基于部分稀疏约束的CARD模型参数估计方法

摘要

CARD模型参数估计可以转化为求解一个解具有部分稀疏性的线性逆问题得到。解向量整体稀疏性的缺失是由色噪声谱的连续性造成的。本文提出了一种名为PSSA的交替迭代优化算法实现CARD模型的参数估计。该方法的初始解可由现有白噪声背景下的稀疏算法提供。通过交替修正色噪声和谐波参数估计,PSSA可以很好地实现色噪声中的谐波提取。PSSA较现有算法的优势主要在于:第一,相对于白噪声中的稀疏算法,PSSA对色噪声具有较强的鲁棒性;第二,可以同时估计谐波个数;第三,对CARD模型阶数的选择具有很好的鲁棒性;第四,在数据量较小时仍有满意的性能;第五,与基于最大似然准则(ML)的方法相比,PSSA的优势更明显,尤其是当谐波位于噪声谱峰附近时。