针对传统时变图信号重构算法重构精度较低的问题,提出了一种基于全局采样集优化的联合多维度平滑性时变图信号重构算法(Joint Multidimensional Smoothness Time-Varying Graph Signal Reconstruction Based on Global Sampling Set Opt...针对传统时变图信号重构算法重构精度较低的问题,提出了一种基于全局采样集优化的联合多维度平滑性时变图信号重构算法(Joint Multidimensional Smoothness Time-Varying Graph Signal Reconstruction Based on Global Sampling Set Optimization,JMSR-GSSO-TVGS)。研究对象为加权无向图上的时变图信号。首先提出一种采样集优化方法,采样时根据图结构中节点的区域关联性对图结构分簇,并在每个簇中按一定采样比例对节点进行优选,获得优化采样集;其次进一步挖掘时变图信号在空时域的平滑性;最后在优选采样集的基础上利用时变图信号多维度的平滑性对信号进行全局重构。仿真实验验证了JMSR-GSSO-TVGS的重构可靠性。展开更多
文摘针对传统时变图信号重构算法重构精度较低的问题,提出了一种基于全局采样集优化的联合多维度平滑性时变图信号重构算法(Joint Multidimensional Smoothness Time-Varying Graph Signal Reconstruction Based on Global Sampling Set Optimization,JMSR-GSSO-TVGS)。研究对象为加权无向图上的时变图信号。首先提出一种采样集优化方法,采样时根据图结构中节点的区域关联性对图结构分簇,并在每个簇中按一定采样比例对节点进行优选,获得优化采样集;其次进一步挖掘时变图信号在空时域的平滑性;最后在优选采样集的基础上利用时变图信号多维度的平滑性对信号进行全局重构。仿真实验验证了JMSR-GSSO-TVGS的重构可靠性。
