利用马尔可夫链在奈奎斯特极限之外进行无监督频率跟踪
应用统计
2015-05-14 v1
摘要
本文处理从相应信号序列估计频率序列的问题。该问题出现在多普勒成像等领域，其特殊性有两点。首先，只有短的含噪数据记录可用（通常为四个样本长），并且实验约束可能导致频谱混叠，使得测量提供不可靠的、模糊的信息。其次，频率序列是平滑的。这里，通过马尔可夫模型考虑这一信息，并应用贝叶斯规则得到后验密度。通过维特比算法和下降法的组合计算最大后验估计。该方法的主要特点之一是它完全是无监督的。使用基于EM的梯度算法通过最大似然自动调整平衡基于数据和基于先验信息的超参数。我们将所提出的估计与参考估计进行了比较，发现其性能更好：方差大大降低，并且跟踪正确，即使超出奈奎斯特频率也是如此。
引用
@article{arxiv.0908.3258,
title = {Unsupervised Frequency Tracking beyond the Nyquist Limit using Markov Chains},
author = {J. -F. Giovannelli and J. Idier and R. Boubertakh and A. Herment},
journal= {arXiv preprint arXiv:0908.3258},
year = {2015}
}