含相关噪声测量中传感器选择的快速贪心优化
最优化与控制
2021-04-28 v3 信号处理
摘要
针对含测量相关噪声的降阶感知中的稀疏传感器选择，提出一种贪心算法。传感器选择通过最大化贝叶斯估计算子中 Fisher 信息矩阵的行列式来实现。该贝叶斯估计利用测量噪声的协方差矩阵与估计参数的先验概率分布（由高维数据的模态分解给出），即便存在相关噪声也能稳健工作。在通过噪声协方差矩阵的低秩近似提升算法计算效率后，将所提算法应用于多个问题。与先前基于行列式的贪心算法相比，所提方法以合理的计算时间增加为代价，实现了更精确的重构。
引用
@article{arxiv.1912.01776,
title = {Fast Greedy Optimization of Sensor Selection in Measurement with Correlated Noise},
author = {Keigo Yamada and Yuji Saito and Koki Nankai and Taku Nonomura and Keisuke Asai and Daisuke Tsubakino},
journal= {arXiv preprint arXiv:1912.01776},
year = {2021}
}
备注
Presented in APS-DFD 2019 Accepted for publication at 3 Jan 2021