一般性广义噪声协方差矩阵自适应迭代谱估计

分析了非参数化谱估计方法,分析表明,它们所解决的优化问题都是加权最小二乘(weighted least square,WLS),不同在于如何估计广义噪声协方差矩阵来构建加权矩阵。基于统一框架,提出了一种能同时估计信号频谱和观测噪声的自适应迭代非参数谱估计方法。该方法在每一次迭代时都利用上一次估计结果来逐步逼近真实的广义噪声协方差矩阵。分析和仿真表明,本文方法具有分辨率高,谱泄漏抑制好,并能增强信号协方差矩阵的可逆性和频谱范围选择的随意性等特点。

结合l_q范数矩阵填充的采样数据丢失谱估计

处理存在采样数据丢失的谱估计问题,可以直接对已获得的采样数据进行谱估计,另一种思路是首先恢复丢失采样数据再对恢复后的整体数据进行谱估计.基于后一种思路,文章提出一种新算法:首先利用lq范数(0<q<1)矩阵填充来恢复丢失的采样数据,然后对恢复后的整体数据进行迭代自适应谱估计.仿真结果表明,在文章仿真条件下,采样数据丢失小于10%时,相比于直接IAA谱估计和经过其他数据恢复方法后再进行IAA谱估计,文章方法对于真实频率成分的估计更加准确.