本文關(guān)鍵詞：多量測向量模型下基于貝葉斯檢驗的快速OMP算法研究

  更多相關(guān)文章： 多量測向量模型 快速正交匹配追蹤算法 迭代次數(shù) 貝葉斯檢驗

【摘要】：目前多量測向量(Multiple Measurement Vectors,MMV)模型的稀疏重構(gòu)算法存在兩個問題:計算復(fù)雜度高和當(dāng)重構(gòu)的支撐集存在冗余時無法有效剔除。為同時提高MMV模型的重構(gòu)效率和重構(gòu)精度,該文提出一種MMV模型下基于貝葉斯檢驗的快速正交匹配追蹤(Fast Orthogonal Matching Pursuit based on Bayesian Testing,FOMP-BT)算法。首先,通過新原子組選和warm start求逆的思想來減少算法總的迭代次數(shù)以及每次迭代的運算量,以提高算法的重構(gòu)效率;其次,利用貝葉斯檢驗的思想剔除冗余支撐集以提高重構(gòu)精度;最后對所研究的算法從參數(shù)選擇以及計算復(fù)雜度等方面進行了理論分析。仿真結(jié)果表明,所提算法具有重構(gòu)精度高、速度快以及對噪聲有較好的魯棒性等優(yōu)勢。
【作者單位】： 空軍預(yù)警學(xué)院三系;
【關(guān)鍵詞】： 多量測向量模型 快速正交匹配追蹤算法 迭代次數(shù) 貝葉斯檢驗
【分類號】：TN911.7
【正文快照】： 1引言作為一種信息獲取的新思路,壓縮感知(Compressive Sensing,CS)[1]自提出至今,理論日趨完善[2]。由于CS將采樣端的壓力“轉(zhuǎn)移”到解碼端,因此壓縮量測條件下的稀疏重構(gòu)是CS的關(guān)鍵研究問題之一。多量測向量(Multiple MeasurementVector,MMV)問題作為CS的一個延伸發(fā)展方向,

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 裴文炯;李少東;楊軍;胡國旗;;基于貝葉斯檢驗?zāi)Ｐ偷膲嚎s感知算法及應(yīng)用[J];光電子.激光;2014年06期

，

本文編號：811307