基于拉伸因子图的低复杂度贝叶斯稀疏信号算法研究

建立加性高斯白噪声的线性数学模型,针对此模型对基于稀疏贝叶斯学习的消息传递算法进行研究。对传统的因子图通过添加额外的硬约束节点得到改进的因子图,然后在改进的因子图中利用联合BP-MF规则,提出低复杂度的BP-MF SBL算法。为了进一步降低复杂度,在BP-MF SBL的基础上提出近似BP-MF SBL算法。仿真结果表明与向量形式的MF算法相比,所提方法复杂度低,且性能有所提升;与标量形式的MF算法相比,在复杂度相似的情况下,所提方法的性能更好。