基于压缩感知的期望最大化贝努利非对称高斯近似信息传递算法

• 作者: 姜欣玲 张峥 杨三加 谢正光
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 压缩感知 广义近似信息传递算法 期望最大化 信号模型 贝努利不对称高斯
• 年，卷（期）: 2015,（6）
• 所属期刊栏目: 虚拟现实与数字媒体
• 页码范围: 1710-1715,1738
• 页数: 7页
• 分类号: TN911.73
• 字数: 6482字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2015.06.1710

摘要

期望最大化贝努利高斯(BG)近似信息传递(EM-BG-AMP)算法中的BG模型因为具有对称性,在逼近实际信号先验分布时会受到限制;而期望最大化高斯混合近似信息传递(EM-GM-AMP)算法中的GM模型是BG模型的高阶形式,复杂度较高.为了解决以上问题,提出贝努利不对称高斯模型(BAG),进而推导得到期望最大化贝努利不对称高斯近似信息传递(EM-BAG-AMP)算法.该算法的主要思路是假设输入信号服从BAG模型,然后使用广义近似信息传递(GAMP)重构信号并在算法迭代中同时更新模型参数.实验证明,在处理不同图像数据时,EM-BAG-AMP和EM-BG-AMP相比,时间增加了1.2％,峰值信噪比(PSNR)值提升了0.1～0.5 dB,尤其在处理纹理较少以及色差变化明显的图像时峰值信噪比(PSNR)值提升了0.4 ～0.5 dB.EM-BAG-AMP是对EM-BG-AMP算法的扩展和延伸,更适合实际信号的处理.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢正光	南通大学电子信息学院	38	90	5.0	7.0
2	杨三加	南通大学电子信息学院	3	7	2.0	2.0
3	张峥	南通大学电子信息学院	4	7	2.0	2.0
4	姜欣玲	南通大学电子信息学院	3	7	2.0	2.0