基于稀疏迭代协方差估计的缺失数据谱分析及时域重建方法

ByElmer1

摘 要：应用于缺失数据恢复的迭代自适应方法(IAA)被证实可利用 20%的有效数据估计信号参数，并能高精度恢
复缺失数据，优于经典 GAPES 方法，但当缺失数据超过 80%时其数据恢复性能迅速下降。该文基于稀疏迭代协
- @' Z+ G2 a# x9 _5 `. q方差估计提出一种新的缺失数据谱分析方法(M-SPICE)及针对该方法的缺失数据修正时域重建方法。该方法将加
权缺失数据协方差拟合代价函数转换为凸优化问题，构造循环最小化器保证缺失数据参数估计的全局收敛特性，通
" n. \; _' ~7 J! C+ [+ I, R5 {过对缺失数据估计算子的更新实现了时域重建方法的修正，使其在有效数据功率谱欠估计的情况下获得更高的数据
$ {: ]5 }- g7 j: d. Q重建精度。仿真实验表明无论是数据块缺失还是任意缺失，该方法均能够利用更少的有效数据进行谱分析，并重建
大比例缺失数据。
关键词：缺失数据重建；谱估计；迭代自适应；稀疏协方差估计
( {' e" d: j% E8 E3 d

: g/ C" a/ \. A; _) e# G0 A9 E# U

附件下载：

游客，如果您要查看本帖隐藏内容请回复

& u$ l. K# s- Z1 |
% P4 `: F  V/ P- ~" W

ESCAPE

谢谢分享