一种对异常值鲁棒新颖的无格点谱估计方法

针对稀疏谱估计中,基于协方差的无格点稀疏迭代估计算法(GLS)对频率间隔在c(1c2)倍采样数据窗主瓣宽度内的谱信号估计精度较低的问题,本文提出了一种对异常值鲁棒的无格点谱估计算法.该算法首先将GLS算法的频率估计误差描述成误差向量,再利用l1范数对异常值的鲁棒性,来分别约束信号幅度和误差向量的拟合误差,进而通过交替迭代来使它们同时到达最小,以同时实现了对信号幅度和误差向量的联合鲁棒估计.在证明了所提出算法收敛性的同时,分析了它的运算复杂度.仿真实验结果验证了本文提出算法的有效性.     

结构扰动与粗差鲁棒的lp正交匹配追踪算法

针对压缩感知稀疏信号恢复,提出了一种对测量结构扰动和粗差同时鲁棒的l₁正交匹配追踪(structure perturbation and outlier robust l₁-orthogonal matching pursuit, l₁-SPOR-OMP)算法。该算法利用l₁范数对粗差的鲁棒性,分别约束信号和扰动的拟合误差,进而通过交替迭代使它们同时到达最小,从而同时实现对信号和扰动的有效鲁棒恢复;由于算法仅需求解支撑位置的有效扰动,因此极大地降低了算法的计算复杂度。此外,为了进一步提高算法的恢复效率,也提出了使用鲁棒OMP方法来估计有效扰动的l_1,2-SPOR-OMP算法。在证明了所提出算法收敛性的同时,分析了运算复杂度。数值仿真的结果验证了所提算法的有效性和优越性。