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

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

所属期刊栏目：38

分类号：TN95

资助基金：国家自然科学基金61401024Foundation Item:The National Natural Science Foundation of China 61401024

在线出版日期：2016-07-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1431-1437