【摘要】：應(yīng)用于缺失數(shù)據(jù)恢復(fù)的迭代自適應(yīng)方法(IAA)被證實可利用20%的有效數(shù)據(jù)估計信號參數(shù),并能高精度恢復(fù)缺失數(shù)據(jù),優(yōu)于經(jīng)典GAPES方法,但當缺失數(shù)據(jù)超過80%時其數(shù)據(jù)恢復(fù)性能迅速下降。該文基于稀疏迭代協(xié)方差估計提出一種新的缺失數(shù)據(jù)譜分析方法(M-SPICE)及針對該方法的缺失數(shù)據(jù)修正時域重建方法。該方法將加權(quán)缺失數(shù)據(jù)協(xié)方差擬合代價函數(shù)轉(zhuǎn)換為凸優(yōu)化問題,構(gòu)造循環(huán)最小化器保證缺失數(shù)據(jù)參數(shù)估計的全局收斂特性,通過對缺失數(shù)據(jù)估計算子的更新實現(xiàn)了時域重建方法的修正,使其在有效數(shù)據(jù)功率譜欠估計的情況下獲得更高的數(shù)據(jù)重建精度。仿真實驗表明無論是數(shù)據(jù)塊缺失還是任意缺失,該方法均能夠利用更少的有效數(shù)據(jù)進行譜分析,并重建大比例缺失數(shù)據(jù)。
[Abstract]:The iterative adaptive method (IAA) for missing data recovery has been proved to be able to estimate signal parameters by using 20% effective data, and can recover missing data with high precision, which is superior to the classical GAPES method, but its data recovery performance decreases rapidly when the missing data exceeds 80%. Based on sparse iterative covariance estimation, a new missing data spectrum analysis method (M-SPICE) and a modified time domain reconstruction method for missing data are proposed in this paper. In this method, the weighted missing data covariance fitting cost function is transformed into a convex optimization problem, and a cyclic minimizer is constructed to ensure the global convergence of missing data parameter estimation. The time domain reconstruction method is modified by updating the missing data estimation operator, so that it can obtain higher data reconstruction accuracy when the effective data power spectrum is underestimated. The simulation results show that the method can use less effective data for spectral analysis and reconstruct a large proportion of missing data, whether it is missing data or arbitrary missing data.
【作者單位】： 北京理工大學(xué)電子與信息學(xué)院;中國人民解放軍軍械工程學(xué)院電子與光學(xué)工程系;
【基金】：國家自然科學(xué)基金(61401024)~~
【分類號】：TN911.7

【相似文獻】

相關(guān)期刊論文 前10條

1 邢婧;;缺失數(shù)據(jù)情形下諧波參數(shù)估計的研究現(xiàn)狀[J];信息通信;2014年03期

2 沈奇;王池社;;生物缺失數(shù)據(jù)處理的貝葉斯模型研究[J];微電子學(xué)與計算機;2011年07期

3 劉星毅;曾春華;江南雨;陳振華;韋小玲;;缺失數(shù)據(jù)的處理和挑戰(zhàn)[J];欽州學(xué)院學(xué)報;2008年06期

4 孫亞;;ITS采集交通信息缺失數(shù)據(jù)修復(fù)策略及模型研究[J];黑龍江科技信息;2013年15期

5 肖靜;駱如九;宋雯;湯在祥;徐辰武;;帶有缺失數(shù)據(jù)的一種動態(tài)聚類方法[J];中國農(nóng)業(yè)科學(xué);2012年21期

6 周秀梅;李作春;覃澤;;有序填充微陣列缺失數(shù)據(jù)[J];計算機工程與應(yīng)用;2009年22期

7 張廣興;石治國;余宗敏;;基于B-樣條自由節(jié)點的外測缺失數(shù)據(jù)重構(gòu)方法[J];測控技術(shù);2013年09期

8 郝勝軒;宋宏;周曉鋒;;基于近鄰噪聲處理的KNN缺失數(shù)據(jù)填補算法[J];計算機仿真;2014年07期

9 馮志蘭,劉桂芬,劉力生,郝建生;缺失數(shù)據(jù)的多重估算[J];中國衛(wèi)生統(tǒng)計;2005年05期

10 黃華東;方小勇;陳政;洪俊;黃櫻;;一種基于RBF的時序缺失數(shù)據(jù)修復(fù)方法[J];懷化學(xué)院學(xué)報;2013年05期

相關(guān)會議論文 前8條

1 耿直;葛丹丹;;縱向研究非隨機缺失數(shù)據(jù)分析[A];中國現(xiàn)場統(tǒng)計研究會第12屆學(xué)術(shù)年會論文集[C];2005年

2 管河山;姜青山;Steven X.Wei;;一種處理缺失數(shù)據(jù)的新方法[A];第二十一屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2004年

3 陳楠;劉紅云;;基于增長模型的缺失數(shù)據(jù)處理方法之比較[A];心理學(xué)與創(chuàng)新能力提升——第十六屆全國心理學(xué)學(xué)術(shù)會議論文集[C];2013年

4 肖進;賀昌政;;面向缺失數(shù)據(jù)的客戶價值區(qū)分集成模型研究[A];中國企業(yè)運籌學(xué)[2010(1)][C];2010年

5 曾莉;張淑梅;辛濤;;IRT模型中缺失數(shù)據(jù)處理方法比較[A];第十一屆全國心理學(xué)學(xué)術(shù)會議論文摘要集[C];2007年

6 孫玲;劉浩;袁長亮;;北京市城市快速路微波檢測缺失數(shù)據(jù)分析[A];2008第四屆中國智能交通年會論文集[C];2008年

7 張香云;;基于EM算法缺失數(shù)據(jù)下混合模型的參數(shù)估計[A];第十三屆中國管理科學(xué)學(xué)術(shù)年會論文集[C];2011年

8 李曉煦;侯杰泰;;結(jié)構(gòu)方程中缺失數(shù)據(jù)的處理:FIML,EM與MI[A];全國教育與心理統(tǒng)計測量學(xué)術(shù)年會論文摘要集[C];2006年

相關(guān)博士學(xué)位論文 前9條

1 馬友;基于QoS缺失數(shù)據(jù)預(yù)測的個性化Web服務(wù)推薦方法研究[D];北京郵電大學(xué);2015年

2 駱汝九;多指標綜合評價的非參數(shù)方法和缺失數(shù)據(jù)的聚類方法研究[D];揚州大學(xué);2011年

3 祝麗萍;幾種缺失數(shù)據(jù)和高維數(shù)據(jù)模型的統(tǒng)計分析[D];山東大學(xué);2012年

4 賈博婷;缺失數(shù)據(jù)下一類整值時間序列的統(tǒng)計推斷[D];吉林大學(xué);2014年

5 劉旭;在完全和缺失數(shù)據(jù)下基于非光滑估計方程的統(tǒng)計推斷與變量選擇問題[D];云南大學(xué);2010年

6 趙鵬飛;混沌數(shù)據(jù)恢復(fù)與非線性系統(tǒng)的模型參考控制[D];吉林大學(xué);2010年

7 陸福忠;數(shù)據(jù)缺失下的分布函數(shù)估計問題[D];復(fù)旦大學(xué);2007年

8 趙慧秀;可交換的兩值數(shù)據(jù)的統(tǒng)計分析[D];東北師范大學(xué);2009年

9 付志慧;多維項目反應(yīng)模型的參數(shù)估計[D];吉林大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 楊利華;缺失數(shù)據(jù)的處理方法研究及應(yīng)用[D];景德鎮(zhèn)陶瓷學(xué)院;2011年

2 袁中萸;多元線性回歸模型中缺失數(shù)據(jù)填補方法的效果比較[D];中南大學(xué);2008年

3 褚培肖;缺失數(shù)據(jù)下的有限混合計數(shù)數(shù)據(jù)模型的統(tǒng)計推斷研究[D];昆明理工大學(xué);2015年

4 申寧寧;縱向研究缺失數(shù)據(jù)多重填補及混合效應(yīng)模型分析[D];山西醫(yī)科大學(xué);2015年

5 李少瓊;縱向研究二分類缺失數(shù)據(jù)處理及加權(quán)估計方程的應(yīng)用[D];山西醫(yī)科大學(xué);2015年

6 高宇釗;比值缺失數(shù)據(jù)的多重估算與心臟康復(fù)二級預(yù)防干預(yù)效果評價及應(yīng)用[D];山西醫(yī)科大學(xué);2015年

7 李順靜;基于EM算法的缺失數(shù)據(jù)的統(tǒng)計分析及應(yīng)用[D];重慶工商大學(xué);2015年

8 汪靜波;Logistic回歸模型中缺失數(shù)據(jù)的處理[D];南京大學(xué);2015年

9 朱建斐;數(shù)據(jù)集缺失數(shù)據(jù)恢復(fù)算法研究[D];西安電子科技大學(xué);2015年

10 楊旭;多視角數(shù)據(jù)缺失補全問題研究[D];北京交通大學(xué);2016年

，

本文編號：2504521