|
|
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 5 [% G7 u- h$ B' y+ a% S9 }' O& Q5 D
# ?8 U1 P, _. l) a7 R( o4 E+ u
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
. t. e# H3 c: x/ F, I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
# ]. N* V" g3 p. u6 c S ?# PMMV 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,
; r! q3 l& ~+ |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: }$ o* `* c2 t9 ]
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- B4 ~. A2 Q3 o3 u+ a" T, B. E
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0 A; f0 Q& z7 a& [+ T
有较好的鲁棒性等优势。0 X/ [; f1 O4 I; R- S$ d7 n
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
& k" s1 G- x5 z- G. O" \6 m W4 J+ t' M6 R' g
, D4 g1 j+ G4 h' v: v' E5 Y. H: `
附件下载：
- \6 J. W) J8 S( O7 k) i# J |
|
/1 
发表于 2021-6-23 13:57
收藏
淘帖
支持！
反对！