多量测向量模型下基于贝叶斯检验的快速OMP算法研究

发布时间：2017-09-08 02:21

  本文关键词：多量测向量模型下基于贝叶斯检验的快速OMP算法研究

  更多相关文章： 多量测向量模型 快速正交匹配追踪算法 迭代次数 贝叶斯检验

【摘要】：目前多量测向量(Multiple Measurement Vectors,MMV)模型的稀疏重构算法存在两个问题:计算复杂度高和当重构的支撑集存在冗余时无法有效剔除。为同时提高MMV模型的重构效率和重构精度,该文提出一种MMV模型下基于贝叶斯检验的快速正交匹配追踪(Fast Orthogonal Matching Pursuit based on Bayesian Testing,FOMP-BT)算法。首先,通过新原子组选和warm start求逆的思想来减少算法总的迭代次数以及每次迭代的运算量,以提高算法的重构效率;其次,利用贝叶斯检验的思想剔除冗余支撑集以提高重构精度;最后对所研究的算法从参数选择以及计算复杂度等方面进行了理论分析。仿真结果表明,所提算法具有重构精度高、速度快以及对噪声有较好的鲁棒性等优势。
【作者单位】： 空军预警学院三系;
【关键词】： 多量测向量模型 快速正交匹配追踪算法 迭代次数 贝叶斯检验
【分类号】：TN911.7
【正文快照】： 1引言作为一种信息获取的新思路,压缩感知(Compressive Sensing,CS)[1]自提出至今,理论日趋完善[2]。由于CS将采样端的压力“转移”到解码端,因此压缩量测条件下的稀疏重构是CS的关键研究问题之一。多量测向量(Multiple MeasurementVector,MMV)问题作为CS的一个延伸发展方向,

【相似文献】

中国期刊全文数据库 前1条

1 裴文炯;李少东;杨军;胡国旗;;基于贝叶斯检验模型的压缩感知算法及应用[J];光电子.激光;2014年06期

，

本文编号：811307