在具有挑战性场景中通过结构化矩阵嵌入和恢复（StruMER）进行多通道频率估计
摘要：多通道频率估计面临的问题包括不完整数据和各种杂音，这在阵列信号处理、模态分析、无线通信等领域中都很常见。本文考虑了使用最大似然优化方法进行频率估计的问题，其中采用了适当的目标函数，以满足观测数据模式和噪声类型的条件。我们提出了一种通用的信号域方法来解决优化问题，将感兴趣的无噪声多通道信号嵌入到一系列低秩正半定块矩阵的汉克尔和递推子矩阵中，并将原始参数域优化问题形式化为等效的结构化矩阵恢复问题。应用交替方向乘法器法（ADMM）来解决所得到的矩阵恢复问题，其中ADMM的两个子问题都可以（几乎）闭式解求解。所提出的方法被称为结构化矩阵嵌入和恢复（StruMER）。通过大量的数值仿真实验，我们证明了StruMER相比于现有方法在各种具有挑战性的场景下，如有限数据、低信噪比、脉冲噪声和密集频率等，具有改进的阈值性能。
作者：Xunmeng Wu, Zai Yang, and Zongben Xu
论文ID：2307.07802
分类：Signal Processing
分类简称：eess.SP
提交时间：2023-07-18