毕业论文课题相关文献综述
AR模型（autoregressionmodel）即自回归模型，回归这一词最早是由FrancisGalton提出的，他在1877年发表关于种子的研究结果，指出回归到平均值现象的存在。1927年，G.U.Yule在研究沃尔夫太阳黑子数、探讨受扰动序列的周期时首创的AR(2)模型和AR(4)模型是时域分析方法的起源。但由于AR(4)模型限制了回归方程的特定形式，没能得到更为理想的结果，而不为后人所重视。1931年，G.T.Walker在研究印度达尔文港口的大气压力时把它扩展到一般的AR(s)模型，E.E.Slutzky则于1927年根据苏维埃彩票抽奖数字中最后一个数字的10项滑动创建了移动求和MA（n）模型。1933年英国的F.Golton提出了回归分析法，为AR模型发展打下了基础。在此基础上，1938年，H.Wold以离散平稳随机过程为研究对象，把这些核心思想和相关的概率理论进行综合，完成了对离散平稳时间序列的系统研究，提出了Wold分解，并给出了自回归移动平均（简称ARMA）模型。1970年，G.P.Box和G.M.Jenkins出版了关于时间序列的奠基性著作《时间序列分析：预测与控制》，讨论了非平稳自回归移动平均（简称ARIMA）模型，ARIMA模型分为三大类：自回归模型（简称AR模型），滑动平均模型（简称MA模型）和自回归滑动平均混合模型（简称ARMA模型）。由此，AR模型正式提出。
自AR模型提出以来，许多学者都对其进行了推广。1967年CW.J.Granger以AR模型为基础发明了格兰杰因果关系检验，用于从原本只能做相关研究的回归分析中得出因果关系推论。克里斯托弗西姆斯（ChristopherSims）于1980年提出了一种常用的计量经济模型：向量自回归模型（简称VAR模型），它是用模型中所有当期变量对所有变量的若干滞后变量进行回归，用于分析经济如何受到经济政策的临时性改变和其他因素影响。1982年R.F.Engle提出自回归条件异方差ARCH模型，用于研究英国通货膨胀指数的波动性，之后该模型被金融学家用于研究金融资产的价格行为。1986年T.P.Bollerslev在此基础上提出GARCH模型，并逐步衍生出形式众多的ARCH族计量模型，如GARCH模型、EGARCH模型、IGARCH模型等。这些模型都属于非线性参数自回归模型，使得预测与决策更具科学性。
多年来，我国学者对AR模型也进行了许多研究。2005年马秉伟等在Burg算法处理正弦信号时出现谱峰偏移的基础上提出了一种基于AR模型的间谐波谱估计改进算法，减小了谱估计的谱峰偏移用较短的数据即可得出较好的间谐波谱估计。刘代志等研究了一种单通道地震波信号初至点检测方法，它是基于小波包分解及对大地噪声信号进行统计分析后建立的大地噪声模型AR模型而提出的。该方法对地震波信号具有很强的自适应能力，能定量确定初至点的位置。2007年胡劲松把基于AR模型预测的数据延拓技术引入经验模态分解（EMD）时域分析领域。2012年衡思坤等运用Gram-Schmidt法、奇异值分解法、LD递推法确定AR模型的有效阶数，得出了较适中的离散序列AR模型定阶方法。但AR模型一般适用于平稳过程，而真实信号多为非平稳非高斯信号，针对这一情况，蒋玲莉采用特别适用于非高斯信号分析的高阶累计量进行AR参数估计，以所得AR参数作为特征向量，以模糊聚类分析方法进行模式识别。曾山等人运用AR模型开展填方路基沉降的检评工作,并预测其未来的沉降程度及趋势，体现了AR模型的实用价值和可靠性。朱灿焰等研究了相关雷达杂波功率谱特性的AR模型及其模拟方法，提出了具有约束条件的修正LEVISON递推算法和AR模型阶数估计方法，并与BURG算法的估计结果进行了比较。
本文所要研究的高频地波雷达作为一种新兴的海洋监测技术，具有超视距、大范围、全天候以及低成本等优点，我国对高频地波雷达的研究也已经迅速发展起来。雷电干扰和瞬时突发的无线电通信干扰信号严重影响高频地波雷达的正常工作，干扰严重时多普勒信号受到破坏，所以李健巍在1998年针对多普勒信号被干扰分割的特点，采用前后向预测的LMS算法，首次建立了高频地波雷达多普勒信号的AR预测模型，解决了多普勒信号的恢复问题，从而使高频地波雷达具备了抗瞬时突发干扰的能力。2004年许瑜昀等提出了一种适合于高频地波雷达射频干扰滤除的方法,该方法基于短时傅立叶变换(STFT)的基本原理,针对单一频率的射频干扰在线性调频雷达中的特点,利用STFT在时频面上检测出射频干扰,通过时域滤波和建立AR模型产生预测数据滤除射频干扰的影响.经过实测数据的检验,信噪比提高了将近10dB,表明该方法能有效地解决线性调频雷达中射频干扰的抑制问题.2006年严颂华等利用时频分析方法将相干积累时间内由于目标非均匀运动和射频干扰引起的信号能量变化显示于时间-频率二维图像上,并根据目标信号对应时频图像上非线性曲线的特点提出一种基于二值形态学的方法用于区分目标和干扰信号。2007年张硕等通过对RCS随机起伏的AR模型建模和模型参数的自适应估计，提出了在RCS变化下高度估计的扩展卡尔曼滤波算法，该方法基于高度估计对于高频地波雷达获取三维信息、提高预警能力很有意义但目标RCS的随机起伏能对高度估计产生严重影响的基本原理。
本文将AR模型运用于高频地波雷达二阶谱表示中，在模拟的海洋回波谱基础上初步分离出一阶谱，根据现有的混合谱和一阶谱运用AR模型谱估计分离出二阶谱，从而得出风浪场的浪高谱信息。考虑到现有的分离主要是针对窄波束情形，我们可以尝试使用AR模型中的Levinson-Durbin递推算法（LD）来求解AR模型的参数，这样比从整个频域上直接扣除一阶谱域更为精确。通过计算机模拟分离出二阶谱，为进一步研究指明了方向。
[1]KleinJ.L.,StatisticalVisionsinTime:AHistoryofTimeSeriesAnalysis,1662-1938[M].Cambridge:CambridgeUniversityPress,1997:54-102
[2]KirchgassnerG.,Wolters.,IntroductiontoModernTimeSeriesAnalysis[M].NewYork:Springer-Verlag,2007:1～10.
[3]BinLiu,M.D.Sacchi,Minimumweightednorminterpolationofseismicrecords[M].GEOPHYSICS:2004,69(6):1560～1568
[4] BarrickD.E.,Theoceanwave-heightnon-directionalspectrumfrominversionoftheHFsea-echoDopplerspectrum，Remotesensing，1977,6：201-227
[5]YANSonghua,WUShicai,WENBiyang.Lowvelocitytargetdetectionbasedontime frequencyimageforhighfrequencygroundwaveradar,Front.Electr.Electron.Eng.China2007,2(4):404409
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
