Benvenuti nell'Anagrafe della Ricerca d'Ateneo
La valutazione delle attività di ricerca che si svolgono nelle università ha assunto un'importanza rilevante sia per l'intero sistema universitario sia all'interno di ogni singolo ateneo. Roma Tre si è quindi dotata di idonei strumenti informativi in grado di supportare al meglio le azioni di monitoraggio e di valutazione delle attività di ricerca svolte nei propri dipartimentied ha realizzato una Anagrafe della Ricerca di Ateneo.
EnglishA non-recursive version of Nonlinear Least Squares Fitting for frequency estimation is presented. This problem yields a closed-form solution exploiting a Taylor's series expansion. Respecting some conditions, the computational complexity is reduced, but equally the method assures that the accuracy reaches the Cramer-Rao Bound. The proposed method requires a frequency pre-estimate. A series of simulations has been made to determine how accurate the pre-estimate should be in order to ensure the achievement of the Cramer-Rao Bound in various conditions for different periodic signals. The execution time of the proposed algorithm is smaller compared to a single iteration cycle of the standard approach. The proposed method is useful in applications that require a high accuracy fitting of periodic signals, especially when limited computational resources are available or a real-time evaluation is needed.
Giarnetti, S., Leccese, F., & Caciotta, M. (2017). Non recursive Nonlinear Least Squares for periodic signal fitting. MEASUREMENT, 103, 208-216 [10.1016/j.measurement.2017.02.023].
| Titolo: | Non recursive Nonlinear Least Squares for periodic signal fitting | |
| Autori: | ||
| Data di pubblicazione: | 2017 | |
| Rivista: | ||
| Citazione: | Giarnetti, S., Leccese, F., & Caciotta, M. (2017). Non recursive Nonlinear Least Squares for periodic signal fitting. MEASUREMENT, 103, 208-216 [10.1016/j.measurement.2017.02.023]. | |
| Handle: | http://hdl.handle.net/11590/317070 | |
| Appare nelle tipologie: | 1.1 Articolo in rivista |
File in questo prodotto:
http://hdl.handle.net/11590/317070
Copyright © 2021