联合稀疏信号恢复的贪婪增强贝叶斯算法

发布时间：2017-08-20 16:38

  本文关键词：联合稀疏信号恢复的贪婪增强贝叶斯算法

  更多相关文章： 联合稀疏 信号恢复 贪婪算法 贪婪增强贝叶斯算法

【摘要】：本文针对联合稀疏信号恢复问题,提出了一种贪婪增强贝叶斯算法.算法首先利用联合稀疏的特点对信号进行建模,然后在贝叶斯框架下,提出一种贪婪推理方式对信号恢复问题进行迭代求解.在迭代过程中,提出算法利用贝叶斯估计的方差信息来增强支撑恢复的结果,极大地提高了算法对信号恢复性能.理论分析表明:提出算法与同步正交匹配追踪算法具有相同的计算复杂度,远低于其他联合稀疏信号恢复算法.提出方法在具有高恢复精度和较低计算复杂度的同时,兼具贝叶斯方法和贪婪算法的优点.数值仿真验证了理论分析的有效性.
【作者单位】： 复旦大学电子工程系;模拟集成电路重点实验室;
【关键词】： 联合稀疏 信号恢复 贪婪算法 贪婪增强贝叶斯算法
【基金】：国家自然科学基金(No.61171127,No.61571131) 模拟集成电路重点实验室基金(No.9140C090110130C09003)
【分类号】：TN911.7
【正文快照】： 1引言由于可以用远低于香农采样定理所需的测量来恢复原信号,压缩感知理论一涌现就得到了广泛的关注和研究.稀疏信号恢复是压缩感知领域的一个重要研究方向[1~3].稀疏信号恢复问题可以分为单测量和多测量压缩感知信号恢复.多测量压缩感知信号恢复问题也称为联合稀疏信号恢复问

【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

，

本文编号：707756