多测量向量问题的级联与提升算法
信息论
2015-10-20 v2 math.IT
摘要
多测量向量(MMV)问题旨在恢复一组共享共同非零支撑的稀疏信号向量，已成为压缩感知中的重要课题。尽管可恢复稀疏度水平的基本性能极限已被正式推导，但传统算法仍与理论界限存在显著性能差距。本文的主要贡献是一种新颖的级联多测量向量与提升(CoMBo)算法，该算法达到了理论界限。具体而言，该算法将MMV级联为更高维度的单测量向量(SMV)问题，并通过乘以随机正交矩阵对其进行提升。大量仿真结果表明，CoMBo优于所有现有方法，并且随着测量向量数量的增加，达到了理论界限。
引用
@article{arxiv.0906.2609,
title = {Concatenate and Boost for Multiple Measurement Vector Problems},
author = {O. K. Lee and J. C. Ye},
journal= {arXiv preprint arXiv:0906.2609},
year = {2015}
}
备注
This paper has been withdrawn by the authors due to the insufficient novelty