|
|
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
& S) S4 _9 W8 j, u) h0 P9 B( x; r( f3 ^" q: `7 u- S! y+ P
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
7 p8 o4 n3 O A- b& @0 t9 X, ]! Y+ V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( h) ?1 n& V4 L1 L5 ]7 d
MMV 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,
* ~5 ~) R3 |7 T. x( d/ t5 SFOMP-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$ Y' W+ y `( ~! _% h2 {
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! A. ]8 T# |5 v! U$ r
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
( i3 b4 U2 N8 R. L, O' k有较好的鲁棒性等优势。# Z% \5 k; a! o% ^1 ^" m4 ?
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
! l% n4 m! o. b1 h" ]* U( `( C/ N0 |8 O
2 y1 x! h' f, m3 d1 ~- Q2 X. ]附件下载：
# P2 ~$ \( d2 X% X5 m& V# d |
|
/1 
发表于 2021-6-23 13:57
收藏
淘帖
支持！
反对！