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
( M4 U, ?9 q9 W3 i* @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
0 l  u& p9 T2 X. C* V+ C4 T3 m" \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
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
* \2 R4 V5 f! X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
* p7 J% _7 t% |  S% t. A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
0 o4 R9 e+ a/ @$ `( G( A* p
' c/ H# y8 p; Q7 x( O
8 W$ L% C& C3 X

附件下载：

游客，如果您要查看本帖隐藏内容请回复

1 M3 m, {8 Y2 r" y( ?& l4 o/ _

ESCAPE

谢谢分享