一种对异常值鲁棒新颖的无格点谱估计方法

针对稀疏谱估计中,基于协方差的无格点稀疏迭代估计算法(GLS)对频率间隔在c(1<c<2)倍采样数据窗主瓣宽度内的谱信号估计精度较低的问题,本文提出了一种对异常值鲁棒的无格点谱估计算法.该算法首先将GLS算法的频率估计误差描述成误差向量,再利用l1范数对异常值的鲁棒性,来分别约束信号幅度和误差向量的拟合误差,进而通过交替迭代来使它们同时到达最小,以同时实现了对信号幅度和误差向量的联合鲁棒估计.在证明了所提出算法收敛性的同时,分析了它的运算复杂度.仿真实验结果验证了本文提出算法的有效性.