基于量化样本的线谱无网格变分贝叶斯推断
信息论
2019-09-04 v3 math.IT
摘要
从量化样本中高效估计线谱在信息论与信号处理中具有重要意义，例如节能大规模 MIMO 系统中的信道估计与波达方向估计。本文的目标是从重度量化样本中恢复线谱及其对应参数，包括模型阶数、频率与幅度。为此，我们提出一种高效的无网格贝叶斯算法，名为 VALSE-EP，它是变分线谱估计（VALSE）与期望传播（EP）的结合。VALSE-EP 的基本思想是将线谱估计中具挑战性的量化模型迭代近似为一系列简单的伪非量化模型，从而可应用 VALSE。注意伪线性模型中的噪声是异方差的，即不同分量具有不同方差，为此重新推导了 VALSE 的一个变体以获得最终的 VALSE-EP。此外，为获得所提算法的基准性能，推导了 Cramér Rao 界（CRB）。最后，在合成与真实数据上进行了数值实验，证明了所提 VALSE-EP 在从量化样本进行线谱估计上接近 CRB 的性能。
引用
@article{arxiv.1811.05680,
title = {Grid-less Variational Bayesian Inference of Line Spectral from Quantized Samples},
author = {Jiang Zhu and Qi Zhang and Xiangming Meng},
journal= {arXiv preprint arXiv:1811.05680},
year = {2019}
}