Paper Info
Title
Optimal estimation of power spectral density by means of a time-varying autoregressive approach
Abstract
Un nouveau modèle autorégressif variant dans le temps est proposé comme outil d'analyse temps–fréquence de séries temporelles non stationnaires. La méthode permet une bonne estimation à la fois de la fréquence et de l'amplitude du spectre et offre un nouveau point de vue pour l'évaluation de l'approche paramétrique appliquée à l'analyse spectrale. La bonne performance est liée au choix adaptatif des coefficients du modèle autorégressif variables dans le temps. Les problèmes de l'analyse spectrale paramétrique liés à l'estimation d'amplitude non satisfaisante ont été dépassés avec succès au moyen d'une procédure de compensation insérée dans la technique conçue. L'évaluation de l'approche proposée a été réalisée sur des signaux synthétiques et réels qui ont été choisis comme des exemples typiques de signaux non stationnaires. La performance de la méthode a été comparée aux techniques classiques telles que la transformée de Fourier à court terme et l'algorithme de Burg autorégressif. Les résultats montrent l'utilité de l'approche proposée pour dépasser bon nombre de difficultés rencontrées par les techniques d'estimation spectrale actuelles par des approches paramétriques.
Year
DOI
Venue
1999
10.1016/S0165-1684(98)00158-3
Signal Processing
Keywords
Field
DocType
optimal estimation,spectral analysis,time-varying modeling,amplitude and frequency estimate,time-varying autoregressive approach,power spectral density,parametric approach,spectral estimation,spectrum,time frequency analysis,fourier analysis,autoregressive model
Signal processing,Autoregressive model,Spectral density estimation,Fourier analysis,Control theory,Algorithm,Optimal estimation,Parametric statistics,Spectral density,Statistics,Amplitude,Mathematics
Journal
Volume
Issue
ISSN
72
1
Signal Processing
Citations 
PageRank 
References 
3
0.48
6
Authors
2
Name
Order
Citations
PageRank
Silvia Conforto19419.87
Tommaso D'Alessio2588.46