用于入射信号估计的 MCA 学习算法：综述
神经与进化计算
2014-02-11 v1
摘要
近年来，信号处理文献中关于自适应子空间滤波的研究层出不穷。其中大多数研究关注跟踪由信号加噪声数据的协方差矩阵的特征值所对应的特征向量张成的信号子空间。Minor Component Analysis (MCA) 是一种重要的工具，在电信、天线阵列处理、统计参数估计等领域有着广泛的应用。作为一种重要的特征提取技术，MCA 是一种提取与协方差矩阵最小特征值相关联的特征向量的统计方法。在本文中，我们将提出一种 MCA 学习算法以从输入信号中提取 minor component，并给出了学习率参数，该参数确保了算法的快速收敛，因为它直接影响权重向量的收敛且误差水平受该值影响。执行 MCA 以确定估计的 DOA。我们将提供仿真结果以说明所取得的理论结果。
引用
@article{arxiv.1402.1931,
title = {MCA Learning Algorithm for Incident Signals Estimation: A Review},
author = {Rashid Ahmed and John A. Avaritsiotis},
journal= {arXiv preprint arXiv:1402.1931},
year = {2014}
}
备注
5 pages,8 figures, 1 table. International Journal of Computer Trends and Technology (IJCTT),Feb 2014