基于贝叶斯压缩感知的复数稀疏信号恢复方法

发布时间：2017-06-29 13:08

  本文关键词：基于贝叶斯压缩感知的复数稀疏信号恢复方法，由笔耕文化传播整理发布。

【摘要】：该文利用复数稀疏信号的时域相互关系提出一种新的稀疏贝叶斯算法(CTSBL)。该算法利用复数信号的实部与虚部分量具有相同的稀疏结构的特点,提升估计信号的稀疏程度。同时将多个测量信号间的内部结构信息引入到了信号恢复中,使原始的多测量稀疏信号恢复问题转变为单测量块稀疏信号恢复问题,使恢复性能得到了提升。理论分析和仿真结果证明,提出的CTSBL算法相较于目前的针对复数信号的多测量矢量贝叶斯压缩感知(CMTBCS)算法和块正交匹配追踪算法(BOMP)在估计精度上具有更好的性能。
【作者单位】： 哈尔滨工程大学自动化学院;
【关键词】： 压缩感知 稀疏信号恢复 多矢量测量模型 块稀疏贝叶斯
【基金】：国家自然科学基金(61571148) 中国博士后科学基金(2014M550182) 黑龙江省博士后特别资助(LBH-TZ0410) 哈尔滨市科技创新人才资助课题(2013RFXXJ016) 中国博士后特别资助(2015T80328)~~
【分类号】：TN911.7
【正文快照】： 1引言基于压缩感知理论的方法由于其计算高效,准确性高,近年来得到了广泛的关注[1,2]。在恢复信号为稀疏信号的条件下,压缩感知技术能够利用远小于奈奎斯特采样率的采样样本以很大的概率精确恢复出原始信号。目前,它广泛的应用于雷达信号成像,角度估计,无线通信,机器学习等领

【相似文献】

中国期刊全文数据库 前10条

1 尤江生,包尚联;信号恢复的有限元方法[J];信号处理;1999年01期

2 王心怡;苗晟;郝铁伟;;一种基于信噪比最大化的信号恢复方法[J];测控技术;2012年05期

3 张颖超;茅丹;胡凯;;压缩传感理论在心电图信号恢复问题上的研究[J];计算机研究与发展;2014年05期

4 袁亦韧,袁震东;数据压缩和信号恢复的两个例子[J];厦门大学学报(自然科学版);2001年S1期

5 雷向莉;庞彦波;刘青冬;;基于分段直线拟合的电信号恢复方法[J];信息通信;2012年04期

6 左加阔;陶文凤;包永强;方世良;赵力;邹采荣;;联合稀疏信号恢复中的分布式路径协同优化算法[J];信号处理;2013年08期

7 吴小培;黄端旭;;信号恢复的线性规化法及其神经网络的实现[J];电子测量与仪器学报;1991年01期

8 张媛祥;过抽样信号的恢复[J];数学的实践与认识;2003年06期

9 谭磊;数字信号完整性和信号恢复[J];电子产品世界;2001年06期

10 刘太明;黄虎;;压缩感知简介[J];科学咨询(科技·管理);2011年11期

中国重要会议论文全文数据库 前1条

1 张磊;张炜;梅振兴;田干;;基于EVA的机械振动源信号恢复仿真研究[A];2008年全国振动工程及应用学术会议暨第十一届全国设备故障诊断学术会议论文集[C];2008年

中国博士学位论文全文数据库 前1条

1 余磊;低维测量空间中信号恢复算法[D];武汉大学;2012年

中国硕士学位论文全文数据库 前7条

1 沈彦宁;基于贝叶斯压缩感知的块状稀疏信号恢复算法研究[D];电子科技大学;2014年

2 邓军;基于凸优化的压缩感知信号恢复算法研究[D];哈尔滨工业大学;2011年

3 纪文志;基于压缩感知的信号恢复算法研究[D];南京邮电大学;2012年

4 林浩;组合群试与稀疏信号恢复[D];浙江大学;2012年

5 郑娜;基于压缩感知的信号恢复技术与实现[D];西安电子科技大学;2014年

6 曾谦;基于混沌理论的强噪声背景下微弱正弦信号恢复[D];吉林大学;2007年

7 王东霞;基于压缩感知的信号恢复算法研究[D];华中科技大学;2013年

  本文关键词：基于贝叶斯压缩感知的复数稀疏信号恢复方法，，由笔耕文化传播整理发布。

本文编号：497971