AIC和MDL测试
像MUSIC和ESPRIT这样的测向算法需要知道撞击在阵列上的信号源的数量,或者等价地,需要知道维度,d,信号子空间的。赤池信息准则(AIC)和最小描述长度(MDL)公式是获得该维度的两个常用估计量。这两个估计器都假设,除了信号之外,数据还包含空间和时间上的白色高斯随机噪声。寻找源的数量相当于寻找采样空间协方差矩阵的最小特征值的多重性。从数据快照构建的样本空间协方差矩阵被用来代替实际的协方差矩阵。
这两个估计器都要求信号子空间的维数小于传感器的数量,N,快照中的时间样本数,K,远大于N.
采用前后向平均法构造空间协方差矩阵时,每个估计量都存在一个变量。当一些源之间高度相关时,前后平均是有用的。在这种情况下,空间协方差矩阵可能是病态的。前后平均只能用于某些类型的对称数组,称为centro-symmetric数组。然后由样本空间协方差矩阵构造正向向后协方差矩阵,年代,使用年代神奇动物= s + js * j在哪里J是交换矩阵。交换矩阵将数组元素映射到它们的对称对应项。对于直线数组,它就是单位矩阵从左到右的翻转。
所有的估计器都基于代价函数
加上一个额外的惩罚条款。值λ我表示最小的(一天)空间协方差矩阵的特征值。对于每个特定的估计量,的解d是由
另类投资会议
前后平均协方差矩阵的AIC
MDL
正向向后平均协方差矩阵的MDL