基于MonteCarlo采样的压缩感知弱匹配去噪重构

zmmdmn · 发表于 2021-5-10 11:22

EDA365欢迎您登录！

您需要登录才可以下载或查看，没有帐号？注册

x

本帖最后由 zmmdmn 于 2021-5-10 13:25 编辑

摘要：最小二乘是现有贪婪迭代类压缩感知重构算法中通用的信号估计方法，其未考虑到可能将量测噪声引入信号估计的情况．针对以上不足，提出一种基于ＭｏｎｔｅＣａｒｌｏ采样的压缩感知弱匹配去噪重构算法．该算法在未知信号稀疏度先验的条件下，通过引入递推Ｂａｙｅｓｉａｎ估计减小量测噪声的干扰；同时，以弱匹配的方式筛选出有效的原子，并剔除冗余原子进而重构原信号．新算法继承了现有贪婪迭代类算法的有效性，同时避免了因噪声干扰或稀疏度未知导致的重构失败．理论分析和实验表明，新算法在同等条件，尤其是非高斯噪声情况下，重构性能优于现有典型贪婪迭代类算法，且其运算时间低于ＢＰＤＮ算法和同类的ＫＦＳＡＭＰ算法．

关键词：压缩感知；去噪；自适应重构；ＭｏｎｔｅＣａｒｌｏ采样

[size=11.7736px]附件下载;

游客，如果您要查看本帖隐藏内容请回复

hunterccc · 发表于 2021-5-10 13:25

这什么？有点看不懂啊

帐号		自动登录	找回密码
密码			注册

[毕业设计] 基于MonteCarlo采样的压缩感知弱匹配去噪重构

EDA365欢迎您登录！

浏览过的版块

推荐内容 /1