No soy un experto en el tema de ninguna manera, pero aparentemente la descomposición de Pisarenko consiste en fijar un número k y luego ajustar un modelo estadístico que consiste en k armónicos más un término de ruido blanco. Entonces, eso sería algo similar a un análogo de regresión polinomial, excepto que en lugar de ajustar una combinación lineal de k monomios, ajustaría una combinación lineal de k sinusoides a sus datos.
La transformada de Fourier, por otro lado, no es de carácter estadístico. Utiliza todos los armónicos necesarios para expresar la función de entrada exactamente y de una manera única. (Aquí “todos los armónicos necesarios” generalmente serán infinitos armónicos si estamos trabajando en la configuración continua).
No estoy realmente familiarizado con el procesamiento de la señal digital ni con el dominio habitual de la aplicación, por lo que no puedo decirte cuáles serían las aplicaciones relevantes. Sin embargo, si por alguna razón sabe que su entrada consistió en un número fijo y finito de armónicos corrompidos por algún ruido blanco, entonces el método Pisarenko sería una mejor manera de recuperar los armónicos y / o obtener alguna medida estadística de cuán confiable es su recuperación estaba.
- ¿Son los números y vectores complejos sobre [math] \ mathbb {R} ^ {2} [/ math] (2-tuple) la misma cosa?
- ¿Cómo se escriben las ecuaciones de movimientos de partículas acopladas utilizando valores propios?
- ¿Cuál es el significado de la descomposición propia?
- ¿Hay algún significado geométrico de la multiplicación de matriz compleja?
- Descomposición propia: ¿Qué sucede con los valores propios y los vectores propios después de que dos matrices se suman? ¿Los valores propios y los vectores propios de estas dos matrices también se sumarán linealmente?