塊效應(yīng)和未知且時變的噪聲強度會降低時域流信號動態(tài)稀疏重構(gòu)的性能,為解決該問題,本文基于重疊正交變換和稀疏貝葉斯學(xué)習(xí)框架,提出一種對時域流信號進行動態(tài)壓縮感知的魯棒稀疏貝葉斯學(xué)習(xí)重構(gòu)算法.該算法在消除塊效應(yīng)的同時,能夠處理噪聲強度未知且時變情形下的動態(tài)稀疏重構(gòu)問題,相比現(xiàn)有的流信號稀疏貝葉斯學(xué)習(xí)算法具有更強的抗噪魯棒性.盡管現(xiàn)有的時域流信號壓縮感知的有效算法并不多,但實驗表明,本文算法的重構(gòu)信誤比和重構(gòu)成功率均明顯高于現(xiàn)有的基于稀疏貝葉斯學(xué)習(xí)的流信號重構(gòu)算法和基于L1-同倫的流信號重構(gòu)算法,且達到相同的重構(gòu)成功率所需的觀測數(shù)目少于另兩種算法,計算量和運行效率則與稀疏貝葉斯學(xué)習(xí)算法相近.

【文章頁數(shù)】：7 頁

【文章目錄】：
1 引言
2 系統(tǒng)建模及問題描述
3 魯棒稀疏貝葉斯學(xué)習(xí)算法
    3.1 提高算法魯棒性的措施
    3.2 算法總結(jié)
    3.3 算法收斂性及復(fù)雜度的理論分析
4 實驗結(jié)果與分析
5 總結(jié)



本文編號：3930596