿真数据
5.4.2实验结果
5.5本章小结
第六章自适应的改进周期图方法
6.1引言
6.2自适应改进的周期图方法(AMPE)
6.3仿真实验
6.3.1不同趋势下估计的比较
6.3.2不同强度趋势下估计的比较
6.4去趋势的AMPE
6.4.1基于等距节点的三次分段约束样条趋势的AMPE
6.4.2基于DFA趋势的AMPE
6.5本章小结
第七章结论与展望
7.1结论
7.2展望
参考文献
致谢
攻读博士学位期间发表的学术论文及已完成的学术论文