دانلود مقاله ISI انگلیسی شماره 78985
عنوان فارسی مقاله

الگوریتم های سریع برای برآورد طیفی حداقل واریانس مبتنی بر حداقل مربعات.

کد مقاله سال انتشار مقاله انگلیسی ترجمه فارسی تعداد کلمات
78985 2008 12 صفحه PDF سفارش دهید محاسبه نشده
خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
عنوان انگلیسی
Fast algorithms for least-squares-based minimum variance spectral estimation
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Signal Processing, Volume 88, Issue 9, September 2008, Pages 2181–2192

کلمات کلیدی
MVSE؛ حداقل مربعات مبتنی بر جلو و پیش بینی خطی به عقب؛ نزدیک به توپلیتس؛ خودبازگشت (AR) جشن میلاد عیسی مسیح - معادلات نرمال اینترنتی و پنجره بازه کوواریانس
پیش نمایش مقاله
پیش نمایش مقاله  الگوریتم های سریع برای برآورد طیفی حداقل واریانس  مبتنی بر حداقل مربعات.

چکیده انگلیسی

The minimum variance (MV) spectral estimator is a robust high-resolution frequency-domain analysis tool for short data records. The traditional formulation of the minimum variance spectral estimation (MVSE) depends on the inverse of a Toeplitz autocorrelation matrix, for which a fast computational algorithm exists that exploits this structure. This paper extends the MVSE approach to two data-only formulations linked to the covariance and modified covariance cases of least-squares linear prediction (LP), which require inversion of near-to-Toeplitz data product matrices. We show here that the near-to-Toeplitz matrix inverses in the two new fast algorithms have special representations as sums of products of triangular Toeplitz matrices composed of the LP parameters of the least-squares-based formulations. Fast algorithm solutions of the LP parameters have been published by one of the authors. From these, we develop fast solutions of two least-squares-based minimum variance spectral estimators (LS-based MVSEs). These new MVSEs provide additional resolution improvement over the traditional autocorrelation-based MVSE.

خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.