利用期望-最大化算法实现基于动态词典的压缩感知
在现有压缩感知(CS)理论中,重构信号需要预设其稀疏表示词典.对于以参数化模型表示的信号,只能预知该词典为某种形式的参数化词典,参数的具体取值难以确定.若将参数设定为取值空间的均匀离散格点,预设词典与真实词典之间的失配将使传统CS重构方法的性能严重恶化.为解决这一问题,该文提出一种基于动态词典的CS重构方法.通过迭代地优化词典参数,该方法在信号重构过程中对词典进行动态调整.为同时实现稀疏恢复与词典调整,该方法利用变分期望-最大化(EM)算法交替执行信号系数估计与词典参数优化.实验结果表明所提方法是有效的.
压缩感知(CS)、稀疏恢复、动态词典、期望-最大化(EM)、变分贝叶斯近似
TN911.7
2012-11-28(万方平台首次上网日期,不代表论文的发表时间)
共7页
2554-2560