基于贝叶斯检验模型的压缩感知算法及应用

针对正交匹配追踪(OMP)算法需设置冗余的支撑集,导致信号重构时运算量变大、抗噪性能和重构性能变差等问题,提出了一种基于贝叶斯模型的OMP(BOMP,bayesian orthogonal matching pursuit)算法。首先利用贝叶斯检验模型和OMP算法合理去除支撑集中的冗余部分,得到相等或略大于信号真实稀疏度的支撑集;其次构建BOMP的信号重构算法;最后将算法应用于ISAR成像。仿真和实测数据结果表明,由于本文算法可近似估计到信号的真实稀疏度,因此具有更好的抗噪性能以及重构精度,相应的运算量也明显减少。

老证据问题的成因与解决对策探析

老证据问题起源于美国当代哲学家格莱莫尔针对贝叶斯主义所提出的责难,该问题所展示的困境是,贝叶斯认证理论似乎不能解释此前已知的证据如何给受检假说提供新的支持。本文从分析格莱莫尔论证的前提着手,指出他没有恰当区分已知事实与背景知识以及没有留意贝叶斯检验模型对于多理论竞争框架的承诺是导致老证据问题的关键,并在此基础上探讨贝叶斯认证理论处理老证据问题的思路与机制。