基于稀疏谱方法的盲增益与相位校准
信息论
2017-12-04 v1 计算机视觉与模式识别
机器学习
math.IT
摘要
盲增益与相位校准(BGPC)是一个双线性反问题,涉及联合确定传感系统的未知增益与相位以及未知信号。BGPC出现在众多应用中,例如反渲染中的盲反照率估计、合成孔径雷达自动聚焦以及传感器阵列自动校准。在某些情况下,未知信号中的稀疏结构缓解了BGPC的病态性。近来,人们对BGPC的求解重新产生兴趣,并仔细分析了误差界。在本文中,我们将BGPC表述为特征值/特征向量问题,并提议通过幂迭代求解,或在稀疏或联合稀疏情形下通过截断幂迭代求解。在一定的假设下,未知增益、相位和未知信号可同时恢复。数值实验表明,幂迭代算法不仅在我们主要结果所预测的机制下有效,而且在理论分析有限的机制下也有效。我们还表明,在对抗条件下(例如含噪声测量或不良初始估计),我们用于BGPC的幂迭代算法优于竞争算法。
引用
@article{arxiv.1712.00111,
title = {Blind Gain and Phase Calibration via Sparse Spectral Methods},
author = {Yanjun Li and Kiryung Lee and Yoram Bresler},
journal= {arXiv preprint arXiv:1712.00111},
year = {2017}
}
备注
28 pages, 11 figures