排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
波达方向估计中特征空间的信源数估计方法 总被引：1，自引：0，他引：1
提出了特征空间法信源数估计方法,它将阵列信号的协方差估计值分别投影到信号的特征子空间和噪声的特征子空间。由于信号子空间与噪声子空间相互正交,易于由表征投影大小的判据值区分信号和噪声的贡献;本方法用的是M×M阶矩阵特征值分解,M为基元数,与波达方向估计用的相同,因此节省大量的计算量;它可以在实数空间中进行运算,进一步减少运算量。进行了数值计算,检验了判据值分布,以及在信源等功率、不等功率和空间相关色噪声等情况下特征空间法的性能。估计方法还用声纳数据进行了检验。所有这些结果均证明本估计方法性能优良。 相似文献
2.
在时间序列建模过程中,数据的缺失会极大地影响模型的准确性,因此对缺失数据的填补尤为重要.选取北京市空气质量指数(AQI)数据。将其随机缺失10%.分别利用EM算法和polyfit直线拟合的方法对缺失值插补,补全数据后建立ARMA模型并作预测分析.结果表明,利用polyfit函数插补法具有较好的结果. 相似文献
1