经典估计信源个数的Akaike信息论准则(Akaike information criterion,AIC)和最小描述长度(Minimum description length,MDL)方法需要特征分解,运算量较大且需要较多快拍数,为了便于工程实现,在传统的针对数据域Gram-Schmidt(GS)正交投...经典估计信源个数的Akaike信息论准则(Akaike information criterion,AIC)和最小描述长度(Minimum description length,MDL)方法需要特征分解,运算量较大且需要较多快拍数,为了便于工程实现,在传统的针对数据域Gram-Schmidt(GS)正交投影算法估计信源个数的基础上,提出了一种对协方差矩阵进行GS正交化来估计信源个数新方法,并推导出这种算法的自适应门限。仿真结果表明,该算法和AIC及MDL算法相比,虽然估计性能有所下降,但性能下降幅度不大,且其运算量小、所需快拍数少;与传统GS算法相比,运算量增加不大,但估计性能有较大提高。展开更多
文摘经典估计信源个数的Akaike信息论准则(Akaike information criterion,AIC)和最小描述长度(Minimum description length,MDL)方法需要特征分解,运算量较大且需要较多快拍数,为了便于工程实现,在传统的针对数据域Gram-Schmidt(GS)正交投影算法估计信源个数的基础上,提出了一种对协方差矩阵进行GS正交化来估计信源个数新方法,并推导出这种算法的自适应门限。仿真结果表明,该算法和AIC及MDL算法相比,虽然估计性能有所下降,但性能下降幅度不大,且其运算量小、所需快拍数少;与传统GS算法相比,运算量增加不大,但估计性能有较大提高。
