压缩MUSIC：压缩感知与阵列信号处理之间的缺失环节
信息论
2011-04-05 v5 math.IT
摘要
多测量向量(MMV)问题旨在识别具有共同稀疏支撑的未知输入向量。尽管MMV问题传统上在传感器阵列信号处理的背景下被处理，但最近的趋势是应用压缩感知(CS)，因为它即使在快拍数不足的情况下也能估计稀疏支撑，而经典阵列信号处理在此情况下会失效。然而，CS以概率方式保证精确恢复，在传统阵列信号处理方法成功的区域往往表现较差。概率性CS与确定性传感器阵列信号处理之间的明显二分法尚未被完全理解。本文的主要贡献是一种统一的方法，揭示了CS与阵列信号处理之间的一个“缺失环节”。这种新算法，我们称之为压缩MUSIC，首先使用CS识别部分支撑，然后使用一种新颖的广义MUSIC准则估计剩余支撑。利用大规模系统MMV模型，我们表明，与现有CS方法相比，我们的压缩MUSIC需要更少的传感器元件即可实现精确的支撑恢复，并且可以在有限快拍数下接近最优的界。
引用
@article{arxiv.1004.4398,
title = {Compressive MUSIC: A Missing Link Between Compressive Sensing and Array Signal Processing},
author = {Jong Min Kim and Ok Kyun Lee and Jong Chul Ye},
journal= {arXiv preprint arXiv:1004.4398},
year = {2011}
}
备注
33 pages, 7 figures, Parts of this work were presented on 14/04/2010 at the SIAM Conference on Imaging Science, Chicago, USA, with the title "Multiple measurement vector problem with subspace-based algorithm"