為了解決多任務(wù)觀測(cè)條件下時(shí)域流信號(hào)動(dòng)態(tài)重構(gòu)面臨的塊效應(yīng)問(wèn)題,該文基于重疊正交變換（LOT）和稀疏貝葉斯學(xué)習(xí)的貪婪重構(gòu)框架先后提出了一種流信號(hào)多任務(wù)稀疏貝葉斯學(xué)習(xí)算法及其魯棒增強(qiáng)型的改進(jìn)算法,前者將LOT時(shí)域滑窗推廣到多任務(wù)條件下,通過(guò)貝葉斯概率建模將未知的噪聲精度的估計(jì)任務(wù)從信號(hào)重構(gòu)中解耦并省略,后者進(jìn)一步引入了重構(gòu)不確定性的度量,提高了算法的魯棒性和抑制誤差積累的能力�；诟�(biāo)實(shí)測(cè)數(shù)據(jù)的實(shí)驗(yàn)結(jié)果表明,相比多任務(wù)重構(gòu)領(lǐng)域代表性較強(qiáng)的時(shí)間多稀疏貝葉斯學(xué)習(xí)（TMSBL）和多任務(wù)壓縮感知（MT-CS）算法,本文算法在不同信噪比、觀測(cè)數(shù)目和任務(wù)數(shù)目條件下具有顯著更高的重構(gòu)精度、成功率和效率。 

【文章來(lái)源】：電子與信息學(xué)報(bào). 2020,42(07)北大核心EICSCD

【文章頁(yè)數(shù)】：8 頁(yè)

【部分圖文】：

圖1時(shí)域流信號(hào)的多任務(wù)在線滑窗觀測(cè)

蚨?硐殖霰?MT-CS和TMSBL算法更高的重構(gòu)精度。圖4所示是4種算法的SR隨觀測(cè)數(shù)目變化的比較結(jié)果，其中設(shè)定了SNR=15dB和SNR=35dB兩組附加變量條件。從圖中可見(jiàn)4種算法的成功率都隨觀測(cè)數(shù)目的增加而增加，且信噪比的增加有助于進(jìn)一步提高各種算法的成功率。隨著觀測(cè)數(shù)目的增加，SMT-SBL和SMT-RSBL算法的成功率逐漸接近，并獲得超過(guò)MT-CS算法約0.2的成功率優(yōu)勢(shì)。4種算法按照成功率從高到低排序與圖2相同。圖5所示是4種算法的SR隨SNR變化的比較結(jié)圖2不同算法的SER隨觀測(cè)數(shù)目變化的比較結(jié)果圖3不同算法的SER隨信噪比變化的比較結(jié)果圖4不同算法的SR隨觀測(cè)數(shù)目變化的比較結(jié)果第7期董道廣等：時(shí)域流信號(hào)的多任務(wù)稀疏貝葉斯動(dòng)態(tài)重構(gòu)方法研究1763

咕?取?圖4所示是4種算法的SR隨觀測(cè)數(shù)目變化的比較結(jié)果，其中設(shè)定了SNR=15dB和SNR=35dB兩組附加變量條件。從圖中可見(jiàn)4種算法的成功率都隨觀測(cè)數(shù)目的增加而增加，且信噪比的增加有助于進(jìn)一步提高各種算法的成功率。隨著觀測(cè)數(shù)目的增加，SMT-SBL和SMT-RSBL算法的成功率逐漸接近，并獲得超過(guò)MT-CS算法約0.2的成功率優(yōu)勢(shì)。4種算法按照成功率從高到低排序與圖2相同。圖5所示是4種算法的SR隨SNR變化的比較結(jié)圖2不同算法的SER隨觀測(cè)數(shù)目變化的比較結(jié)果圖3不同算法的SER隨信噪比變化的比較結(jié)果圖4不同算法的SR隨觀測(cè)數(shù)目變化的比較結(jié)果第7期董道廣等：時(shí)域流信號(hào)的多任務(wù)稀疏貝葉斯動(dòng)態(tài)重構(gòu)方法研究1763

【參考文獻(xiàn)】：
期刊論文
[1]基于ROMS模式的南海SST與SSH四維變分同化研究[J]. 周超杰,張杰,楊俊鋼,徐明明,張慶君.  海洋學(xué)報(bào). 2019(01)



本文編號(hào)：3244469