基于粒子滤波和优化TVAR模型的时频分析算法

摘要：

传统的卡尔曼滤波(KF)或时变参数自回归(TVAR)模型对非高斯和强非平稳信号处理无能为力,其算法往往跟踪不上频率的变化.粒子滤波能够处理非线性/非平稳问题,并与TVAR模型结合可获得较好的时频跟踪性能.然而,巨大的计算量是粒子滤波的主要问题.由于粒子滤波通常依赖于大量的粒子数目,尤其是估计量维数较高时,会产生较大的计算负荷.文章提出了一种基于优化TVAR模型结合粒子滤波的时频分析算法,实现了对非平稳、非高斯信号时频谱的准确估计,通过优化的TVAR模型跨过时变参数而直接以频率为估计量,并动态检测频率成分个数,降低估计量维数,从而比传统方法减低了一半以上的计算复杂度.通过仿真信号实验证明,文中算法时频分析精准度明显优于传统算法,并较大幅度地改善了计算性能.

关键词：粒子滤波、时频估计、优化TVAR、模型

所属期刊栏目：29

分类号：TN911.6

在线出版日期：2011-05-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：118-122