|
|
EDA365欢迎您登录！
您需要 登录 才可以下载或查看，没有帐号？注册
x
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( E: _& O7 r: _( O: [
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2 ~3 g* e, c6 O/ 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
# Q1 C- g$ l9 S: y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
! j; m* L7 o6 V( T8 ?4 @+ k: f9 C ~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
$ G/ a6 K8 B( l5 t+ ^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
+ m3 J; l3 A A; C& N大比例缺失数据。* e* D( d9 G6 ^6 f! j9 m
关键词：缺失数据重建；谱估计；迭代自适应；稀疏协方差估计5 U6 r8 n, w, F6 d! V
2 X. ]2 z' r' U5 W6 e, l5 J3 k% `' F( h; b# G/ d! i6 T
$ M. U- T' O( }+ Z, X I- n
: s" w3 j7 S1 E$ Q附件下载：
* O8 N) \9 h4 q* A
" V3 C, Y4 M: i+ P9 l" J |
|
/1 
发表于 2021-7-1 16:16
收藏
淘帖
支持！
反对！