초록 ▼

본 연구에서는 데이터 기조의 공분산 행렬(DCM) 을 백색 잡음의 유한 데이터 측정값으로 부터 다중 정현파의 주파수를 추정하는 부공간(subspace) 알고리즘인 Eigen Vector(EV) 방법에 도입된다. DCM으로 구성된 EV는 잡음이 없는 유한 데이터 측정값으로 부터 실제 주파수를 얻을 수 있다는 것과 기종의 공분산 행력(CCM)로 구성된 EV는 단지 점근적으로만 비편항된(unbiased)주파수 추정값을 얻을 수 있다는 것을 입증한다. 잡음 교란(noise perturbation)을 DCM 에서 분석한다. 특히, 이 분석

본 연구에서는 데이터 기조의 공분산 행렬(DCM) 을 백색 잡음의 유한 데이터 측정값으로 부터 다중 정현파의 주파수를 추정하는 부공간(subspace) 알고리즘인 Eigen Vector(EV) 방법에 도입된다. DCM으로 구성된 EV는 잡음이 없는 유한 데이터 측정값으로 부터 실제 주파수를 얻을 수 있다는 것과 기종의 공분산 행력(CCM)로 구성된 EV는 단지 점근적으로만 비편항된(unbiased)주파수 추정값을 얻을 수 있다는 것을 입증한다. 잡음 교란(noise perturbation)을 DCM 에서 분석한다. 특히, 이 분석에서 적은 잡음측정값의 다른 방법에서도 DCM 을 이용할 수 있음을 제안한다. DCM에 대한 몇몇 점근적인 특성과 더 나은 개선 방안을 또한 제시할 것이다. Monte-carlo 시뮬레이션이 DCM 과 CCM의 EV 방법에서, 평균값과 표준 편차를 비교하기 위해, 통계적으로 실행된다. 시뮬레이션 결과는, 특히 적은 잡음 측정값과 좁게 이격된 주파수 그리고 높은 신호 잡음비(SNR)의 경우에, DCM 사용의 우수성을 보여준다.

목차 Contents

• 제1장 서 론...7
• 제2장 다중 정현파의 주파수 추정 시스템...10
• 제3장 고유벡터(EV) 방법...14
• 제1절 기존의 공분산 행렬(CCM)...14
• 제2절 데이터 기조의 공분산 행렬(DCM)...20
• 제4장 잡음 교란의 분석...27
• 제5장 DCM의 접근적 특성과 개선 방안...33
• 제6장 컴퓨터 시뮬레이션과 결과 고찰...38
• 제7장 결론...48
• 부 록...49
• 인용문헌...52
• 논문발표실적 또는 계획...55
• 학위배출실적...60