|
|
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 StepPeng33 于 2021-6-23 13:58 编辑 4 C2 e+ J) u5 N2 p$ I' f
! C( @1 f- r0 B; [; a
摘 要：目前多量测向量(Multiple Measurement Vectors, MMV)模型的稀疏重构算法存在两个问题：计算复杂度" E7 |2 T c# r+ j8 g1 u
高和当重构的支撑集存在冗余时无法有效剔除。为同时提高 MMV 模型的重构效率和重构精度，该文提出一种
3 s1 S# P" i7 J) y% rMMV 模型下基于贝叶斯检验的快速正交匹配追踪(Fast Orthogonal Matching Pursuit based on Bayesian Testing, ( E! n" t- t9 @' q9 [% t' N- }
FOMP-BT)算法。首先，通过新原子组选和 wARM start 求逆的思想来减少算法总的迭代次数以及每次迭代的运算
, p# o0 t: ^ R量，以提高算法的重构效率；其次，利用贝叶斯检验的思想剔除冗余支撑集以提高重构精度；最后对所研究的算法3 N( w Q. ? j
从参数选择以及计算复杂度等方面进行了理论分析。仿真结果表明，所提算法具有重构精度高、速度快以及对噪声: h* m7 M# @# I
有较好的鲁棒性等优势。5 c3 ^$ n! @& Y, l" @/ T* Y+ [6 j
关键词：多量测向量模型；快速正交匹配追踪算法；迭代次数；贝叶斯检验% {5 k1 i* y& A k, }" O
0 V' N2 M' X3 ]4 c1 E
# T @) ^% Y$ n$ D3 t- x5 l
附件下载：8 Z7 L) h/ @) M3 ` t( ~
|
|
/1 
发表于 2021-6-23 13:57
收藏
淘帖
支持！
反对！