稀疏原子分解算法在AR模型参数估计中的应用

• 作者: 刘国庆 姜玉洁 王天荆
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: AR模型 稀疏表示 过完备稀疏基 参数估计
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 网络与通信
• 页码范围: 42-47
• 页数: 6页
• 分类号: TP391
• 字数: 6002字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2017.05.008

摘要

针对自回归(Autoregressive,AR)模型阶数和系数的估计问题,提出一种基于稀疏表示的原子分解新算法.首先,根据AR模型自相关函数特征构造一个过完备稀疏字典;其次,针对含噪观测信号,通过引入松弛变量,建立关于AR模型特征根稀疏恢复的优化模型;最后,将定阶和参数估计问题转化为求解稀疏最优基问题,并提出一种改进的变尺度变换算法来求解该优化问题.实验结果表明,无论是对模拟信号,还是真实的脑电信号,该算法在定阶和系数估计两方面均优于传统估计方法,具有更好的预测精度和鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘国庆	南京工业大学数理科学学院	39	202	8.0	12.0
2	王天荆	南京工业大学数理科学学院	23	249	8.0	15.0
3	姜玉洁	南京工业大学计算机科学与技术学院	1	1	1.0	1.0