1.一种基于q阶矩的时变相关指数估计方法，其特征在于，包括以下步骤：S1：输入初始参数ω0，α，m，n；

其中ω0是指数衰减函数的初值；

α为衰减因子初始值；

m为初始窗口宽度；

n为滑动步长；

S2：采用样本分位数法估计特征指数q，q∈(0,2]，q代表信号的脉冲特性，q越小则信号的脉冲特性越强；

样本分位数法估计具体为：假定F(x)为随机变量X的分布函数，则其f，0＜f＜1分位数xf定义为

F(xf)＝f                          (1)随机样本X1,X2,…,XN的顺序统计量定义为它们的升序排列，表示为X(1),X(2),…,X(N)，满足X(1)≤X(2)≤…≤X(N)；f分位数可以由式(2)估计得到式中，q(i)＝(2i‑1)/(2N)，且i由q(i)≤f＜q(i+1)来确定，0≤i≤1；若i＝0或i＝N，则分别取 或

特征指数q可以通过估计得到的样本分位数经由查表和内插方法得到；q的计算式为式中， 和 均为f分位数；

S3：根据特征指数q的大小确定滑动窗口大小Δt和衰减参数θ；

滑动窗口大小Δt＝[(1+q)×m/2]；衰减参数θ＝(1+q)/α；

S4：计算窗口范围内截断信号x(t)的q阶矩；

信号x(t)的q阶矩Kq(τ)根据以下公式计算其中τ∈[1,τmax]，τmax为τ的最大值，代表x(t)的采样均值；

S5：计算窗口范围内截断信号的加权q阶矩；

信号的加权q阶矩 根据以下公式计算其中

ω0是指数衰减函数的初值；

S6：计算加权q阶矩的对数取斜率，分析局部Hurst参数；

其中C是常数，H(q)为q阶矩的对数取斜率；

S7：按照步长n平移窗口，重复步骤S4‑S6直至序列末端。