High Resolution AR Spectral Estimation by Principal Component Analysis

Principal Componet Analysis에 의한 고 분해능 AR 모델링과 스텍트럼 추정

In this paper, high resolution spectral estimation by AR modelling and principal comonent analysis is proposed. The given data can be expanded by the eigenvectors of the estimated covariance matrix. The eigenspectrum is obtained for each eigenvector using the Autoressive(AR) spectral estimation technique. The final spectrum estimate is obtained by weighting each eigenspectrum with the corresponding eigenvalue and summing them. Although the proposed method increases in computational complexity, it shows good frequency resolution especially for short data records and narrow-band data whose signal-to-noise ratio is low.

본 논문에서는 AR모델링 기법과 Principal Component Analysis를 이용하여 주파수 분해능이 좋은 스펙트럼 추정방법을 제안하였다. 주어진 데이타를 고유벡터에 의해 전개하고, 각 고유벡터에 대하여 AR스펙트럼추정기법에 의하여 고유 스펙트럼을 구하고, 이것을 고유치로 가중하여 합성함으로써 주파수 분해능력이 좋은 스펙트럼 추정치를 얻을 수 있다. 계산량은 증가하지만, 특히 짧은 데이타, 협대역 신호, 그리고 신호대 잡음비가 낮은 경우에 비헤서도 정확한 스펙트럼 추정이 가능하다는 것을 컴퓨터 시뮬레이션을 통해 확인 하였다.