Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > eess > arXiv:2508.02223

帮助 | 高级搜索

电气工程与系统科学 > 信号处理

arXiv:2508.02223 (eess)
[提交于 2025年8月4日 ]

标题: 基于因子分析的非均匀噪声中DOA估计的ECME算法

标题: The ECME Algorithm Using Factor Analysis for DOA Estimation in Nonuniform Noise

Authors:Mingyan Gong
摘要: 最大似然因子分析已被用于未知非均匀噪声中的到达方向估计,一些迭代方法已经被开发出来。 特别是Stoica和Babu提出的各向异性噪声因子分析(FAAN)方法具有出色的收敛特性。 在本文中,设计了期望/条件最大化要么(ECME)算法,这是期望最大化算法的扩展,其在每次迭代中的计算复杂度与FAAN方法几乎相同。 然而,数值结果表明,ECME算法具有更快的稳定收敛性和更高的计算效率。
摘要: Maximum likelihood factor analysis has been used for direction of arrival estimation in unknown nonuniform noise and some iterative approaches have been developed. In particular, the Factor Analysis for Anisotropic Noise (FAAN) method proposed by Stoica and Babu has excellent convergence properties. In this letter, the Expectation/Conditional Maximization Either (ECME) algorithm, an extension of the expectation-maximization algorithm, is designed, which has almost the same computational complexity at each iteration as the FAAN method. However, numerical results show that the ECME algorithm yields faster stable convergence and is computationally more efficient.
评论: 此作品已提交给IEEE以供可能发表
主题: 信号处理 (eess.SP) ; 应用 (stat.AP); 计算 (stat.CO)
引用方式: arXiv:2508.02223 [eess.SP]
  (或者 arXiv:2508.02223v1 [eess.SP] 对于此版本)
  https://doi.org/10.48550/arXiv.2508.02223
通过 DataCite 发表的 arXiv DOI(待注册)

提交历史

来自: Mingyan Gong [查看电子邮件]
[v1] 星期一, 2025 年 8 月 4 日 09:14:06 UTC (92 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
eess.SP
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-08
切换浏览方式为:
eess
stat
stat.AP
stat.CO

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号