-
题名改进的基于拉普拉斯先验的贝叶斯压缩感知算法
被引量:11
- 1
-
-
作者
章坚武
颜欢
包建荣
-
机构
杭州电子科技大学通信工程学院
-
出处
《电路与系统学报》
CSCD
北大核心
2012年第1期34-40,共7页
-
基金
国家自然科学基金资助课题(61001133)
-
文摘
贝叶斯压缩感知(Bayesian Compressed Sensing,BCS)通过稀疏贝叶斯回归模型中相关向量机(Relevance Vector Machine,RVM)的学习来解决压缩感知(Compressed Sensing,CS)中的信号重构问题。本文通过修正基于拉普拉斯先验BCS的噪声模型,较好地实现了含噪CS信号的重构。它主要利用稳健型相关向量机(Robust RVM,RRVM),改进了基于拉普拉斯先验的BCS算法。它通过对每个观测噪声方差系数进行最优化估计,来消除内外部噪声对信号重构的影响。相关的仿真验证了在外部脉冲噪声以及内部高斯白噪声共同干扰条件下,相比原始BCS算法,改进算法具有更好的重构性能和稳定性。
-
关键词
贝叶斯压缩感知
拉普拉斯先验
稳健型相关向量机
重构信号
-
Keywords
Bayesian compressive sensing
Laplace prior
robust relevance vector machine
reconstruct Signal
-
分类号
TN958
[电子电信—信号与信息处理]
-