本文關(guān)鍵詞：基于隱變量貝葉斯模型的稀疏信號(hào)恢復(fù)

  更多相關(guān)文章： 信號(hào)處理 隱變量貝葉斯模型 第類最大似然 稀疏貝葉斯學(xué)習(xí) 迭代加權(quán)最小二乘法

【摘要】：該文基于貝葉斯分析的視角,揭示了一類算法,包括使用隱變量模型的稀疏貝葉斯學(xué)習(xí)(SBL),正則化FOCUSS算法以及Log-Sum算法之間的內(nèi)在關(guān)聯(lián)。分析顯示,作為隱變量貝葉斯模型的一種,稀疏貝葉斯學(xué)習(xí)使用第2類最大似然(Type II ML)在隱變量空間進(jìn)行運(yùn)算,可以視作一種更為廣義和靈活的方法,并且為不適定反問題的稀疏求解提供了改進(jìn)的途徑。較之于目前基于第1類最大似然(Type I ML)的稀疏方法,仿真實(shí)驗(yàn)證實(shí)了稀疏貝葉斯學(xué)習(xí)的優(yōu)越性能。
【作者單位】： 西安電子科技大學(xué)綜合業(yè)務(wù)網(wǎng)國家重點(diǎn)實(shí)驗(yàn)室;空軍工程大學(xué)航空航天工程學(xué)院;
【基金】：國家自然科學(xué)基金(61379104)資助課題
【分類號(hào)】：TN911.7
【正文快照】： 2(空軍工程大學(xué)航空航天工程學(xué)院西安710038)1引言壓縮感知理論[1]的基礎(chǔ)思想之一,是求解一個(gè)不適定反問題,因?yàn)椤靶盘?hào)稀疏”或者“可壓縮”這一先驗(yàn)的存在,使唯一稀疏解的獲得成為可能。目前已有的恢復(fù)算法至少可以劃分為5類,本文以其中基于隱變量模型的稀疏貝葉斯學(xué)習(xí)[2](SB

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前1條

1 孫新建;張雄偉;楊吉斌;曹鐵勇;孫健;;基于隱變量模型的語音轉(zhuǎn)換方法研究[J];信號(hào)處理;2012年03期

，

本文編號(hào)：1188785