通过计算线性反问题的部分稀疏解，实现了典范自回归分解（CARD）模型的参数估计。 通过构造一个超完备的字典，可以证明正弦曲线的解是稀疏的，而有色噪声的解则不是。 为了得出解决方案，提出了一种交替优化算法，称为部分稀疏解决方案算法（PSSA）。 PSSA通过基准选择方法初始化，并在正弦波估计和有色噪声之间交替更新。 在更新正弦波估计时，采用分集最小化作为成本函数的标准。 关于彩色噪声的估计，使用最大似然（ML）标准。 几个数值例子证实了PSSA的有效性和优越性。 首先，将基础选择方法推广到彩色噪声