基于隐变量贝叶斯模型的稀疏信号恢复

发布时间：2017-11-15 07:05

  本文关键词：基于隐变量贝叶斯模型的稀疏信号恢复

  更多相关文章： 信号处理 隐变量贝叶斯模型 第类最大似然 稀疏贝叶斯学习 迭代加权最小二乘法

【摘要】：该文基于贝叶斯分析的视角,揭示了一类算法,包括使用隐变量模型的稀疏贝叶斯学习(SBL),正则化FOCUSS算法以及Log-Sum算法之间的内在关联。分析显示,作为隐变量贝叶斯模型的一种,稀疏贝叶斯学习使用第2类最大似然(Type II ML)在隐变量空间进行运算,可以视作一种更为广义和灵活的方法,并且为不适定反问题的稀疏求解提供了改进的途径。较之于目前基于第1类最大似然(Type I ML)的稀疏方法,仿真实验证实了稀疏贝叶斯学习的优越性能。
【作者单位】： 西安电子科技大学综合业务网国家重点实验室;空军工程大学航空航天工程学院;
【基金】：国家自然科学基金(61379104)资助课题
【分类号】：TN911.7
【正文快照】： 2(空军工程大学航空航天工程学院西安710038)1引言压缩感知理论[1]的基础思想之一,是求解一个不适定反问题,因为“信号稀疏”或者“可压缩”这一先验的存在,使唯一稀疏解的获得成为可能。目前已有的恢复算法至少可以划分为5类,本文以其中基于隐变量模型的稀疏贝叶斯学习[2](SB

【相似文献】

中国期刊全文数据库 前1条

1 孙新建;张雄伟;杨吉斌;曹铁勇;孙健;;基于隐变量模型的语音转换方法研究[J];信号处理;2012年03期

，

本文编号：1188785