基于近似消息传递的时变信号动态压缩感知
信息论
2015-06-05 v2 math.IT
摘要
本文从贝叶斯视角探讨了从亚奈奎斯特、非自适应线性测量中恢复稀疏、相关、时变信号的动态压缩感知问题。尽管文献中已有少量先前提出的贝叶斯动态压缩感知算法，但以计算高效的方式对高维问题进行推理的能力仍然难以实现。为此，我们提出了一种概率动态压缩感知信号模型，该模型同时捕捉幅度和支撑相关性结构，并描述了一种近似消息传递算法，该算法以所有问题维度线性计算复杂度执行软信号估计和支撑检测。该算法DCS-AMP可以执行因果滤波或非因果平滑，并能够通过期望最大化学习过程从数据中自适应地学习模型参数。我们提供了数值证据，表明DCS-AMP在各种操作条件下对合成数据的性能在3 dB以内达到oracle界。我们进一步描述了将DCS-AMP应用于两个真实动态压缩感知数据集以及一个频率估计任务的结果，以支持我们的主张，即DCS-AMP能够在真实世界的高维问题上提供最先进的性能和速度。
引用
@article{arxiv.1205.4080,
title = {Dynamic Compressive Sensing of Time-Varying Signals via Approximate Message Passing},
author = {Justin Ziniel and Philip Schniter},
journal= {arXiv preprint arXiv:1205.4080},
year = {2015}
}
备注
32 pages, 7 figures