改进的基于拉普拉斯先验的贝叶斯压缩感知算法

• 作者: 包建荣 章坚武 颜欢
• 来源期刊: 电路与系统学报
• 学科: 工学
• 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
• 年，卷（期）: 2012,（1）
• 所属期刊栏目: 论文
• 页码范围: 34-40
• 分类号: TN911.72
• 字数: 5442字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-0249.2012.01.007

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	章坚武	杭州电子科技大学通信工程学院	155	1164	15.0	27.0
2	包建荣	杭州电子科技大学通信工程学院	60	164	6.0	10.0
3	颜欢	杭州电子科技大学通信工程学院	4	52	3.0	4.0