|
|
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
! O2 a" H( _, a0 `6 S# m# C9 Q6 P# a3 O
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 h! W# M. g2 v/ C( ^" F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
+ P4 {9 s$ d* ^8 r1 aMMV 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, / z( ~5 g* Q" \7 l* q% O+ E
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7 t% `* B7 U3 `1 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 x/ z; i. i0 d5 H* `# F; l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) x3 Q1 U1 d$ N5 `. e; M, q
有较好的鲁棒性等优势。8 W0 G) X5 O$ D1 Z9 W; C3 @
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
, U0 h" M; v( q" m8 K, P$ t4 F/ _
1 A I) V5 I' ?9 A6 `: \+ n% V1 y* Q9 ^' ]. g# D# \ g* i- u
附件下载：. o3 a& T, N+ S% F
|
|
/1 
发表于 2021-6-23 13:57
收藏
淘帖
支持！
反对！