从含噪样本估计有限创新率信号：一种随机算法
应用统计
2009-03-09 v2 信息论
math.IT
摘要
作为最近引入的创新率概念的一个例子，单位时间内有限个狄拉克函数的线性组合信号可以通过线性滤波后均匀采样来获取。然而，在现实中，样本很少是无噪的。本文引入了一种新颖的随机算法，用于从含噪样本中重构具有有限创新率的信号。尽管该问题的变体此前已有研究，但仅对某些采样核类（例如满足 Strang-Fix 条件的核）提供了令人满意的解决方案。本文考虑了不满足 Strang-Fix 条件的无限支撑高斯核，其他核类也可采用。我们的算法基于吉布斯采样，这是一种马尔可夫链蒙特卡洛（MCMC）方法。大量的数值模拟证明了该算法的准确性和鲁棒性。
引用
@article{arxiv.0801.0275,
title = {Estimating Signals with Finite Rate of Innovation from Noisy Samples: A Stochastic Algorithm},
author = {Vincent Y. F. Tan and Vivek K. Goyal},
journal= {arXiv preprint arXiv:0801.0275},
year = {2009}
}
备注
Submitted to IEEE Transactions on Signal Processing